Bayesian Structural Time Series
Bayesian Structural Time Series (BSTS) ialah sebuah rangka kerja pemodelan ruang-keadaan, yang diperkenalkan oleh Scott dan Varian (2014), yang menguraikan siri masa kepada komponen-komponen aditif — trend, musiman, dan regresi — dan menganggarkannya secara serentak melalui inferens Bayesian. Ia menjadi asas kepada pustaka CausalImpact Google dan merupakan alat yang berkuasa untuk ramalan dan analisis sebab-akibat berfakta-lawan bagi intervensi.
Baca kaedah sepenuhnya
Log masuk dengan akaun percuma untuk membaca bahagian 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 memetik halaman ini
ScholarGate. (2026, June 1). Bayesian Structural Time Series Model. ScholarGate. https://scholargate.app/ms/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 (Autoregresif Bersepadu Purata Bergerak)Ekonometrik↔ compare
- Regresi BayesianBayesian↔ compare
- Analisis Siri Masa Terganggu (ITS)Inferens Kausal↔ compare
- Markov Chain Monte Carlo (MCMC)Bayesian↔ compare
- Model Ruang Keadaan (Penuras Kalman)Ekonometrik↔ compare
Dirujuk oleh
Terjumpa masalah pada halaman ini? Laporkan atau cadangkan pembetulan →