Tidsserie MCMC
Tidsserie MCMC anvender Markov chain Monte Carlo-metoder til Bayesiansk inferens over tidsordnede data. I stedet for at optimere et enkelt parameterestimat, trækker den stikprøver fra den fulde fælles posterior af parametre og latente tilstande, hvilket giver sandsynlighedsfordelinger, der ærligt afspejler usikkerhed om dynamikker, trends og sæsonmønstre på tværs af hvert tidspunkt.
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
- 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
Sådan citerer du denne side
ScholarGate. (2026, June 3). Markov Chain Monte Carlo for Time Series Models. ScholarGate. https://scholargate.app/da/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.
- Dynamisk Bayesiansk InferensBayesiansk↔ compare
- Gibbs SamplingBayesiansk↔ compare
- Hamiltonian Monte CarloBayesiansk↔ compare
- Kalman-filterBayesiansk↔ compare
- Partikelfilter (sekventiel Monte Carlo)Bayesiansk↔ compare
- Sekventiel Monte CarloBayesiansk↔ compare
Refereret af
Har du fundet en fejl på denne side? Indberet den eller foreslå en rettelse →