Bayesovsko prosječenje modela vremenskih nizova
Bayesovsko prosječenje modela vremenskih nizova (TS-BMA) kombinira prognoze iz ansambla modela vremenskih nizova — kao što su specifikacije AR, VAR ili stanja-populacije — ponderiranjem svakog modela njegovom posteriornom vjerojatnošću s obzirom na promatrane podatke. Umjesto odabira jednog modela i zanemarivanja nesigurnosti o tome koji je model najbolji, TS-BMA integrira preko modelne nesigurnosti, proizvodeći prognoze koje su robusnije i bolje kalibrirane od bilo kojeg pojedinačnog modela.
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
- 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 ↗
Kako citirati ovu stranicu
ScholarGate. (2026, June 3). Time Series Bayesian Model Averaging. ScholarGate. https://scholargate.app/hr/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.
- Bayesian Model AveragingBayesovska statistika↔ compare
- Bayesovska regresijaBayesovska statistika↔ compare
- Kalmanov filtarBayesovska statistika↔ compare
- Sekvencijalno Monte CarloBayesovska statistika↔ compare
- Vremensko Bayesijansko zaključivanjeBayesovska statistika↔ compare
Uočili ste pogrešku na ovoj stranici? Prijavite je ili predložite ispravak →