Tidsserie-MCMC
Tidsserie-MCMC tillämpar Markovkedjemontecarlo-metoder (MCMC) för Bayesiansk inferens på tidsordnade data. Istället för att optimera en enskild parameteruppskattning dras stickprov från hela den gemensamma posteriorfördelningen av parametrar och latenta tillstånd, vilket ger sannolikhetsfördelningar som ärligt återspeglar osäkerhet kring dynamik, trender och säsongsmönster vid varje tidpunkt.
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
- 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
Så citerar du den här sidan
ScholarGate. (2026, June 3). Markov Chain Monte Carlo for Time Series Models. ScholarGate. https://scholargate.app/sv/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.
- Dynamisk Bayesiansk inferensBayesiansk statistik↔ compare
- Gibbs samplingBayesiansk statistik↔ compare
- Hamiltonian Monte CarloBayesiansk statistik↔ compare
- KalmanfilterBayesiansk statistik↔ compare
- Partikelfilter (sekventiell Monte Carlo)Bayesiansk statistik↔ compare
- Sekventiell Monte CarloBayesiansk statistik↔ compare
Refereras av
Hittade du ett fel på sidan? Rapportera eller föreslå en rättelse →