Model Bayesa ARIMA
Model Bayesa ARIMA łączy klasyczne ramy Boxa-Jenkinsa ARIMA z wnioskowaniem Bayesa. Zamiast uzyskiwać pojedyncze oszacowania punktowe dla parametrów autoregresyjnych i średniej ruchomej, umieszcza się na nich rozkłady a priori i wykorzystuje obserwowane dane do aktualizacji przekonań w pełny rozkład a posteriori, umożliwiając spójną kwantyfikację niepewności i prognozowanie probabilistyczne.
Przeczytaj pełny opis metody
Zaloguj się na bezpłatne konto, aby przeczytać tę sekcję.
Method map
The neighbourhood of related methods — select a node to explore.
Źródła
- Pole, A., West, M., & Harrison, J. (1994). Applied Bayesian Forecasting and Time Series Analysis. Chapman & Hall. ISBN: 978-0412416903
- Box, G. E. P., Jenkins, G. M., Reinsel, G. C., & Ljung, G. M. (2015). Time Series Analysis: Forecasting and Control (5th ed.). Wiley. ISBN: 978-1118675021
Jak cytować tę stronę
ScholarGate. (2026, June 3). Bayesian Autoregressive Integrated Moving Average Model. ScholarGate. https://scholargate.app/pl/econometrics/bayesian-arima-model
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.
- Model ARIMA (Autoregresyjny Zintegrowany Model Średniej Ruchomej)Ekonometria↔ compare
- Bayesowski test graniczny ARDLEkonometria↔ compare
- Bayesowski model SARIMAEkonometria↔ compare
- Model Bayesowski VAR (BVAR)Ekonometria↔ compare
- Model SARIMAEkonometria↔ compare
- Autoregresja Wektorowa (VAR)Ekonometria↔ compare
Cytowana przez
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →