Приближенное байесовское вычисление (Approximate Bayesian Computation, ABC) с пропущенными данными
Приближенное байесовское вычисление с пропущенными данными расширяет фреймворк ABC, не требующий вычисления правдоподобия (likelihood-free), на сценарии, где наблюдения неполны или частично зарегистрированы. Путем моделирования данных при заданной модели и принятия выборок параметров, для которых статистики моделируемых данных близки к наблюдаемым, этот метод обходит необходимость вычисления невычислимого правдоподобия — даже когда некоторые значения данных отсутствуют.
Читать метод полностью
Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Источники
- Beaumont, M. A., Zhang, W. & Balding, D. J. (2002). Approximate Bayesian computation in population genetics. Genetics, 162(4), 2025–2035. link ↗
- Rubin, D. B. (1987). Multiple Imputation for Nonresponse in Surveys. John Wiley & Sons. ISBN: 978-0471655749
Как цитировать эту страницу
ScholarGate. (2026, June 3). Approximate Bayesian Computation with Missing Data. ScholarGate. https://scholargate.app/ru/bayesian/approximate-bayesian-computation-with-missing-data
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 при наличии пропущенных данныхБайесовские методы↔ compare
- MCMC с пропущенными даннымиБайесовские методы↔ compare
- Множественная импутацияСтатистика↔ 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 →