MCMC za vremenske nizove
MCMC za vremenske nizove primjenjuje metode Markovljevih lanaca Monte Carlo na Bejzijansko zaključivanje o podacima uređenim po vremenu. Umjesto optimizacije jedne procjene parametra, izvlači uzorke iz punog zajedničkog posteriora parametara i latentnih stanja, dajući raspodjele vjerojatnosti koje iskreno odražavaju nesigurnost o dinamici, trendovima i sezonskim obrascima u svakoj vremenskoj točki.
Pročitajte cijelu metodu
Prijavite se besplatnim računom kako biste pročitali ovaj odjeljak.
Karta metoda
Okruženje srodnih metoda — odaberite čvor za istraživanje.
Izvori
- Carter, C. K. & Kohn, R. (1994). On Gibbs sampling for state space models. Biometrika, 81(3), 541–553. DOI: 10.1093/biomet/81.3.541 ↗
- West, M. & Harrison, J. (1997). Bayesian Forecasting and Dynamic Models (2nd ed.). Springer. ISBN: 978-0387947259
Kako citirati ovu stranicu
ScholarGate. (2026, June 3). Markov Chain Monte Carlo for Time Series Models. ScholarGate. https://scholargate.app/hr/bayesian/time-series-mcmc
Koja metoda?
Postavite ovu metodu uz njoj najsrodnije i pročitajte ih jednu uz drugu — knjižnica vam knjige stavlja na stol; izbor je na vama.
- Dinamičko Bayesijansko zaključivanjeBayesovska statistika↔ usporedi
- Gibbs uzorkovanjeBayesovska statistika↔ usporedi
- Hamiltonian Monte CarloBayesovska statistika↔ usporedi
- Kalmanov filtarBayesovska statistika↔ usporedi
- Particle Filter (Sequential Monte Carlo)Bayesovska statistika↔ usporedi
- Sekvencijalno Monte CarloBayesovska statistika↔ usporedi
Citirana u
Uočili ste pogrešku na ovoj stranici? Prijavite je ili predložite ispravak →