Modelo Bayesiano Jerárquico Dinámico
Un Modelo Bayesiano Jerárquico Dinámico combina la estructura multinivel de los modelos bayesianos jerárquicos con una ecuación explícita de evolución temporal para los estados latentes. Las observaciones en cada punto temporal están vinculadas a estados dinámicos no observados, que evolucionan según una ley de transición probabilística, mientras que un hiperprior compartido agrupa información entre unidades o niveles, permitiendo una inferencia coherente a lo largo del tiempo y entre grupos simultáneamente.
Leer el método completo
Inicia sesión con una cuenta gratuita para leer esta sección.
Method map
The neighbourhood of related methods — select a node to explore.
Fuentes
- West, M. & Harrison, J. (1997). Bayesian Forecasting and Dynamic Models (2nd ed.). Springer. ISBN: 978-0387947259
- Gelman, A., Carlin, J. B., Stern, H. S., Dunson, D. B., Vehtari, A. & Rubin, D. B. (2013). Bayesian Data Analysis (3rd ed.). CRC Press. ISBN: 978-1439840955
Cómo citar esta página
ScholarGate. (2026, June 3). Dynamic Bayesian Hierarchical Model. ScholarGate. https://scholargate.app/es/bayesian/dynamic-bayesian-hierarchical-model
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.
- Inferencia Bayesiana JerárquicaBayesiano↔ compare
- Filtro de KalmanBayesiano↔ compare
- Filtro de Partículas (Monte Carlo Secuencial)Bayesiano↔ compare
- Monte Carlo SecuencialBayesiano↔ compare
¿Has visto un problema en esta página? Infórmanos o sugiere una corrección →