Bayesian methodsBayesian / computational
시계열 베이지안 모형 평균
시계열 베이지안 모형 평균(TS-BMA)은 관측된 데이터를 기반으로 각 모형의 사후 확률로 각 시계열 모형(AR, VAR, 상태-공간 명세 등) 앙상블의 예측을 결합합니다. 단일 모형을 선택하고 최적의 모형에 대한 불확실성을 폐기하는 대신, TS-BMA는 모형 불확실성에 대한 적분을 수행하여 단일 모형보다 더 강건하고 잘 보정된 예측을 생성합니다.
방법 전문 읽기
회원 전용
로그인무료 계정으로 로그인하면 이 섹션을 읽을 수 있습니다.
Method map
The neighbourhood of related methods — select a node to explore.
출처
- Hoeting, J. A., Madigan, D., Raftery, A. E., & Volinsky, C. T. (1999). Bayesian model averaging: A tutorial. Statistical Science, 14(4), 382–401. link ↗
- Raftery, A. E., Kárný, M., & Ettler, P. (2010). Online prediction under model uncertainty via dynamic model averaging: Application to a cold rolling mill. Technometrics, 52(1), 52–66. DOI: 10.1198/TECH.2009.08104 ↗
이 페이지 인용 방법
ScholarGate. (2026, June 3). Time Series Bayesian Model Averaging. ScholarGate. https://scholargate.app/ko/bayesian/time-series-bayesian-model-averaging
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.
- Bayesian Model Averaging베이지안↔ compare
- 베이즈 회귀베이지안↔ compare
- 칼만 필터베이지안↔ compare
- 순차 몬테카를로 (Sequential Monte Carlo, SMC)베이지안↔ compare
- 시계열 베이즈 추론베이지안↔ compare