Moyennage bayésien de modèles de séries chronologiques
Le moyennage bayésien de modèles de séries chronologiques (TS-BMA) combine les prévisions d'un ensemble de modèles de séries chronologiques — tels que les spécifications AR, VAR ou d'espace d'états — en pondérant chaque modèle par sa probabilité a posteriori étant donné les données observées. Plutôt que de sélectionner un seul modèle et d'ignorer l'incertitude quant au meilleur modèle, le TS-BMA intègre l'incertitude du modèle, produisant des prévisions plus robustes et mieux calibrées que n'importe quel modèle unique.
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
- 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 ↗
Comment citer cette page
ScholarGate. (2026, June 3). Time Series Bayesian Model Averaging. ScholarGate. https://scholargate.app/fr/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.
- Moyenne Bayésienne de ModèlesBayésien↔ compare
- Régression bayésienneBayésien↔ compare
- Filtre de KalmanBayésien↔ compare
- Monte Carlo séquentielBayésien↔ compare
- Inférence bayésienne sur séries temporellesBayésien↔ compare
Une erreur sur cette page ? Signalez-la ou proposez une correction →