Байесовский вывод для временных рядов
Байесовский вывод для временных рядов последовательно применяет теорему Байеса к упорядоченным по времени наблюдениям, поддерживая полное вероятностное распределение скрытых состояний и параметров модели на каждом временном шаге. Эта структура объединяет модели пространства состояний, динамические линейные модели и фильтры частиц, обеспечивая калиброванную неопределенность как для задач фильтрации (в реальном времени), так и для ретроспективного сглаживания.
Читать метод полностью
Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.
Method map
The neighbourhood of related methods — select a node to explore.
+2 more
Источники
- West, M. & Harrison, J. (1997). Bayesian Forecasting and Dynamic Models (2nd ed.). Springer. ISBN: 978-0387947259
- Prado, R. & West, M. (2010). Time Series: Modeling, Computation, and Inference. CRC Press. ISBN: 978-1420093360
Как цитировать эту страницу
ScholarGate. (2026, June 3). Bayesian Inference for Time Series Models. ScholarGate. https://scholargate.app/ru/bayesian/time-series-bayesian-inference
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.
- Байесовская регрессияБайесовские методы↔ compare
- Динамическая байесовская сетьБайесовские методы↔ compare
- Иерархический байесовский выводБайесовские методы↔ compare
- Фильтр КалманаБайесовские методы↔ compare
- Фильтр частиц (последовательное Монте-Карло)Байесовские методы↔ compare
- Последовательный Монте-КарлоБайесовские методы↔ compare
Упоминается в
Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →