Calcolo Bayesiano Approssimato Gerarchico
L'ABC gerarchico è un metodo di inferenza Bayesiana privo di verosimiglianza, progettato per strutture dati multilivello in cui i parametri a livello individuale sono a loro volta estratti da una distribuzione a livello di popolazione. Combinando il campionamento per rigetto basato su simulazione con il pooling gerarchico, recupera le distribuzioni posteriori sia intra-gruppo che inter-gruppo senza richiedere una funzione di verosimiglianza trattabile.
Leggi il metodo completo
Accedi con un account gratuito per leggere questa sezione.
Mappa dei metodi
Il vicinato dei metodi correlati — seleziona un nodo per esplorare.
Fonti
- Toni, T. & Stumpf, M. P. H. (2010). Simulation-based model selection for dynamical systems in systems and population biology. Bioinformatics, 26(1), 104–110. DOI: 10.1093/bioinformatics/btp619 ↗
- Wilkinson, R. D. (2013). Approximate Bayesian computation (ABC) gives exact results under the assumption of model error. Statistical Applications in Genetics and Molecular Biology, 12(2), 129–141. DOI: 10.1515/sagmb-2013-0010 ↗
Come citare questa pagina
ScholarGate. (2026, June 3). Hierarchical Approximate Bayesian Computation. ScholarGate. https://scholargate.app/it/bayesian/hierarchical-approximate-bayesian-computation
Quale metodo?
Affianca questo metodo ai suoi parenti più prossimi e leggili fianco a fianco — la biblioteca dispone i libri sul tavolo; la scelta è tua.
- Approssimate Bayesian ComputationSimulazione↔ confronta
- Inferenza Bayesiana GerarchicaBayesiano↔ confronta
- Hierarchical Markov Chain Monte CarloBayesiano↔ confronta
- Monte Carlo SequenzialeBayesiano↔ confronta
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →