MCMC per sèries temporals
L'MCMC per sèries temporals aplica mètodes de Markov chain Monte Carlo (MCMC) a la inferència bayesiana sobre dades ordenades cronològicament. En lloc d'optimitzar una estimació de paràmetre única, extreu mostres de la distribució posterior conjunta completa de paràmetres i estats latents, produint distribucions de probabilitat que reflecteixen honestament la incertesa sobre la dinàmica, les tendències i els patrons estacionals en cada punt temporal.
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
- Carter, C. K. & Kohn, R. (1994). On Gibbs sampling for state space models. Biometrika, 81(3), 541–553. DOI: 10.1093/biomet/81.3.541 ↗
- West, M. & Harrison, J. (1997). Bayesian Forecasting and Dynamic Models (2nd ed.). Springer. ISBN: 978-0387947259
Com citar aquesta pàgina
ScholarGate. (2026, June 3). Markov Chain Monte Carlo for Time Series Models. ScholarGate. https://scholargate.app/ca/bayesian/time-series-mcmc
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 DinàmicaBayesià↔ compare
- Campionament de GibbsBayesià↔ compare
- Hamiltonian Monte CarloBayesià↔ compare
- Filtre de KalmanBayesià↔ compare
- Filtre de partícules (Mètodes Sequencials de Monte Carlo)Bayesià↔ compare
- Monte Carlo SeqüencialBayesià↔ compare
Citat per
Has vist cap problema en aquesta pàgina? Informa'n o suggereix una correcció →