Времеви Байесов Йерархичен Модел
Времеви байесов йерархичен модел комбинира йерархичната (многостепенна) Байесова рамка с динамична структура на състояние-пространство за анализ на времеви данни, събрани от множество единици или групи. Априорните разпределения кодират убеждения както за динамиката в рамките на единиците, така и за вариацията между единиците, а апостериорното разпределение се получава чрез MCMC или последователен Монте Карло, давайки пълни вероятностни прогнози с калибрирана неопределеност.
Прочетете целия метод
Влезте с безплатен профил, за да прочетете този раздел.
Карта на методите
Обкръжението на сродните методи — изберете възел, за да го разгледате.
Източници
- West, M. & Harrison, J. (1997). Bayesian Forecasting and Dynamic Models (2nd ed.). Springer. ISBN: 978-0387947259
- Gelman, A., Carlin, J. B., Stern, H. S., Dunson, D. B., Vehtari, A. & Rubin, D. B. (2013). Bayesian Data Analysis (3rd ed.). CRC Press. ISBN: 978-1439840955
Как да цитирате тази страница
ScholarGate. (2026, June 3). Time Series Bayesian Hierarchical Model. ScholarGate. https://scholargate.app/bg/bayesian/time-series-bayesian-hierarchical-model
Кой метод?
Поставете този метод до най-близките му сродни методи и ги четете едно до друго — библиотеката полага книгите на масата; изборът е ваш.
- Байесов регресионен моделБейсови методи↔ сравняване
- Динамична Байесова мрежаБейсови методи↔ сравняване
- Йерархично Бейсианско заключениеБейсови методи↔ сравняване
- Калманов филтърБейсови методи↔ сравняване
- Многостепенна байесова статистическа инференцияБейсови методи↔ сравняване
- MCMC за времеви редовеБейсови методи↔ сравняване
Забелязахте ли проблем на тази страница? Съобщете или предложете поправка →