大卫·沃恩,奥利弗·麦克拉伦,埃利奥特·卡尔,马修·辛普森,&克里斯·德罗万迪(2024)具有难以处理的似然模型的广义似然分布。统计与计算,34(1) ,文章编号:50。
在发布者处查看
似然分析是一种有效且强大的频率分析方法,用于参数估计、不确定性量化和实际可识别性分析。不幸的是,如果没有一个易于处理的似然函数,这些方法就不容易应用于随机模型。这种模型在许多科学领域都很典型,使得这些经典方法在这些环境中不切实际。为了解决这一局限性,我们开发了一种新的方法来推广似然分析方法,用于无法评估似然但可以对假设数据生成过程进行随机模拟的情况。我们的方法是基于将广义贝叶斯推断的发展重铸为频率学家设置。我们推导了一种构建广义似然分布图并校准这些分布图的方法,以实现给定覆盖水平下的期望频率覆盖。我们在文献中的实际例子上演示了我们的方法的性能,并强调了我们方法对于具有难以处理的可能性的模型的实际可识别性分析的能力。
影响和利益:
引文计数 每月从Scopus公司和科学网®引文数据库。
这些数据库包含来自可用出版物不同子集和不同时间段的引文,因此每个数据库的引文计数通常不同。有些作品不在这两个数据库中,并且不显示计数。Scopus包括1996年以后发表的文章的引文,以及1980年以后的Web of Science®。
引文计数来自谷歌学者™索引服务可以在链接的Google Scholar™搜索中查看。
导出: 尾注|都柏林核心元数据集|BibTeX公司
仅仓库员工:项目控制页