Dynamisk Bayesiansk Modellgjennomsnitt
Dynamisk Bayesiansk Modellgjennomsnitt (DMA) utvider standard Bayesiansk modellgjennomsnitt til situasjoner der den beste prediktive modellen kan endre seg over tid. Den opprettholder en sannsynlighetsfordeling over et sett av konkurrerende modeller og oppdaterer denne fordelingen sekvensielt etter hvert som nye observasjoner kommer inn, noe som tillater at modellvektene utvikler seg i stedet for å forbli faste over hele utvalget.
Les hele metoden
Logg inn med en gratis konto for å lese denne delen.
Method map
The neighbourhood of related methods — select a node to explore.
Kilder
- 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 ↗
Slik siterer du denne siden
ScholarGate. (2026, June 3). Dynamic Bayesian Model Averaging. ScholarGate. https://scholargate.app/no/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.
- Bayesiansk modellgjennomsnittBayesiansk↔ compare
- Dynamisk Bayesiansk InferensBayesiansk↔ compare
- Dynamisk Bayesiansk NettverkBayesiansk↔ compare
- Dynamisk VariasjonsinferensBayesiansk↔ compare
- Kalman-filteretBayesiansk↔ compare
- Sekvensiell Monte CarloBayesiansk↔ compare
Funnet en feil på denne siden? Rapporter eller foreslå en rettelse →