基于特定误差与核选择的ABCSurrogate匹配广义贝叶斯推断
统计方法学
2025-02-18 v1
摘要
广义贝叶斯推断（Generalized Bayesian Inference, GBI）是一种以鲁棒性应对建模误差为动机的推断框架，采用特定损失函数将模型参数与观测数据关联，而非标准贝叶斯推断中使用的对数似然函数。近似贝叶斯计算（Approximate Bayesian Computation, ABC）指的是一系列通过观测数据与模拟数据之间的误差函数来近似后验分布的方法，取代了使用似然函数。本文讨论了当损失函数定义为模型下观测数据与模拟数据之间的预期误差时，ABC与GBI之间的关系。我们表明，结果广义后验对应于在基于高斯过程的替代模型下获得的ABC后验。我们通过具体的误差与核选择来说明近似行为，为理解这些不同近似推断范式之间的关系提供洞见。
引用
@article{arxiv.2502.11738,
title = {Surrogate-based ABC matches generalized Bayesian inference under specific discrepancy and kernel choices},
author = {Marko Järvenpää and Jukka Corander and Henri Pesonen},
journal= {arXiv preprint arXiv:2502.11738},
year = {2025}
}
备注
17 pages, 2 figures