Spatial Approximate Bayesian Computation
Spatial Approximate Bayesian Computation (Spatial ABC) is a likelihood-free Bayesian inference framework for spatial data models whose likelihood function is intractable or too expensive to evaluate. It draws candidate parameters from a prior, simulates spatially structured datasets under those parameters, and accepts only the draws whose simulated spatial summary statistics closely match the observed data, thereby building an approximate posterior over model parameters.
Registro de origem
Citações copiadas literalmente do registro de origem do método. Nenhuma verificação em nível de alegação é inferida delas.
- Beaumont, M. A., Zhang, W., & Balding, D. J. (2002). Approximate Bayesian computation in population genetics. Genetics, 162(4), 2025–2035. · DOI 10.1093/genetics/162.4.2025
- Diggle, P. J., & Gratton, R. J. (1984). Monte Carlo methods of inference for implicit statistical models. Journal of the Royal Statistical Society: Series B, 46(2), 193–212. · DOI 10.1111/j.2517-6161.1984.tb01290.x
Alegações curadas
Alegações persistidas no livro-razão de evidências, cada uma com sua própria avaliação.
Esta visualização não inventa uma avaliação de alegação quando o livro-razão não a possui.
Métodos relacionados
Gerado a partir do grafo de métodos e mostrado como relações sugeridas por máquina — nenhuma alegação de evidência é inferida.