Dynamisk Bayesiansk modellmedling (DMA)
Dynamisk Bayesiansk modellmedling (DMA) utvidgar standard Bayesiansk modellmedling till situationer där den bästa prediktiva modellen kan ändras över tid. Den upprätthåller en sannolikhetsfördelning över en uppsättning konkurrerande modeller och uppdaterar den fördelningen sekventiellt när nya observationer anländer, vilket tillåter modellvikter att utvecklas snarare än att förbli fixerade över hela urvalet.
Läs hela metoden
Logga in med ett kostnadsfritt konto för att läsa avsnittet.
Method map
The neighbourhood of related methods — select a node to explore.
Källor
- Raftery, A. E., Karny, 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 ↗
- Hoeting, J. A., Madigan, D., Raftery, A. E., & Volinsky, C. T. (1999). Bayesian model averaging: A tutorial. Statistical Science, 14(4), 382-401. link ↗
Så citerar du den här sidan
ScholarGate. (2026, June 3). Dynamic Bayesian Model Averaging. ScholarGate. https://scholargate.app/sv/bayesian/dynamic-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.
- Bayesiansk modellmedling (BMA)Bayesiansk statistik↔ compare
- Dynamisk Bayesiansk inferensBayesiansk statistik↔ compare
- Dynamiskt Bayesianskt NätverkBayesiansk statistik↔ compare
- Dynamisk variell inferensBayesiansk statistik↔ compare
- KalmanfilterBayesiansk statistik↔ compare
- Sekventiell Monte CarloBayesiansk statistik↔ compare
Hittade du ett fel på sidan? Rapportera eller föreslå en rättelse →