Tidsserie Bayesiansk Hierarkisk Modell
En tidsserie Bayesiansk hierarkisk modell kombinerar det hierarkiska (multilevel) Bayesianska ramverket med en dynamisk tillstånd-rymd-struktur för att analysera temporala data insamlade från flera enheter eller grupper. Prior-fördelningar kodar trosuppfattningar om både dynamiken inom enheter och variationen mellan enheter, och posterior-fördelningen erhålls via MCMC eller sekventiell Monte Carlo, vilket ger fullständiga probabilistiska prognoser med kalibrerad osäkerhet.
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
- West, M. & Harrison, J. (1997). Bayesian Forecasting and Dynamic Models (2nd ed.). Springer. ISBN: 978-0387947259
- Gelman, A., Carlin, J. B., Stern, H. S., Dunson, D. B., Vehtari, A. & Rubin, D. B. (2013). Bayesian Data Analysis (3rd ed.). CRC Press. ISBN: 978-1439840955
Så citerar du den här sidan
ScholarGate. (2026, June 3). Time Series Bayesian Hierarchical Model. ScholarGate. https://scholargate.app/sv/bayesian/time-series-bayesian-hierarchical-model
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 regressionBayesiansk statistik↔ compare
- Dynamiskt Bayesianskt NätverkBayesiansk statistik↔ compare
- Hierarkisk Bayesiansk inferensBayesiansk statistik↔ compare
- KalmanfilterBayesiansk statistik↔ compare
- Bayesiansk inferens på flera nivåerBayesiansk statistik↔ compare
- Tidsserie-MCMCBayesiansk statistik↔ compare
Hittade du ett fel på sidan? Rapportera eller föreslå en rättelse →