Modèle bayésien hiérarchique dynamique
Un modèle bayésien hiérarchique dynamique combine la structure multiniveaux des modèles bayésiens hiérarchiques avec une équation explicite d'évolution temporelle pour les états latents. Les observations à chaque instant sont liées à des états dynamiques non observés, qui évoluent selon une loi de transition probabiliste, tandis qu'un hyperprior partagé agrège l'information entre les unités ou les niveaux, permettant une inférence cohérente dans le temps et entre les groupes simultanément.
Lire la méthode complète
Connectez-vous avec un compte gratuit pour lire cette section.
Method map
The neighbourhood of related methods — select a node to explore.
Sources
- 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
Comment citer cette page
ScholarGate. (2026, June 3). Dynamic Bayesian Hierarchical Model. ScholarGate. https://scholargate.app/fr/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.
- Inférence bayésienne hiérarchiqueBayésien↔ compare
- Filtre de KalmanBayésien↔ compare
- Filtre particulaire (Monte Carlo séquentiel)Bayésien↔ compare
- Monte Carlo séquentielBayésien↔ compare
Une erreur sur cette page ? Signalez-la ou proposez une correction →