Bayesian methods

Bayesian Structural Time Series

Bayesian Structural Time Series (BSTS) הוא מסגרת מידול מרחב-מצב, שהוצגה על ידי Scott and Varian (2014), המפרקת סדרת עתית לרכיבים חיבוריים — מגמה, עונתיות ורגרסיה — ומעריכה אותם במשותף באמצעות היסק בייסיאני. הוא מהווה את הבסיס לספריית CausalImpact של גוגל ומהווה כלי רב עוצמה הן לחיזוי והן לניתוח סיבתי נגדי של התערבויות.

פתיחה ב-MethodMindבקרובוידאובקרובDownload slides

קראו את השיטה במלואה

לחברים בלבד

התחברו עם חשבון חינמי כדי לקרוא חלק זה.

התחברות

Method map

The neighbourhood of related methods — select a node to explore.

מקורות

  1. 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
  2. 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

איך לצטט עמוד זה

ScholarGate. (2026, June 1). Bayesian Structural Time Series Model. ScholarGate. https://scholargate.app/he/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.

Compare side by side

מאוזכר על ידי

ScholarGateBayesian Structural Time Series (Bayesian Structural Time Series Model). אוחזר בתאריך 2026-06-15 מתוך https://scholargate.app/he/bayesian/bayesian-structural-time-series · מערך נתונים: https://doi.org/10.5281/zenodo.20539026