Computação Bayesiana Hierárquica Aproximada
A Computação Bayesiana Hierárquica Aproximada (Hierarchical ABC) é um método de inferência Bayesiana livre de verossimilhança, projetado para estruturas de dados multinível, nas quais os parâmetros de nível individual são, por sua vez, extraídos de uma distribuição de nível populacional. Ao combinar amostragem por rejeição baseada em simulação com agregação hierárquica, recupera as distribuições posteriores de dentro e entre grupos, sem exigir uma função de verossimilhança tratável.
Leia o método completo
Entre com uma conta gratuita para ler esta seção.
Method map
The neighbourhood of related methods — select a node to explore.
Fontes
- 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 ↗
Como citar esta página
ScholarGate. (2026, June 3). Hierarchical Approximate Bayesian Computation. ScholarGate. https://scholargate.app/pt/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.
- Computação Bayesiana AproximadaSimulação↔ compare
- Inferência Bayesiana HierárquicaBayesiano↔ compare
- Cadeia de Markov Monte Carlo HierárquicaBayesiano↔ compare
- Monte Carlo SequencialBayesiano↔ compare
Encontrou um problema nesta página? Relate ou sugira uma correção →