具有难以处理的似然模型的广义似然分布

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。