Bayesovsko prosejavanje vremenskih serija
Bayesovsko prosejavanje vremenskih serija (TS-BMA) kombinuje prognoze iz ansambla modela vremenskih serija — kao što su AR, VAR ili specifikacije prostora stanja — ponderisanjem svakog modela njegovom posteriornom verovatnoćom, datom posmatranim podacima. Umesto biranja jednog modela i odbacivanja neizvesnosti o tome koji je model najbolji, TS-BMA integriše neizvesnost modela, proizvodeći prognoze koje su robusnije i bolje kalibrisane od bilo kog pojedinačnog modela.
Pročitajte celu metodu
Prijavite se besplatnim nalogom da biste pročitali ovaj odeljak.
Method map
The neighbourhood of related methods — select a node to explore.
Izvori
- Hoeting, J. A., Madigan, D., Raftery, A. E., & Volinsky, C. T. (1999). Bayesian model averaging: A tutorial. Statistical Science, 14(4), 382–401. link ↗
- Raftery, A. E., Kárný, M., & Ettler, P. (2010). Online prediction under model uncertainty via dynamic model averaging: Application to a cold rolling mill. Technometrics, 52(1), 52–66. DOI: 10.1198/TECH.2009.08104 ↗
Kako citirati ovu stranicu
ScholarGate. (2026, June 3). Time Series Bayesian Model Averaging. ScholarGate. https://scholargate.app/sr/bayesian/time-series-bayesian-model-averaging
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.
- Bayesian Model AveragingBajesovska statistika↔ compare
- Bejzijevska regresijaBajesovska statistika↔ compare
- Kalmanov filterBajesovska statistika↔ compare
- Sekvenciјalni Monte KarloBajesovska statistika↔ compare
- Bajevsko zaključivanje o vremenskim nizovimaBajesovska statistika↔ compare
Uočili ste grešku na ovoj stranici? Prijavite je ili predložite ispravku →