Байесов модел на структурни времеви редове
Байесов модел на структурни времеви редове (BSTS) е рамка за моделиране на състоянието на пространството, въведена от Скот и Вариан (2014 г.), която разлага времеви ред на адитивни компоненти — тренд, сезонност и регресия — и ги оценява съвместно чрез Байесово извод. Тя е в основата на библиотеката CausalImpact на Google и е мощен инструмент както за прогнозиране, така и за причинно-следствен анализ на интервенции.
Прочетете целия метод
Влезте с безплатен профил, за да прочетете този раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Източници
- Scott, S. L. & Varian, H. R. (2014). Predicting the Present with Bayesian Structural Time Series. International Journal of Mathematical Modelling and Numerical Optimisation, 5(1/2), 4–23. DOI: 10.1504/IJMMNO.2014.059942 ↗
- Brodersen, K. H., Gallusser, F., Koehler, J., Remy, N. & Scott, S. L. (2015). Inferring Causal Impact Using Bayesian Structural Time-Series Models. Annals of Applied Statistics, 9(1), 247–274. DOI: 10.1214/14-AOAS788 ↗
Как да цитирате тази страница
ScholarGate. (2026, June 1). Bayesian Structural Time Series Model. ScholarGate. https://scholargate.app/bg/bayesian/bayesian-structural-time-series
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Модел ARIMA (Autoregressive Integrated Moving Average)Иконометрия↔ compare
- Байесов регресионен моделБейсови методи↔ compare
- Анализ на прекъснати времеви редове (ITS)Причинно-следствено заключение↔ compare
- Марковски Монте Карло вериги (MCMC)Бейсови методи↔ compare
- Модел в състояние пространство (Калманов филтър)Иконометрия↔ compare
Цитиран в
Забелязахте ли проблем на тази страница? Съобщете или предложете поправка →