Bayesovské průměrování časových řad
Bayesovské průměrování časových řad (TS-BMA) kombinuje prognózy z ansámblu modelů časových řad — jako jsou specifikace AR, VAR nebo stavového prostoru — vážením každého modelu jeho posteriórní pravděpodobností vzhledem k pozorovaným datům. Místo výběru jednoho modelu a zanedbání nejistoty ohledně toho, který model je nejlepší, TS-BMA integruje nejistotu modelu a produkuje prognózy, které jsou robustnější a lépe kalibrované než jakýkoli jednotlivý model.
Přečíst celou metodu
Pro přečtení této sekce se přihlaste s bezplatným účtem.
Method map
The neighbourhood of related methods — select a node to explore.
Zdroje
- 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 ↗
Jak citovat tuto stránku
ScholarGate. (2026, June 3). Time Series Bayesian Model Averaging. ScholarGate. https://scholargate.app/cs/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.
- Bayesovské průměrování modelůBayesovská statistika↔ compare
- Bayesovská regreseBayesovská statistika↔ compare
- Kalmanův filtrBayesovská statistika↔ compare
- Sekvenční Monte CarloBayesovská statistika↔ compare
- Bayesovská inference časových řadBayesovská statistika↔ compare
Našli jste na této stránce chybu? Nahlaste ji nebo navrhněte opravu →