Time series Bayesian hierarchical model
A time series Bayesian hierarchical model combines the hierarchical (multilevel) Bayesian framework with a dynamic state-space structure to analyse temporal data collected on multiple units or groups. Priors encode beliefs about both within-unit dynamics and cross-unit variation, and the posterior is obtained via MCMC or sequential Monte Carlo, yielding full probabilistic forecasts with calibrated uncertainty.
Izvorni zapis
Citati kopirani doslovno iz izvornog zapisa metode. Ne impliciraju nikakvu provjeru na razini tvrdnje.
- West, M. & Harrison, J. (1997). Bayesian Forecasting and Dynamic Models (2nd ed.). Springer. · ISBN 978-0387947259
- Gelman, A., Carlin, J. B., Stern, H. S., Dunson, D. B., Vehtari, A. & Rubin, D. B. (2013). Bayesian Data Analysis (3rd ed.). CRC Press. · ISBN 978-1439840955
Uređene tvrdnje
Tvrdnje pohranjene u knjigu dokaza, svaka s vlastitom procjenom.
Ovaj prikaz ne izmišlja procjenu tvrdnje kada knjiga dokaza nema nijednu.
Povezane metode
Generirano iz grafa metode i prikazano kao strojno predložene relacije — ne implicira se nikakva tvrdnja dokaza.