Model Bayesànic Jeràrquic Dinàmic
Un Model Bayesànic Jeràrquic Dinàmic (DBHM) combina l'estructura multinivell dels models jeràrquics bayesians amb una equació explícita d'evolució temporal per als estats latents. Les observacions de cada punt temporal estan vinculades a estats dinàmics no observats, que evolucionen segons una llei de transició probabilística, mentre que un hiperprior compartit agrupa informació entre unitats o nivells, permetent una inferència coherent al llarg del temps i entre grups simultàniament.
Llegeix el mètode complet
Inicia la sessió amb un compte gratuït per llegir aquesta secció.
Method map
The neighbourhood of related methods — select a node to explore.
Fonts
- 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
Com citar aquesta pàgina
ScholarGate. (2026, June 3). Dynamic Bayesian Hierarchical Model. ScholarGate. https://scholargate.app/ca/bayesian/dynamic-bayesian-hierarchical-model
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.
- Inferència bayesiana jeràrquicaBayesià↔ compare
- Filtre de KalmanBayesià↔ compare
- Filtre de partícules (Mètodes Sequencials de Monte Carlo)Bayesià↔ compare
- Monte Carlo SeqüencialBayesià↔ compare
Has vist cap problema en aquesta pàgina? Informa'n o suggereix una correcció →