Dynamisk Bayesiansk Modelvejning
Dynamisk Bayesiansk Modelvejning (DMA) udvider standard Bayesiansk modelvejning til situationer, hvor den bedste prædiktive model kan ændre sig over tid. Den opretholder en sandsynlighedsfordeling over et sæt af konkurrerende modeller og opdaterer denne fordeling sekventielt, efterhånden som nye observationer ankommer, hvilket tillader modelvægte at udvikle sig i stedet for at forblive faste over hele stikprøven.
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
- Raftery, A. E., Karny, 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 ↗
- Hoeting, J. A., Madigan, D., Raftery, A. E., & Volinsky, C. T. (1999). Bayesian model averaging: A tutorial. Statistical Science, 14(4), 382-401. link ↗
Sådan citerer du denne side
ScholarGate. (2026, June 3). Dynamic Bayesian Model Averaging. ScholarGate. https://scholargate.app/da/bayesian/dynamic-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.
- Bayesiansk ModelaveragingBayesiansk↔ compare
- Dynamisk Bayesiansk InferensBayesiansk↔ compare
- Dynamisk Bayesiansk NetværkBayesiansk↔ compare
- Dynamisk variationel inferensBayesiansk↔ compare
- Kalman-filterBayesiansk↔ compare
- Sekventiel Monte CarloBayesiansk↔ compare
Har du fundet en fejl på denne side? Indberet den eller foreslå en rettelse →