Байесовско усредняване на времеви редове (TS-BMA)
Байесовското усредняване на времеви редове (TS-BMA) комбинира прогнози от ансамбъл от времеви модели — като спецификации AR, VAR или на пространството на състоянията — като претегля всеки модел според неговата апостериорна вероятност при дадени наблюдавани данни. Вместо да се избира един модел и да се пренебрегва несигурността относно това кой модел е най-добър, TS-BMA интегрира през моделната несигурност, произвеждайки прогнози, които са по-устойчиви и по-добре калибрирани от всеки отделен модел.
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
- Hoeting, J. A., Madigan, D., Raftery, A. E., & Volinsky, C. T. (1999). Bayesian model averaging: A tutorial. Statistical Science, 14(4), 382–401. link ↗
- Raftery, A. E., Kárný, M., & Ettler, P. (2010). Online prediction under model uncertainty via dynamic model averaging: Application to a cold rolling mill. Technometrics, 52(1), 52–66. DOI: 10.1198/TECH.2009.08104 ↗
Как да цитирате тази страница
ScholarGate. (2026, June 3). Time Series Bayesian Model Averaging. ScholarGate. https://scholargate.app/bg/bayesian/time-series-bayesian-model-averaging
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.
- Байесовско осредняване на модели (Bayesian Model Averaging, BMA)Бейсови методи↔ compare
- Байесов регресионен моделБейсови методи↔ compare
- Калманов филтърБейсови методи↔ compare
- Последователен Монте КарлоБейсови методи↔ compare
- Бейсиански изводи за времеви редовеБейсови методи↔ compare
Забелязахте ли проблем на тази страница? Съобщете или предложете поправка →