سریهای زمانی ساختاری بیزی
سریهای زمانی ساختاری بیزی (BSTS) چارچوبی برای مدلسازی فضای حالت است که توسط اسکات و واریان (2014) معرفی شد. این چارچوب یک سری زمانی را به مؤلفههای جمعپذیر — روند، فصلی بودن، و رگرسیون — تجزیه میکند و آنها را به طور مشترک از طریق استنتاج بیزی تخمین میزند. این روش زیربنای کتابخانه CausalImpact گوگل است و ابزاری قدرتمند برای پیشبینی و تحلیل علّی پادواقعی مداخلات محسوب میشود.
مطالعهٔ کامل روش
برای خواندن این بخش با حساب رایگان وارد شوید.
Method map
The neighbourhood of related methods — select a node to explore.
منابع
- Scott, S. L. & Varian, H. R. (2014). Predicting the Present with Bayesian Structural Time Series. International Journal of Mathematical Modelling and Numerical Optimisation, 5(1/2), 4–23. DOI: 10.1504/IJMMNO.2014.059942 ↗
- Brodersen, K. H., Gallusser, F., Koehler, J., Remy, N. & Scott, S. L. (2015). Inferring Causal Impact Using Bayesian Structural Time-Series Models. Annals of Applied Statistics, 9(1), 247–274. DOI: 10.1214/14-AOAS788 ↗
نحوهٔ استناد به این صفحه
ScholarGate. (2026, June 1). Bayesian Structural Time Series Model. ScholarGate. https://scholargate.app/fa/bayesian/bayesian-structural-time-series
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.
- مدل آریما (میانگین متحرک یکپارچه خودرگرسیو)اقتصادسنجی↔ compare
- رگرسیون بیزیبیزی↔ compare
- تحلیل سری زمانی مقطعدار (ITS)استنتاج علّی↔ compare
- زنجیره مارکوف مونت کارلو (MCMC)بیزی↔ compare
- مدل فضای حالت (فیلتر کالمن)اقتصادسنجی↔ compare
ارجاعشده در
در این صفحه مشکلی دیدید؟ گزارش دهید یا اصلاحی پیشنهاد کنید →