Bayesian Structural Time Series
A Bayesian Structural Time Series (BSTS) egy olyan állapottér-modell keretrendszer, amelyet Scott és Varian (2014) vezetett be, és amely egy idősorozatot additív komponensekre – trend, szezonalitás és regresszió – bont le, és ezeket Bayesian következtetéssel becsüli meg. Ez áll a Google CausalImpact könyvtárának alapjául, és hatékony eszköz mind az előrejelzéshez, mind az intervenciók ellenirányú kauzális elemzéséhez.
A teljes módszer elolvasása
Jelentkezzen be ingyenes fiókkal a szakasz elolvasásához.
Method map
The neighbourhood of related methods — select a node to explore.
Források
- 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 ↗
Hogyan hivatkozzon erre az oldalra
ScholarGate. (2026, June 1). Bayesian Structural Time Series Model. ScholarGate. https://scholargate.app/hu/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.
- ARIMA (Autoregressive Integrated Moving Average) modellÖkonometria↔ compare
- Bayes-féle RegresszióBayes-statisztika↔ compare
- Megszakított Idősor (ITS) ElemzésOksági következtetés↔ compare
- Markov-lánc Monte Carlo (MCMC)Bayes-statisztika↔ compare
- Állapotterek (State Space) modell (Kalman-szűrő)Ökonometria↔ compare
Hivatkozik rá
Hibát talált ezen az oldalon? Jelentse, vagy javasoljon javítást →