MCMC za vremenske serije
MCMC za vremenske serije primenjuje Markovljeve lance Monte Karlo metode na Bejzijansko zaključivanje nad podacima uređenim po vremenu. Umesto optimizacije jedne procene parametra, on izvlači uzorke iz punog zajedničkog aposteriornog rasporeda parametara i latentnih stanja, dajući raspodele verovatnoće koje iskreno odražavaju nesigurnost o dinamici, trendovima i sezonskim obrascima u svakoj vremenskoj tački.
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
- 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
Kako citirati ovu stranicu
ScholarGate. (2026, June 3). Markov Chain Monte Carlo for Time Series Models. ScholarGate. https://scholargate.app/sr/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.
- Динамичко Бајесово закључивањеBajesovska statistika↔ compare
- Gibbsovo uzorkovanjeBajesovska statistika↔ compare
- Хамилтонски Монте КарлоBajesovska statistika↔ compare
- Kalmanov filterBajesovska statistika↔ compare
- Филтер честица (секвенцијални Монте Карло)Bajesovska statistika↔ compare
- Sekvenciјalni Monte KarloBajesovska statistika↔ compare
Citirana u
Uočili ste grešku na ovoj stranici? Prijavite je ili predložite ispravku →