Série Temporal Estrutural Bayesiana
Bayesian Structural Time Series (BSTS) é um arcabouço de modelagem de espaço de estados, introduzido por Scott e Varian (2014), que decompõe uma série temporal em componentes aditivos — tendência, sazonalidade e regressão — e os estima conjuntamente através de inferência Bayesiana. Ele fundamenta a biblioteca CausalImpact do Google e é uma ferramenta poderosa tanto para previsão quanto para análise causal contrafactual de intervenções.
Leia o método completo
Entre com uma conta gratuita para ler esta seção.
Method map
The neighbourhood of related methods — select a node to explore.
Fontes
- Scott, S. L. & Varian, H. R. (2014). Predicting the Present with Bayesian Structural Time Series. International Journal of Mathematical Modelling and Numerical Optimisation, 5(1/2), 4–23. DOI: 10.1504/IJMMNO.2014.059942 ↗
- Brodersen, K. H., Gallusser, F., Koehler, J., Remy, N. & Scott, S. L. (2015). Inferring Causal Impact Using Bayesian Structural Time-Series Models. Annals of Applied Statistics, 9(1), 247–274. DOI: 10.1214/14-AOAS788 ↗
Como citar esta página
ScholarGate. (2026, June 1). Bayesian Structural Time Series Model. ScholarGate. https://scholargate.app/pt/bayesian/bayesian-structural-time-series
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.
- Modelo ARIMA (Autoregressive Integrated Moving Average)Econometria↔ compare
- Regressão BayesianaBayesiano↔ compare
- Análise de Séries Temporais Interrompidas (ITS)Inferência causal↔ compare
- Cadeia de Markov Monte Carlo (MCMC)Bayesiano↔ compare
- Modelo de Espaço de Estados (Filtro de Kalman)Econometria↔ compare
Referenciado por
Encontrou um problema nesta página? Relate ou sugira uma correção →