Aegridade Bayes'lik mudelikeskmine
Aegridade Bayes'lik mudelikeskmine (TS-BMA) ühendab prognoose aegridade mudelite kogumist – nagu AR, VAR või olekuruumi spetsifikatsioonid – kaaludes iga mudelit selle järeltõenäosusega antud vaadeldud andmete põhjal. Selle asemel, et valida üks mudel ja eirata ebakindlust parima mudeli osas, integreerib TS-BMA mudeli ebakindluse üle, tootes prognoose, mis on robustsemad ja paremini kalibreeritud kui ükski üksik mudel.
Loe meetodi täielikku kirjeldust
Selle osa lugemiseks logi sisse tasuta kontoga.
Method map
The neighbourhood of related methods — select a node to explore.
Allikad
- Hoeting, J. A., Madigan, D., Raftery, A. E., & Volinsky, C. T. (1999). Bayesian model averaging: A tutorial. Statistical Science, 14(4), 382–401. link ↗
- Raftery, A. E., Kárný, 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 ↗
Kuidas sellele lehele viidata
ScholarGate. (2026, June 3). Time Series Bayesian Model Averaging. ScholarGate. https://scholargate.app/et/bayesian/time-series-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.
- Bayes'i mudelikeskmineBayesi meetodid↔ compare
- Bayes' regressioonBayesi meetodid↔ compare
- Kalmani filterBayesi meetodid↔ compare
- Jadaline Monte CarloBayesi meetodid↔ compare
- Aegridade Bayes'lik inferentsBayesi meetodid↔ compare
Märkasid sellel lehel viga? Teata sellest või paku parandust →