Bayesian methodsBayesian / computational
시계열 근사 베이즈 추론
시계열 ABC는 모형 매개변수의 사후 분포를 동적 또는 시계열 시스템에 대해 추정하는 가능도 없는 베이즈 추론 방법으로, 시뮬레이션된 궤적의 요약 통계량을 관측된 시계열의 통계량과 비교하여 해석 가능한 가능도 평가의 필요성을 우회합니다. 이는 가능도가 다루기 어려운 복잡한 기계론적 또는 확률적 모형에 특히 유용합니다.
방법 전문 읽기
회원 전용
로그인무료 계정으로 로그인하면 이 섹션을 읽을 수 있습니다.
방법 지도
관련 방법들로 이루어진 인접 영역 — 노드를 선택해 살펴보세요.
출처
- 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
이 페이지 인용 방법
ScholarGate. (2026, June 3). Time Series Approximate Bayesian Computation. ScholarGate. https://scholargate.app/ko/bayesian/time-series-approximate-bayesian-computation
어떤 방법일까요?
이 방법을 가장 가까운 동류의 방법들과 나란히 놓고 비교해 보세요 — 라이브러리는 책을 펼쳐 놓을 뿐, 선택은 여러분의 몫입니다.
- 근사 베이즈 계산시뮬레이션↔ 비교
- 동적 베이즈 추론베이지안↔ 비교
- 칼만 필터베이지안↔ 비교
- 파티클 필터 (순차 몬테카를로)베이지안↔ 비교
- 순차 몬테카를로 (Sequential Monte Carlo, SMC)베이지안↔ 비교
- 시계열 베이즈 추론베이지안↔ 비교