Model średniej ruchomej (MA) w ujęciu bayesowskim
Bayesowski model MA estymuje model szeregu czasowego średniej ruchomej w pełnych ramach bayesowskich, przypisując rozkłady a priori parametrom MA i wariancji błędu oraz aktualizując je za pomocą twierdzenia Bayesa. Podejście to daje pełne rozkłady aposteriorne parametrów modelu i generuje prognozy probabilistyczne z koherentną kwantyfikacją niepewności.
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
- West, M., & Harrison, J. (1997). Bayesian Forecasting and Dynamic Models (2nd ed.). Springer. ISBN: 978-0387947259
- Geweke, J., & Meese, R. (1981). Estimating regression models of finite but unknown order. International Economic Review, 22(1), 55–70. link ↗
Jak cytować tę stronę
ScholarGate. (2026, June 3). Bayesian Moving Average Model. ScholarGate. https://scholargate.app/pl/econometrics/bayesian-ma-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
- Model autoregresywny bayesowski (AR)Ekonometria↔ compare
- Model Bayesa ARIMAEkonometria↔ compare
- Model bayesowski ARMAEkonometria↔ compare
- Model Bayesowski VAR (BVAR)Ekonometria↔ compare
- Model średniej ruchomej (MA)Ekonometria↔ compare
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →