Bayesiaanse inferentie voor tijdreeksen
Bayesiaanse inferentie voor tijdreeksen past de stelling van Bayes sequentieel toe op geordende observaties in de tijd, waarbij in elke tijdstap een volledige kansverdeling wordt gehandhaafd over verborgen toestanden en modelparameters. Dit raamwerk verenigt toestandsruimtemodellen, dynamische lineaire modellen en deeltjesfilters, en produceert gekalibreerde onzekerheid voor zowel filtering (real-time) als retrospectieve smoothing taken.
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.
+2 more
Bronnen
- West, M. & Harrison, J. (1997). Bayesian Forecasting and Dynamic Models (2nd ed.). Springer. ISBN: 978-0387947259
- Prado, R. & West, M. (2010). Time Series: Modeling, Computation, and Inference. CRC Press. ISBN: 978-1420093360
Deze pagina citeren
ScholarGate. (2026, June 3). Bayesian Inference for Time Series Models. ScholarGate. https://scholargate.app/nl/bayesian/time-series-bayesian-inference
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 RegressieBayesiaanse statistiek↔ compare
- Dynamisch Bayesiaans NetwerkBayesiaanse statistiek↔ compare
- Hiërarchische Bayesiaanse InferentieBayesiaanse statistiek↔ compare
- KalmanfilterBayesiaanse statistiek↔ compare
- Deeltjesfilter (Sequentiële Monte Carlo)Bayesiaanse statistiek↔ compare
- Sequentiële Monte CarloBayesiaanse statistiek↔ compare
Geciteerd door
Een fout op deze pagina gezien? Meld het of stel een correctie voor →