Bayesian methodsBayesian / computational
측정 오차를 동반한 근사 베이즈 계산
측정 오차를 동반한 근사 베이즈 계산(ABC-ME)은 관측된 데이터 자체가 노이즈가 있거나 부정확하게 기록된 설정으로 표준 ABC의 가능도 없는 프레임워크를 확장합니다. 측정 오차 커널을 수락 단계에 명시적으로 통합함으로써, ABC-ME는 실제 데이터 생성 프로세스를 직접 관찰할 수 없을 때에도 모델 매개변수에 대한 올바른 사후 분포를 목표로 합니다.
방법 전문 읽기
회원 전용
로그인무료 계정으로 로그인하면 이 섹션을 읽을 수 있습니다.
Method map
The neighbourhood of related methods — select a node to explore.
출처
- 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 ↗
- Beaumont, M. A. (2010). Approximate Bayesian computation in evolution and ecology. Annual Review of Ecology, Evolution, and Systematics, 41, 379-406. DOI: 10.1146/annurev-ecolsys-102209-144621 ↗
이 페이지 인용 방법
ScholarGate. (2026, June 3). Approximate Bayesian Computation with Measurement Error. ScholarGate. https://scholargate.app/ko/bayesian/approximate-bayesian-computation-with-measurement-error
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.
- 근사 베이즈 계산시뮬레이션↔ compare
- 측정 오차를 포함한 베이즈 추론베이지안↔ compare
- MCMC with Measurement Error베이지안↔ compare
- 파티클 필터 (순차 몬테카를로)베이지안↔ compare
- 순차 몬테카를로 (Sequential Monte Carlo, SMC)베이지안↔ compare