Tidsserie-Bayesiansk modellmedling
Tidsserie-Bayesiansk modellmedling (TS-BMA) kombinerar prognoser från en ensemble av tidsseriemodeller – såsom AR, VAR eller tillståndsrums-specifikationer – genom att vikta varje modell med dess posteriora sannolikhet givet observerad data. Istället för att välja en modell och ignorera osäkerheten kring vilken modell som är bäst, integrerar TS-BMA över modellosäkerhet, vilket ger prognoser som är mer robusta och bättre kalibrerade än någon enskild modell ensam.
Läs hela metoden
Logga in med ett kostnadsfritt konto för att läsa avsnittet.
Metodkarta
Närområdet av besläktade metoder — välj en nod för att utforska.
Källor
- 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 ↗
Så citerar du den här sidan
ScholarGate. (2026, June 3). Time Series Bayesian Model Averaging. ScholarGate. https://scholargate.app/sv/bayesian/time-series-bayesian-model-averaging
Vilken metod?
Placera den här metoden bredvid sina närmaste släktingar och läs dem sida vid sida — biblioteket lägger fram böckerna på bordet; valet är ditt.
- Bayesiansk modellmedling (BMA)Bayesiansk statistik↔ jämför
- Bayesiansk regressionBayesiansk statistik↔ jämför
- KalmanfilterBayesiansk statistik↔ jämför
- Sekventiell Monte CarloBayesiansk statistik↔ jämför
- Bayesiansk inferens för tidsserierBayesiansk statistik↔ jämför
Hittade du ett fel på sidan? Rapportera eller föreslå en rättelse →