Байесовские структурные временные ряды
Байесовские структурные временные ряды (BSTS) — это модель пространства состояний, представленная Скоттом и Варианом (2014), которая разлагает временной ряд на аддитивные компоненты — тренд, сезонность и регрессию — и оценивает их совместно с помощью байесовского вывода. Она лежит в основе библиотеки Google CausalImpact и является мощным инструментом как для прогнозирования, так и для контрфактического причинно-следственного анализа вмешательств.
Читать метод полностью
Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Источники
- 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 ↗
Как цитировать эту страницу
ScholarGate. (2026, June 1). Bayesian Structural Time Series Model. ScholarGate. https://scholargate.app/ru/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.
- Модель ARIMA (авторегрессионная интегрированная скользящая средняя)Эконометрика↔ compare
- Байесовская регрессияБайесовские методы↔ compare
- Анализ прерванных временных рядов (Interrupted Time Series, ITS)Причинно-следственный вывод↔ compare
- Метод Монте-Карло по цепям Маркова (MCMC)Байесовские методы↔ compare
- Модель пространства состояний (фильтр Калмана)Эконометрика↔ compare
Упоминается в
Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →