MCMC pentru serii de timp
MCMC pentru serii de timp aplică metode Markov chain Monte Carlo (MCMC) inferenței bayesiene asupra datelor ordonate cronologic. În loc să optimizeze o singură estimare a parametrului, extrage eșantioane din întreaga distribuție a posteriori comună a parametrilor și stărilor latente, generând distribuții de probabilitate care reflectă în mod onest incertitudinea privind dinamica, tendințele și modelele sezoniere în fiecare punct temporal.
Citește metoda completă
Autentifică-te cu un cont gratuit pentru a citi această secțiune.
Method map
The neighbourhood of related methods — select a node to explore.
Surse
- 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
Cum se citează această pagină
ScholarGate. (2026, June 3). Markov Chain Monte Carlo for Time Series Models. ScholarGate. https://scholargate.app/ro/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.
- Inferență bayesiană dinamicăBayesian↔ compare
- Eșantionarea GibbsBayesian↔ compare
- Hamiltonian Monte CarloBayesian↔ compare
- Filtru KalmanBayesian↔ compare
- Filtrul particulelor (Monte Carlo secvențial)Bayesian↔ compare
- Monte Carlo SecvențialBayesian↔ compare
Citat de
Ai observat o problemă pe această pagină? Raportează sau sugerează o corectură →