Inference on Markov chains parameters via Large Deviations ABC

Proponiamo un metodo di inferenza Bayesiana per l’apprendimento dei parametri che governano le probabilit`a di transizione in catene di Markov a stati finiti qualora la funzione di verosimiglianza non e` derivabile analiticamente ed una sua valutazione e` computazionalmente costosa. We propose a method for Bayesian inference on the parameters governing the transition probabilities of finite state Markov chains. We address the difficulty of deriving the parameters’ posterior distribution when the likelihood function is unavailable or computationally demanding to evaluate.