我知道当可能性难以处理时，通常使用 ABC，因此可能性原则在这种情况下不感兴趣。但是，我很好奇当似然函数易于处理时，ABC 是否满足似然原理。ABC 是一种从后验中采样参数的生成过程，似然原理说，对参数的推断应该完全由似然部分决定，而忽略观察项。
我认为如果我从一个参数生成假样本，生成过程会受到观察项的关键影响，这在似然原理中可能会被忽略。
这令人困惑，因为我认为 ABC 不遵循似然原理，但众所周知，贝叶斯统计遵循它。
我错过了什么吗？
近似贝叶斯计算 (ABC) 是否遵循似然原则？
机器算法验证
贝叶斯
计算统计
近似贝叶斯计算
似然原理
2022-03-26 15:23:35
1个回答
“当似然函数易于处理时”有点弄巧成拙，因为使用 ABC 的原因是它难以处理。
至于似然原理，ABC 肯定不尊重它，因为它需要模拟来自其采样分布的数据。因此，它使用该分布的频率属性而不是可能性本身。除非在（不现实的）极限情况下，公差正好为零并且距离基于充分的统计量，否则 ABC 不符合似然原则。
在我看来，与 ABC 面临的主要问题相比，这是一个小问题，除非你能提供一个可怕的例子（也有不符合似然原则的确切贝叶斯方法，见证Jeffreys 或匹配先验.)