Przybliżone wnioskowanie bayesowskie z błędem pomiaru
Przybliżone wnioskowanie bayesowskie z błędem pomiaru (ABC-ME) rozszerza standardowe, wolne od wiarygodności (likelihood-free) ramy ABC na sytuacje, w których obserwowane dane są same w sobie zaszumione lub niedokładnie zarejestrowane. Poprzez jawne uwzględnienie jądra błędu pomiaru w kroku akceptacji, ABC-ME celuje w poprawną posterior nad parametrami modelu, nawet gdy rzeczywisty proces generujący dane nie może być bezpośrednio obserwowany.
Przeczytaj pełny opis metody
Zaloguj się na bezpłatne konto, aby przeczytać tę sekcję.
Method map
The neighbourhood of related methods — select a node to explore.
Źródła
- 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 ↗
Jak cytować tę stronę
ScholarGate. (2026, June 3). Approximate Bayesian Computation with Measurement Error. ScholarGate. https://scholargate.app/pl/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.
- Przybliżone Obliczenia BayesaSymulacja↔ compare
- Bayesowska wnioskowanie z błędem pomiaruStatystyka bayesowska↔ compare
- MCMC z błędem pomiaruStatystyka bayesowska↔ compare
- Filtr cząsteczkowy (Sekwencyjny Monte Carlo)Statystyka bayesowska↔ compare
- Sekwencyjne metody Monte CarloStatystyka bayesowska↔ compare
Cytowana przez
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →