Dynamische Bayes'sche Modellmittelung
Die Dynamische Bayes'sche Modellmittelung (DMA) erweitert die Standard-Bayes'sche Modellmittelung auf Szenarien, in denen sich das beste prädiktive Modell im Zeitverlauf ändern kann. Sie verwaltet eine Wahrscheinlichkeitsverteilung über eine Reihe konkurrierender Modelle und aktualisiert diese Verteilung sequenziell, sobald neue Beobachtungen eintreffen, wodurch sich die Modellgewichte entwickeln können, anstatt über die gesamte Stichprobe hinweg fest zu bleiben.
Die vollständige Methode lesen
Melden Sie sich mit einem kostenlosen Konto an, um diesen Abschnitt zu lesen.
Method map
The neighbourhood of related methods — select a node to explore.
Quellen
- 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 ↗
So zitieren Sie diese Seite
ScholarGate. (2026, June 3). Dynamic Bayesian Model Averaging. ScholarGate. https://scholargate.app/de/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.
- Bayesian Model AveragingBayes-Statistik↔ compare
- Dynamische Bayes'sche InferenzBayes-Statistik↔ compare
- Dynamisches Bayes'sches NetzBayes-Statistik↔ compare
- Dynamische VariationsinferenzBayes-Statistik↔ compare
- Kalman FilterBayes-Statistik↔ compare
- Sequentielle Monte-Carlo-MethodenBayes-Statistik↔ compare
Einen Fehler auf dieser Seite entdeckt? Melden oder Korrektur vorschlagen →