Tidsserie MCMC
Tidsserie MCMC anvender Markov chain Monte Carlo-metoder for Bayesiansk inferens på tidsordnede data. I stedet for å optimalisere et enkelt parameterestimat, trekker den ut utvalg fra den fulle felles posteriorfordelingen av parametere og latente tilstander, noe som gir sannsynlighetsfordelinger som ærlig reflekterer usikkerhet om dynamikk, trender og sesongmønstre på tvers av hvert tidspunkt.
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
- 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
Slik siterer du denne siden
ScholarGate. (2026, June 3). Markov Chain Monte Carlo for Time Series Models. ScholarGate. https://scholargate.app/no/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.
- Dynamisk Bayesiansk InferensBayesiansk↔ compare
- Gibbs-samplingBayesiansk↔ compare
- Hamiltonian Monte CarloBayesiansk↔ compare
- Kalman-filteretBayesiansk↔ compare
- Partikkelfilter (sekvensiell Monte Carlo)Bayesiansk↔ compare
- Sekvensiell Monte CarloBayesiansk↔ compare
Referert av
Funnet en feil på denne siden? Rapporter eller foreslå en rettelse →