Monte Carlo Methods of Inference for Implicit Statistical Models
隐式统计模型推断的蒙特卡洛方法AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要讨论一般随机生成模型的模拟推断，未提供经济行为结构模型或所列其他细分领域的证据。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
隐式统计模型推断的蒙特卡洛方法
- 研究问题
- 当模型由随机生成机制定义且分布理论难以处理时，如何通过模拟构造可优化的似然近似并开展参数推断？
- 方法与思路
- 作者倡导利用模型模拟输出进行核密度估计，从而近似对数似然，并开发和测试最大化该近似函数的算法。
- 材料陈述的贡献
- 摘要称，论文建立适用于隐式模型的模拟推断方法，并以量反应试验及兔视网膜细胞空间分布模型说明应用。
- 阅读关注点
- 应核对模拟次数与核带宽的选择、近似似然的构造，以及优化算法如何处理模拟误差和收敛判断。
- 阅读边界
- 所给 Crossref 摘要未说明近似误差、统计一致性或算法全局收敛保证，也不能由此推断其他版本的变化。
原文摘要
SUMMARY A prescribed statistical model is a parametric specification of the distribution of a random vector, whilst an implicit statistical model is one defined at a more fundamental level in terms of a generating stochastic mechanism. This paper develops methods of inference which can be used for implicit statistical models whose distribution theory is intractable. The kernel method of probability density estimation is advocated for estimating a log-likelihood from simulations of such a model. The development and testing of an algorithm for maximizing this estimated log-likelihood function is described. An illustrative example involving a stochastic model for quantal response assays is given. Possible applications of the maximization algorithm to ad hoc methods of parameter estimation are noted briefly, and illustrated by an example involving a model for the spatial pattern of displaced amacrine cells in the retina of a rabbit.