Bayesiešu ARIMA modelis
Bayesiešu ARIMA modelis apvieno klasisko Box-Jenkins ARIMA sistēmu ar Bayesiešu inferenci. Tā vietā, lai iegūtu vienus punktu novērtējumus autoregresijas un slīdošās vidējas parametriem, tam tiek piešķirtas priekšējās izplatības un tiek izmantoti novērotie dati, lai atjauninātu pārliecību pilnā aizmugurējā izplatībā, nodrošinot koherentu nenoteiktības kvantificēšanu un probabilitātes prognozēšanu.
Lasīt pilno metodes aprakstu
Piesakieties ar bezmaksas kontu, lai lasītu šo sadaļu.
Method map
The neighbourhood of related methods — select a node to explore.
Avoti
- Pole, A., West, M., & Harrison, J. (1994). Applied Bayesian Forecasting and Time Series Analysis. Chapman & Hall. ISBN: 978-0412416903
- Box, G. E. P., Jenkins, G. M., Reinsel, G. C., & Ljung, G. M. (2015). Time Series Analysis: Forecasting and Control (5th ed.). Wiley. ISBN: 978-1118675021
Kā citēt šo lapu
ScholarGate. (2026, June 3). Bayesian Autoregressive Integrated Moving Average Model. ScholarGate. https://scholargate.app/lv/econometrics/bayesian-arima-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.
- ARIMA modelis (autoregresīvais integrētais slīdošais vidējais)Ekonometrija↔ compare
- Beijesiskais ARDL robežu testsEkonometrija↔ compare
- Bayes SARIMA modelisEkonometrija↔ compare
- Bayesiešu VAR modelis (BVAR)Ekonometrija↔ compare
- SARIMA modelisEkonometrija↔ compare
- Vektora autoregresija (VAR)Ekonometrija↔ compare
Uz to atsaucas
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →