Idősoros Bayes-féle következtetés
Az idősoros Bayes-féle következtetés szekvenciálisan alkalmazza a Bayes-tételt időrendbe szervezett megfigyelésekre, fenntartva a rejtett állapotok és modellparaméterek teljes valószínűségi eloszlását minden időlépésben. Ez a keretrendszer egyesíti az állapot-tér modelleket, a dinamikus lineáris modelleket és a részecskeszűrőket, kalibrált bizonytalanságot eredményezve mind a szűrési (valós idejű), mind a retrospektív simítási feladatokhoz.
A teljes módszer elolvasása
Jelentkezzen be ingyenes fiókkal a szakasz elolvasásához.
Method map
The neighbourhood of related methods — select a node to explore.
+2 more
Források
- West, M. & Harrison, J. (1997). Bayesian Forecasting and Dynamic Models (2nd ed.). Springer. ISBN: 978-0387947259
- Prado, R. & West, M. (2010). Time Series: Modeling, Computation, and Inference. CRC Press. ISBN: 978-1420093360
Hogyan hivatkozzon erre az oldalra
ScholarGate. (2026, June 3). Bayesian Inference for Time Series Models. ScholarGate. https://scholargate.app/hu/bayesian/time-series-bayesian-inference
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.
- Bayes-féle RegresszióBayes-statisztika↔ compare
- Dinamikus Bayes-hálóBayes-statisztika↔ compare
- Hierarchikus Bayes-féle következtetésBayes-statisztika↔ compare
- Kalman-szűrőBayes-statisztika↔ compare
- A részecskeszűrő (szekvenciális Monte Carlo)Bayes-statisztika↔ compare
- Szekvenciális Monte CarloBayes-statisztika↔ compare
Hivatkozik rá
Hibát talált ezen az oldalon? Jelentse, vagy javasoljon javítást →