Time series approximate Bayesian computation
Time series ABC is a likelihood-free Bayesian inference method that estimates the posterior distribution of model parameters for dynamical or time-indexed systems by comparing summary statistics of simulated trajectories to those of the observed series, bypassing the need to evaluate an analytic likelihood. It is particularly valuable for complex mechanistic or stochastic models whose likelihoods are intractable.
Källpost
Citat kopierade ordagrant från metodens källpost. Ingen verifiering på källnivå härleds från dem.
- 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
Kuraterade påståenden
Påståenden lagrade i bevisloggen, var och en med sin egen bedömning.
Denna vy hittar inte på en påståendebedömning när loggen saknar en.
Relaterade metoder
Genererade från metodgrafen och visade som maskinföreslagna relationer – inga bevispåståenden härleds.