Bayesian Structural Time Series
Bayesian Structural Time Series (BSTS) je okvir za modeliranje stanja-prostora, uveden od strane Scotta i Variana (2014.), koji dekomponira vremensku seriju na aditivne komponente — trend, sezonalnost i regresiju — te ih zajednički procjenjuje putem Bayesovog zaključivanja. On čini temelj Googleove biblioteke CausalImpact i moćan je alat kako za prognoziranje, tako i za kontrafaktualnu kauzalnu analizu intervencija.
Pročitajte cijelu metodu
Prijavite se besplatnim računom kako biste pročitali ovaj odjeljak.
Method map
The neighbourhood of related methods — select a node to explore.
Izvori
- 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 ↗
Kako citirati ovu stranicu
ScholarGate. (2026, June 1). Bayesian Structural Time Series Model. ScholarGate. https://scholargate.app/hr/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.
- Model ARIMA (Autoregresivni integrirani pokretni prosjek)Ekonometrija↔ compare
- Bayesovska regresijaBayesovska statistika↔ compare
- Analiza prekinutih vremenskih serija (ITS)Uzročno zaključivanje↔ compare
- Markovova lančana Monte Carlo (MCMC)Bayesovska statistika↔ compare
- Model prostora stanja (Kalmanov filtar)Ekonometrija↔ compare
Citirana u
Uočili ste pogrešku na ovoj stranici? Prijavite je ili predložite ispravak →