Bayesian methodsBayesian / computational

分层近似贝叶斯计算

分层ABC是一种无似然的贝叶斯推断方法，专为多层数据结构设计，其中个体层面的参数本身是从总体层面的分布中抽取的。通过将基于仿真的拒绝采样与分层汇集相结合，它可以在不需要可处理的似然函数的情况下恢复组内和组间后验分布。

在 MethodMind 中打开即将推出视频即将推出下载幻灯片

阅读完整方法

仅限会员

使用免费账户登录即可阅读本节。

方法图谱

相关方法的邻域——选择一个节点以展开探索。

分层近似贝叶斯计算

近似贝叶斯计算分层贝叶斯推断分层马尔可夫链蒙特卡洛顺序蒙特卡洛

来源

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 ↗

如何引用本页

ScholarGate. (2026, June 3). Hierarchical Approximate Bayesian Computation. ScholarGate. https://scholargate.app/zh/bayesian/hierarchical-approximate-bayesian-computation

选用哪种方法？

将本方法与其最相近的同类并置，并排研读——本馆将书籍铺陈于案上，取舍则由您定夺。

并排比较 →

发现本页有问题？报告或提出修改建议 →