近似贝叶斯计算的仿真方法比较

近似贝叶斯计算（ABC）是一类统计推断技术，正越来越多地应用于生物学和其他科学领域。其主要优势在于适用于似然函数计算不可处理的模型。ABC的基本思想是通过密集的实际模型运行来经验性地近似模型似然。由于计算时间限制，ABC因此主要应用于相对快速可模拟的模型。我们旨在简要介绍计算机代码输出的统计仿真领域，并展示其在ABC应用中的潜力。仿真包括用一个（可快速模拟的）统计模型——即仿真器或元模型——来替代代价高昂的原始模型。该仿真器根据原始模型的一少量输出进行拟合，随后在推断过程中作为代理使用。在本贡献中，我们首先详细阐述了模型仿真的原理，特别参考ABC语境，其中模型实现随机性的描述与模型参数和输出之间趋势的描述同等重要。然后我们在ABC语境中比较了几种仿真策略，以随机生态群落动力学模型为案例研究。最后，我们描述了一种基于仿真的序贯ABC新算法，在所研究示例上相比之前的序贯ABC算法将计算时间减少了一半。执行基于仿真的ABC的例程已在R包EasyABC中提供。