Computação Bayesiana Aproximada com Erro de Medição
A Computação Bayesiana Aproximada com erro de medição (ABC-ME) estende o arcabouço padrão livre de verossimilhança (likelihood-free) da ABC para cenários onde os dados observados são, eles próprios, ruidosos ou registrados de forma imprecisa. Ao incorporar explicitamente um núcleo de erro de medição na etapa de aceitação, a ABC-ME visa a posterior correta sobre os parâmetros do modelo, mesmo quando o verdadeiro processo gerador de dados não pode ser diretamente observado.
Leia o método completo
Entre com uma conta gratuita para ler esta seção.
Mapa de métodos
A vizinhança de métodos relacionados — selecione um nó para explorar.
Fontes
- 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 ↗
Como citar esta página
ScholarGate. (2026, June 3). Approximate Bayesian Computation with Measurement Error. ScholarGate. https://scholargate.app/pt/bayesian/approximate-bayesian-computation-with-measurement-error
Qual método?
Coloque este método ao lado dos seus pares mais próximos e leia-os lado a lado — a biblioteca dispõe os livros sobre a mesa; a escolha é sua.
- Computação Bayesiana AproximadaSimulação↔ comparar
- Inferência Bayesiana com Erro de MediçãoBayesiano↔ comparar
- MCMC com Erro de MedidaBayesiano↔ comparar
- Filtro de Partículas (Monte Carlo Sequencial)Bayesiano↔ comparar
- Monte Carlo SequencialBayesiano↔ comparar
Referenciado por
Encontrou um problema nesta página? Relate ou sugira uma correção →