Approximate Bayesian Computation met meetfout
Approximate Bayesian Computation met meetfout (ABC-ME) breidt het standaard ABC-framework zonder likelihood uit naar situaties waarin waargenomen data zelf ruis bevatten of onnauwkeurig zijn geregistreerd. Door expliciet een meetfoutkernel op te nemen in de acceptatiestap, richt ABC-ME zich op de correcte posterior over modelparameters, zelfs wanneer het werkelijke datagenererende proces niet direct geobserveerd kan worden.
Lees de volledige methode
Log in met een gratis account om dit onderdeel te lezen.
Method map
The neighbourhood of related methods — select a node to explore.
Bronnen
- 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 ↗
Deze pagina citeren
ScholarGate. (2026, June 3). Approximate Bayesian Computation with Measurement Error. ScholarGate. https://scholargate.app/nl/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.
- Approximate Bayesian ComputationSimulatie↔ compare
- Bayesiaanse Inferentie met MeetfoutBayesiaanse statistiek↔ compare
- MCMC met meetfoutBayesiaanse statistiek↔ compare
- Deeltjesfilter (Sequentiële Monte Carlo)Bayesiaanse statistiek↔ compare
- Sequentiële Monte CarloBayesiaanse statistiek↔ compare
Geciteerd door
Een fout op deze pagina gezien? Meld het of stel een correctie voor →