Bayesian methodsBayesian / computational
강건 근사 베이즈 추론 (Robust Approximate Bayesian Computation)
강건 ABC는 이상치, 모델 오류 지정, 요약 통계량 선택 민감도 등을 다루기 위해 표준 근사 베이즈 추론을 확장한 것입니다. 일반적인 거리 측정치를 복합 점수, 절사 통계량 또는 합성 가능도와 같은 강건한 대안으로 대체함으로써, 비정상적인 관측치나 불완전한 시뮬레이터로 인해 사후 추론이 왜곡되는 것을 방지합니다.
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
- Ruli, E., Sartori, N. & Ventura, L. (2016). Approximate Bayesian computation with composite score functions. Statistics and Computing, 26(3), 679–692. DOI: 10.1007/s11222-015-9551-z ↗
- Frazier, D. T., Drovandi, C. & Nott, D. J. (2020). Robust Approximate Bayesian Inference with Synthetic Likelihood. Journal of Computational and Graphical Statistics, 30(4), 958–976. DOI: 10.1080/10618600.2021.1875839 ↗
이 페이지 인용 방법
ScholarGate. (2026, June 3). Robust Approximate Bayesian Computation. ScholarGate. https://scholargate.app/ko/bayesian/robust-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.
- 근사 베이즈 계산시뮬레이션↔ compare
- 측정 오차를 포함한 베이즈 추론베이지안↔ compare
- 파티클 필터 (순차 몬테카를로)베이지안↔ compare
- 강건 베이즈 추론베이지안↔ compare
- 강건 변분 추론베이지안↔ compare
- 순차 몬테카를로 (Sequential Monte Carlo, SMC)베이지안↔ compare