Multilevel Approximate Bayesian Computation

Standardowa metoda ABC pozwala ominąć niedostępną funkcję wiarygodności poprzez symulowanie fałszywych zbiorów danych i porównywanie ich z rzeczywistymi danymi za pomocą statystyk podsumowujących. Metoda multilevel ABC stosuje tę ideę do danych dwupoziomowych lub wielopoziomowych: parametry różnią się zarówno na poziomie grupy (hiperpametry sterujące całą populacją), jak i na poziomie jednostki (parametry indywidualne w każdej grupie). Zamiast oceniać, jak prawdopodobne są dane dla danego zestawu parametrów, algorytm symuluje dane z pełnego hierarchicznego modelu generatywnego i zachowuje tylko te kombinacje parametrów, których symulowane podsumowania pasują do tego, co faktycznie zaobserwowano, w ramach progu tolerancji.