Rangkaian Deret Waktu Struktural Bayesian
Rangkaian Deret Waktu Struktural Bayesian (BSTS) adalah kerangka kerja pemodelan ruang keadaan, yang diperkenalkan oleh Scott dan Varian (2014), yang menguraikan deret waktu menjadi komponen-komponen aditif — tren, musiman, dan regresi — dan memperkirakannya secara bersamaan melalui inferensi Bayesian. Ini mendasari pustaka CausalImpact Google dan merupakan alat yang ampuh untuk peramalan dan analisis kausal kontrafaktual dari intervensi.
Baca metode selengkapnya
Masuk dengan akun gratis untuk membaca bagian ini.
Method map
The neighbourhood of related methods — select a node to explore.
Sumber
- 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 ↗
Cara menyitasi halaman ini
ScholarGate. (2026, June 1). Bayesian Structural Time Series Model. ScholarGate. https://scholargate.app/id/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.
- Model ARIMA (Autoregressive Integrated Moving Average)Ekonometrika↔ compare
- Regresi BayesianBayesian↔ compare
- Analisis Deret Waktu Terinterupsi (ITS)Inferensi Kausal↔ compare
- Markov Chain Monte Carlo (MCMC)Bayesian↔ compare
- Model Ruang Keadaan (Kalman Filter)Ekonometrika↔ compare
Dirujuk oleh
Menemukan masalah di halaman ini? Laporkan atau usulkan perbaikan →