Tijdreeks MCMC
Tijdreeks MCMC past Markov chain Monte Carlo-methoden toe op Bayesiaanse inferentie over tijd geordende data. In plaats van een enkele parameterschatting te optimaliseren, trekt het samples uit de volledige gezamenlijke posterior van parameters en latente toestanden, wat waarschijnlijkheidsverdelingen oplevert die de onzekerheid over dynamiek, trends en seizoenspatronen op elk tijdstip eerlijk weerspiegelen.
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
- Carter, C. K. & Kohn, R. (1994). On Gibbs sampling for state space models. Biometrika, 81(3), 541–553. DOI: 10.1093/biomet/81.3.541 ↗
- West, M. & Harrison, J. (1997). Bayesian Forecasting and Dynamic Models (2nd ed.). Springer. ISBN: 978-0387947259
Deze pagina citeren
ScholarGate. (2026, June 3). Markov Chain Monte Carlo for Time Series Models. ScholarGate. https://scholargate.app/nl/bayesian/time-series-mcmc
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.
- Dynamische Bayesiaanse InferentieBayesiaanse statistiek↔ compare
- Gibbs SamplingBayesiaanse statistiek↔ compare
- Hamiltonian Monte CarloBayesiaanse 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 →