Bayesian methodsBayesian / computational

Μέθοδοι MCMC Χρονοσειρών

Οι μέθοδοι MCMC χρονοσειρών εφαρμόζουν μεθόδους Markov chain Monte Carlo (MCMC) στην Μπεϋζιανή συμπερασματολογία για δεδομένα διατεταγμένα χρονικά. Αντί να βελτιστοποιείται μια μοναδική εκτίμηση παραμέτρου, αντλεί δείγματα από την πλήρη από κοινού οπίσθια κατανομή (posterior) παραμέτρων και λανθανουσών καταστάσεων, αποδίδοντας κατανομές πιθανότητας που αντικατοπτρίζουν ειλικρινά την αβεβαιότητα σχετικά με τη δυναμική, τις τάσεις και τα εποχικά μοτίβα σε κάθε χρονικό σημείο.

Άνοιγμα στο MethodMindΣύντομαΒίντεοΣύντομαDownload slides

Διαβάστε ολόκληρη τη μέθοδο

Μόνο για μέλη

Συνδεθείτε με δωρεάν λογαριασμό για να διαβάσετε αυτή την ενότητα.

Σύνδεση

Method map

The neighbourhood of related methods — select a node to explore.

Πηγές

  1. 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
  2. West, M. & Harrison, J. (1997). Bayesian Forecasting and Dynamic Models (2nd ed.). Springer. ISBN: 978-0387947259

Πώς να παραπέμψετε σε αυτή τη σελίδα

ScholarGate. (2026, June 3). Markov Chain Monte Carlo for Time Series Models. ScholarGate. https://scholargate.app/el/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.

Compare side by side

Αναφέρεται από

ScholarGateTime series MCMC (Markov Chain Monte Carlo for Time Series Models). Ανακτήθηκε στις 2026-06-15 από https://scholargate.app/el/bayesian/time-series-mcmc · Σύνολο δεδομένων: https://doi.org/10.5281/zenodo.20539026