MCMC per Serie Storiche
L'MCMC per serie storiche applica metodi Markov chain Monte Carlo all'inferenza Bayesiana su dati ordinati temporalmente. Invece di ottimizzare una singola stima parametrica, estrae campioni dalla distribuzione congiunta a posteriori completa di parametri e stati latenti, producendo distribuzioni di probabilità che riflettono onestamente l'incertezza su dinamiche, trend e pattern stagionali in ogni punto temporale.
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
- Carter, C. K. & Kohn, R. (1994). On Gibbs sampling for state space models. Biometrika, 81(3), 541–553. DOI: 10.1093/biomet/81.3.541 ↗
- West, M. & Harrison, J. (1997). Bayesian Forecasting and Dynamic Models (2nd ed.). Springer. ISBN: 978-0387947259
Come citare questa pagina
ScholarGate. (2026, June 3). Markov Chain Monte Carlo for Time Series Models. ScholarGate. https://scholargate.app/it/bayesian/time-series-mcmc
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.
- Inferenza Bayesiana DinamicaBayesiano↔ compare
- Gibbs SamplingBayesiano↔ compare
- Hamiltonian Monte CarloBayesiano↔ compare
- Filtro di KalmanBayesiano↔ compare
- Filtro a particelle (Monte Carlo Sequenziale)Bayesiano↔ compare
- Monte Carlo SequenzialeBayesiano↔ compare
Citato da
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →