Computação Bayesiana Aproximada para Séries Temporais
ABC para séries temporais é um método de inferência Bayesiana livre de verossimilhança que estima a distribuição posterior dos parâmetros do modelo para sistemas dinâmicos ou indexados pelo tempo, comparando estatísticas resumidas de trajetórias simuladas com as da série observada, contornando a necessidade de avaliar uma verossimilhança analítica. É particularmente valioso para modelos mecanicistas ou estocásticos complexos cujas verossimilhanças são intratáveis.
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., 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
Como citar esta página
ScholarGate. (2026, June 3). Time Series Approximate Bayesian Computation. ScholarGate. https://scholargate.app/pt/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.
- Computação Bayesiana AproximadaSimulação↔ compare
- Inferência Bayesiana DinâmicaBayesiano↔ compare
- Filtro de KalmanBayesiano↔ compare
- Filtro de Partículas (Monte Carlo Sequencial)Bayesiano↔ compare
- Monte Carlo SequencialBayesiano↔ compare
- Inferência Bayesiana para Séries TemporaisBayesiano↔ compare
Encontrou um problema nesta página? Relate ou sugira uma correção →