Modello Bayesiano Gerarchico per Serie Storiche
Un modello Bayesiano gerarchico per serie storiche combina il framework Bayesiano gerarchico (multilivello) con una struttura dinamica di spazio degli stati per analizzare dati temporali raccolti su molteplici unità o gruppi. Le prior codificano le credenze sia sulla dinamica interna all'unità sia sulla variazione tra unità, e la posteriore si ottiene tramite MCMC o Monte Carlo sequenziale, producendo previsioni probabilistiche complete con incertezza calibrata.
Leggi il metodo completo
Accedi con un account gratuito per leggere questa sezione.
Method map
The neighbourhood of related methods — select a node to explore.
Fonti
- 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
Come citare questa pagina
ScholarGate. (2026, June 3). Time Series Bayesian Hierarchical Model. ScholarGate. https://scholargate.app/it/bayesian/time-series-bayesian-hierarchical-model
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.
- Regressione BayesianaBayesiano↔ compare
- Reti Bayesiane DinamicheBayesiano↔ compare
- Inferenza Bayesiana GerarchicaBayesiano↔ compare
- Filtro di KalmanBayesiano↔ compare
- Inferenza Bayesiana MultilivelloBayesiano↔ compare
- MCMC per Serie StoricheBayesiano↔ compare
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →