Bayessche Inferenz für Zeitreihen
Die Bayessche Inferenz für Zeitreihen wendet das Bayes-Theorem sequenziell auf zeitlich geordnete Beobachtungen an und pflegt bei jedem Zeitschritt eine vollständige Wahrscheinlichkeitsverteilung über verborgene Zustände und Modellparameter. Dieses Framework vereinheitlicht Zustandsraummodelle, dynamische lineare Modelle und Partikelfilter und liefert kalibrierte Unsicherheiten sowohl für Filterungs- (Echtzeit) als auch für retrospektive Glättungsaufgaben.
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.
+2 more
Quellen
- West, M. & Harrison, J. (1997). Bayesian Forecasting and Dynamic Models (2nd ed.). Springer. ISBN: 978-0387947259
- Prado, R. & West, M. (2010). Time Series: Modeling, Computation, and Inference. CRC Press. ISBN: 978-1420093360
So zitieren Sie diese Seite
ScholarGate. (2026, June 3). Bayesian Inference for Time Series Models. ScholarGate. https://scholargate.app/de/bayesian/time-series-bayesian-inference
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.
- Bayes'sche RegressionBayes-Statistik↔ compare
- Dynamisches Bayes'sches NetzBayes-Statistik↔ compare
- Hierarchische Bayes'sche InferenzBayes-Statistik↔ compare
- Kalman FilterBayes-Statistik↔ compare
- Partikelfilter (Sequentieller Monte-Carlo-Algorithmus)Bayes-Statistik↔ compare
- Sequentielle Monte-Carlo-MethodenBayes-Statistik↔ compare
Referenziert von
Einen Fehler auf dieser Seite entdeckt? Melden oder Korrektur vorschlagen →