Aikasarjojen Bayesilainen mallien keskiarvoistus
Aikasarjojen Bayesilainen mallien keskiarvoistus (TS-BMA) yhdistää ennusteita useista aikasarjamalleista – kuten AR-, VAR- tai tila-avaruusmäärittelyistä – painottamalla kutakin mallia sen posterioritodennäköisyydellä havaitun datan perusteella. Sen sijaan, että valittaisiin yksi malli ja jätettäisiin huomiotta epävarmuus siitä, mikä malli on paras, TS-BMA integroi malliepävarmuuden yli tuottaen ennusteita, jotka ovat robustimpia ja paremmin kalibroituja kuin yksittäisen mallin ennusteet.
Lue koko menetelmä
Kirjaudu sisään maksuttomalla tilillä lukeaksesi tämän osion.
Method map
The neighbourhood of related methods — select a node to explore.
Lähteet
- 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 ↗
Näin viittaat tähän sivuun
ScholarGate. (2026, June 3). Time Series Bayesian Model Averaging. ScholarGate. https://scholargate.app/fi/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.
- Bayesiläinen mallikeskiarvoistusBayesilainen tilastotiede↔ compare
- Bayesilainen regressioBayesilainen tilastotiede↔ compare
- Kalman-suodinBayesilainen tilastotiede↔ compare
- Sekventiaalinen Monte CarloBayesilainen tilastotiede↔ compare
- Aikasarjojen Bayesiläinen päättelyBayesilainen tilastotiede↔ compare
Huomasitko virheen tällä sivulla? Ilmoita siitä tai ehdota korjausta →