Perkiraan Taburan Bayesian dengan Ralat Pengukuran
Perkiraan Taburan Bayesian dengan ralat pengukuran (ABC-ME) melanjutkan rangka kerja standard ABC yang bebas kemungkinan kepada tetapan di mana data yang diperhatikan itu sendiri berisik atau direkodkan secara tidak tepat. Dengan secara eksplisit menggabungkan kernel ralat pengukuran ke dalam langkah penerimaan, ABC-ME menyasarkan taburan posterior yang betul ke atas parameter model walaupun proses penjanaan data sebenar tidak dapat diperhatikan secara langsung.
Baca kaedah sepenuhnya
Log masuk dengan akaun percuma untuk membaca bahagian ini.
Peta kaedah
Kejiranan kaedah berkaitan — pilih satu nod untuk meneroka.
Sumber
- 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 ↗
Cara memetik halaman ini
ScholarGate. (2026, June 3). Approximate Bayesian Computation with Measurement Error. ScholarGate. https://scholargate.app/ms/bayesian/approximate-bayesian-computation-with-measurement-error
Kaedah yang mana?
Letakkan kaedah ini di sebelah kaedah yang paling rapat dengannya dan baca secara bersebelahan — perpustakaan menyusun buku di atas meja; pilihan terletak pada anda.
- Pengiraan Bayesian AnggaranSimulasi↔ banding
- Inferens Bayesian dengan Ralat PengukuranBayesian↔ banding
- MCMC dengan Ralat PengukuranBayesian↔ banding
- Penapis Zarah (Monte Carlo Sekuen)Bayesian↔ banding
- Monte Carlo SekuensialBayesian↔ banding
Dirujuk oleh
Terjumpa masalah pada halaman ini? Laporkan atau cadangkan pembetulan →