Bayesian Structural Time Series
Bayesian Structural Time Series (BSTS) je rámec na modelovanie stavového priestoru, ktorý predstavili Scott a Varian (2014), a ktorý rozkladá časovú radu na aditívne komponenty — trend, sezónnosť a regresiu — a odhaduje ich spoločne pomocou Bayesovskej inferencie. Je základom knižnice CausalImpact od spoločnosti Google a predstavuje výkonný nástroj na predpovedanie aj na kauzálnu analýzu intervencií v protifaktuálnom scenári.
Prečítať celú metódu
Ak si chcete prečítať túto sekciu, prihláste sa s bezplatným účtom.
Method map
The neighbourhood of related methods — select a node to explore.
Zdroje
- 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 ↗
Ako citovať túto stránku
ScholarGate. (2026, June 1). Bayesian Structural Time Series Model. ScholarGate. https://scholargate.app/sk/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.
- Model ARIMA (Autoregressive Integrated Moving Average)Ekonometria↔ compare
- Bayesovská regresiaBayesovské metódy↔ compare
- Analýza prerušovaných časových radov (ITS)Kauzálna inferencia↔ compare
- Markov Chain Monte Carlo (MCMC)Bayesovské metódy↔ compare
- Model priestorového stavu (Kalmanov filter)Ekonometria↔ compare
Odkazujú sem
Našli ste na tejto stránke chybu? Nahláste ju alebo navrhnite opravu →