Иерархическое приближенное байесовское вычисление
Иерархическое ABC — это байесовский метод вывода без функции правдоподобия, разработанный для многоуровневых структур данных, в которых параметры индивидуального уровня сами извлекаются из распределения популяционного уровня. Объединяя основанный на моделировании отбор с иерархическим объединением, он восстанавливает апостериорные распределения как внутригрупповые, так и межгрупповые, не требуя явной функции правдоподобия.
Читать метод полностью
Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.
Карта метода
Окружение родственных методов — выберите узел, чтобы перейти к нему.
Источники
- 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 ↗
Как цитировать эту страницу
ScholarGate. (2026, June 3). Hierarchical Approximate Bayesian Computation. ScholarGate. https://scholargate.app/ru/bayesian/hierarchical-approximate-bayesian-computation
Какой метод?
Поставьте этот метод рядом с ближайшими родственными и прочитайте их бок о бок — библиотека выкладывает книги на стол, а выбор за вами.
- Приближенное байесовское вычислениеИмитационное моделирование↔ сравнить
- Иерархический байесовский выводБайесовские методы↔ сравнить
- Иерархический Марковский Монте-КарлоБайесовские методы↔ сравнить
- Последовательный Монте-КарлоБайесовские методы↔ сравнить
Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →