เปรียบเทียบวิธี

	การคำนวณแบบเบย์เชิงประมาณ	การจำลองแบบมอนติคาร์โล
สาขาวิชา	การจำลอง	การตัดสินใจ
ตระกูล	Process / pipeline	MCDM
ปีกำเนิด	2002	1949
ผู้ริเริ่ม	—	Metropolis, N., Ulam, S.
ประเภท	Simulation-based Bayesian inference	Robustness wrapper — Monte Carlo uncertainty propagation
แหล่งต้นตำรับ	Beaumont, M.A., Zhang, W. & Balding, D.J. (2002). Approximate Bayesian Computation in Population Genetics. Genetics, 162(4), 2025-2035.	Metropolis, N., Ulam, S. (1949). The Monte Carlo method. Journal of the American Statistical Association
ชื่อเรียกอื่น	ABC, likelihood-free inference, simulation-based inference, Yaklaşık Bayesçi Hesaplama (ABC)	—
ที่เกี่ยวข้อง	5	0
สรุป	Approximate Bayesian Computation (ABC) is a family of simulation-based inference methods that estimate posterior distributions without requiring an analytically tractable likelihood function. Introduced by Beaumont, Zhang and Balding (2002) in the context of population genetics, ABC replaced the intractable likelihood with repeated model simulation and a comparison of summary statistics between simulated and observed data.	MONTE-CARLO-SIMULATION (Monte Carlo Simulation — Stochastic uncertainty propagation through MCDM model) is a ranking multi-criteria decision-making (MCDM) method introduced by Metropolis, N., Ulam, S. in 1949. It turns a decision matrix of alternatives scored on multiple criteria into a structured, reproducible result.