Approximate Bayesian Computation per Serie Temporali
L'ABC per serie storiche è un metodo di inferenza bayesiana privo di verosimiglianza che stima la distribuzione a posteriori dei parametri del modello per sistemi dinamici o indicizzati temporalmente confrontando statistiche riassuntive di traiettorie simulate con quelle delle serie osservate, bypassando la necessità di valutare una verosimiglianza analitica. È particolarmente prezioso per modelli meccanicistici o stocastici complessi le cui verosimiglianze sono intrattabili.
Leggi il metodo completo
Accedi con un account gratuito per leggere questa sezione.
Method map
The neighbourhood of related methods — select a node to explore.
Fonti
- Toni, T., Welch, D., Strelkowa, N., Ipsen, A. & Stumpf, M. P. H. (2009). Approximate Bayesian computation scheme for parameter inference and model selection in dynamical systems. Journal of the Royal Society Interface, 6(31), 187–202. DOI: 10.1098/rsif.2008.0172 ↗
- Sisson, S. A., Fan, Y. & Beaumont, M. A. (Eds.) (2018). Handbook of Approximate Bayesian Computation. CRC Press. ISBN: 978-1439881507
Come citare questa pagina
ScholarGate. (2026, June 3). Time Series Approximate Bayesian Computation. ScholarGate. https://scholargate.app/it/bayesian/time-series-approximate-bayesian-computation
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Approssimate Bayesian ComputationSimulazione↔ compare
- Inferenza Bayesiana DinamicaBayesiano↔ compare
- Filtro di KalmanBayesiano↔ compare
- Filtro a particelle (Monte Carlo Sequenziale)Bayesiano↔ compare
- Monte Carlo SequenzialeBayesiano↔ compare
- Inferenza Bayesiana su Serie StoricheBayesiano↔ compare
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →