Dynamisk Bayesiansk Hierarkisk Model
En Dynamisk Bayesiansk Hierarkisk Model kombinerer multilevel-strukturen af Bayesianske hierarkiske modeller med en eksplicit tidsudviklingsligning for de latente tilstande. Observationer på hvert tidspunkt er knyttet til uobserverede dynamiske tilstande, som udvikler sig ifølge en probabilistisk overgangslov, mens en delt hyperprior samler information på tværs af enheder eller niveauer, hvilket muliggør kohærent inferens over tid og på tværs af grupper samtidigt.
Læs hele metoden
Log ind med en gratis konto for at læse dette afsnit.
Method map
The neighbourhood of related methods — select a node to explore.
Kilder
- 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
Sådan citerer du denne side
ScholarGate. (2026, June 3). Dynamic Bayesian Hierarchical Model. ScholarGate. https://scholargate.app/da/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.
- Hierarkisk Bayesiansk InferensBayesiansk↔ compare
- Kalman-filterBayesiansk↔ compare
- Partikelfilter (sekventiel Monte Carlo)Bayesiansk↔ compare
- Sekventiel Monte CarloBayesiansk↔ compare
Har du fundet en fejl på denne side? Indberet den eller foreslå en rettelse →