Dynamische Bayesiaanse Modelmiddeling
Dynamische Bayesiaanse Modelmiddeling (DMA) breidt standaard Bayesiaanse modelmiddeling uit naar situaties waarin het beste predictieve model in de loop van de tijd kan veranderen. Het handhaaft een kansverdeling over een reeks concurrerende modellen en werkt die verdeling sequentieel bij naarmate nieuwe waarnemingen binnenkomen, waardoor modelgewichten kunnen evolueren in plaats van vast te blijven staan over de gehele steekproef.
Lees de volledige methode
Log in met een gratis account om dit onderdeel te lezen.
Method map
The neighbourhood of related methods — select a node to explore.
Bronnen
- Raftery, A. E., Karny, 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 ↗
- Hoeting, J. A., Madigan, D., Raftery, A. E., & Volinsky, C. T. (1999). Bayesian model averaging: A tutorial. Statistical Science, 14(4), 382-401. link ↗
Deze pagina citeren
ScholarGate. (2026, June 3). Dynamic Bayesian Model Averaging. ScholarGate. https://scholargate.app/nl/bayesian/dynamic-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 AveragingBayesiaanse statistiek↔ compare
- Dynamische Bayesiaanse InferentieBayesiaanse statistiek↔ compare
- Dynamisch Bayesiaans NetwerkBayesiaanse statistiek↔ compare
- Dynamische Variationele InferentieBayesiaanse statistiek↔ compare
- KalmanfilterBayesiaanse statistiek↔ compare
- Sequentiële Monte CarloBayesiaanse statistiek↔ compare
Een fout op deze pagina gezien? Meld het of stel een correctie voor →