近似贝叶斯计算（approximate Bayesian computation），理学-统计学-大数据统计分析-贝叶斯统计-近似贝叶斯计算，基于模拟的贝叶斯计算方法，可以用于似然函数不具有显式表达的复杂统计模型。近似贝叶斯计算的想法可以追溯到D.鲁宾1984年的论文。早期的近似贝叶斯计算方法在遗传学领域得以发展。近似贝叶斯计算这个术语第一次由M.博蒙特等人于2002年所使用并沿用至今。在此之后，该方法在应用统计中被广泛使用。该方法的计算效率十分依赖于充分统计量的选取，故有一些工作研究如何选取充分统计量来提高计算效率。另一方面，近似贝叶斯计算方法的渐近性质也受到了学者们的重视。令表示数据，其中为数据的取值空间。令表示未知参数，其中为参数空间。我们设为欧氏空间的子集。令表示似然函数，表示参数的先验密度，表示参数的后验密度。在很多实际问题中，统计模型过于复杂，导致似然函数难以具有显式表达式，但是根据条件密度来模拟数据的生成通常是可行的。在这些问题中，近似贝叶斯计算方法可用于从后验分布中抽取样本。原始的近似贝叶斯计算方法如下：选取一个充分小的，首先依照先验抽取参数，然后依照条件密度生成数据。