Hierarchical Approximate Bayesian Computation
Hierarchical ABC to metoda wnioskowania bayesowskiego bez funkcji wiarygodności (likelihood-free), zaprojektowana dla wielopoziomowych struktur danych, w których parametry na poziomie indywidualnym są pobierane z rozkładu na poziomie populacji. Łącząc symulacyjne próbkowanie odrzucające z hierarchicznym agregowaniem (pooling), odzyskuje rozkłady posterior zarówno wewnątrz-grupowe, jak i między-grupowe, bez potrzeby posiadania analitycznej funkcji wiarygodności.
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
- Toni, T. & Stumpf, M. P. H. (2010). Simulation-based model selection for dynamical systems in systems and population biology. Bioinformatics, 26(1), 104–110. DOI: 10.1093/bioinformatics/btp619 ↗
- 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 ↗
Jak cytować tę stronę
ScholarGate. (2026, June 3). Hierarchical Approximate Bayesian Computation. ScholarGate. https://scholargate.app/pl/bayesian/hierarchical-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.
- Przybliżone Obliczenia BayesaSymulacja↔ compare
- Hierarchiczna inferencja bayesowskaStatystyka bayesowska↔ compare
- Hierarchical Markov Chain Monte CarloStatystyka bayesowska↔ compare
- Sekwencyjne metody Monte CarloStatystyka bayesowska↔ compare
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →