Aproksymacyjne wnioskowanie bayesowskie dla szeregów czasowych
Szeregi czasowe ABC to metoda wnioskowania bayesowskiego bez funkcji wiarygodności, która szacuje rozkład a posteriori parametrów modelu dla systemów dynamicznych lub indeksowanych czasowo poprzez porównanie statystyk podsumowujących symulowanych trajektorii z trajektoriami obserwowanych szeregów, omijając potrzebę obliczania analitycznej funkcji wiarygodności. Jest szczególnie cenna dla złożonych modeli mechanistycznych lub stochastycznych, których funkcje wiarygodności są nietraktowalne.
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., Welch, D., Strelkowa, N., Ipsen, A. & Stumpf, M. P. H. (2009). Approximate Bayesian computation scheme for parameter inference and model selection in dynamical systems. Journal of the Royal Society Interface, 6(31), 187–202. DOI: 10.1098/rsif.2008.0172 ↗
- Sisson, S. A., Fan, Y. & Beaumont, M. A. (Eds.) (2018). Handbook of Approximate Bayesian Computation. CRC Press. ISBN: 978-1439881507
Jak cytować tę stronę
ScholarGate. (2026, June 3). Time Series Approximate Bayesian Computation. ScholarGate. https://scholargate.app/pl/bayesian/time-series-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
- Dynamic Bayesian InferenceStatystyka bayesowska↔ compare
- Filtr KalmanaStatystyka bayesowska↔ compare
- Filtr cząsteczkowy (Sekwencyjny Monte Carlo)Statystyka bayesowska↔ compare
- Sekwencyjne metody Monte CarloStatystyka bayesowska↔ compare
- Bayesowskie wnioskowanie w szeregach czasowychStatystyka bayesowska↔ compare
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →