Приближенное байесовское вычисление с учетом ошибки измерения
Приближенное байесовское вычисление с учетом ошибки измерения (ABC-ME) расширяет стандартную байесовскую методологию ABC без явного задания правдоподобия на случаи, когда наблюдаемые данные сами по себе являются неточными или неверно зарегистрированными. Явно включая ядро ошибки измерения в шаг принятия, ABC-ME нацеливается на правильное апостериорное распределение параметров модели, даже когда истинный процесс генерации данных не может быть непосредственно наблюдаем.
Читать метод полностью
Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Источники
- 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 ↗
Как цитировать эту страницу
ScholarGate. (2026, June 3). Approximate Bayesian Computation with Measurement Error. ScholarGate. https://scholargate.app/ru/bayesian/approximate-bayesian-computation-with-measurement-error
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.
- Приближенное байесовское вычислениеИмитационное моделирование↔ compare
- Байесовский вывод с учетом ошибки измеренияБайесовские методы↔ compare
- MCMC с ошибкой измеренияБайесовские методы↔ compare
- Фильтр частиц (последовательное Монте-Карло)Байесовские методы↔ compare
- Последовательный Монте-КарлоБайесовские методы↔ compare
Упоминается в
Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →