Bayesiaanse modelgemiddeling voor tijdreeksen
Bayesiaans modelgemiddeling voor tijdreeksen (TS-BMA) combineert voorspellingen van een ensemble van tijdreeksmodellen — zoals AR, VAR, of state-space specificaties — door elk model te wegen met zijn posterieure waarschijnlijkheid gegeven de waargenomen data. In plaats van één model te selecteren en onzekerheid over welk model het beste is te negeren, integreert TS-BMA over modelonzekerheid, wat resulteert in voorspellingen die robuuster en beter gekalibreerd zijn dan die van enig enkel model.
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
- 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 ↗
Deze pagina citeren
ScholarGate. (2026, June 3). Time Series Bayesian Model Averaging. ScholarGate. https://scholargate.app/nl/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 AveragingBayesiaanse statistiek↔ compare
- Bayesian RegressieBayesiaanse statistiek↔ compare
- KalmanfilterBayesiaanse statistiek↔ compare
- Sequentiële Monte CarloBayesiaanse statistiek↔ compare
- Bayesiaanse inferentie voor tijdreeksenBayesiaanse statistiek↔ compare
Een fout op deze pagina gezien? Meld het of stel een correctie voor →