การอนุมานแบบเบย์สำหรับอนุกรมเวลา
การอนุมานแบบเบย์สำหรับอนุกรมเวลาประยุกต์ใช้ทฤษฎีบทของเบย์ตามลำดับกับข้อมูลที่สังเกตได้ซึ่งเรียงตามเวลา โดยรักษาการแจกแจงความน่าจะเป็นแบบเต็มสำหรับสถานะซ่อนเร้นและพารามิเตอร์ของแบบจำลองในทุกช่วงเวลา กรอบการทำงานนี้รวมแบบจำลองปริภูมิสถานะ (state-space models), แบบจำลองเชิงเส้นแบบพลวัต (dynamic linear models), และตัวกรองอนุภาค (particle filters) เข้าด้วยกัน ทำให้เกิดการวัดความไม่แน่นอนที่สอบเทียบแล้วสำหรับทั้งงานการกรอง (แบบเรียลไทม์) และการปรับให้เรียบย้อนหลัง
อ่านวิธีฉบับเต็ม
เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
Method map
The neighbourhood of related methods — select a node to explore.
+2 more
แหล่งอ้างอิง
- West, M. & Harrison, J. (1997). Bayesian Forecasting and Dynamic Models (2nd ed.). Springer. ISBN: 978-0387947259
- Prado, R. & West, M. (2010). Time Series: Modeling, Computation, and Inference. CRC Press. ISBN: 978-1420093360
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 3). Bayesian Inference for Time Series Models. ScholarGate. https://scholargate.app/th/bayesian/time-series-bayesian-inference
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.
- การถดถอยแบบเบย์ (Bayesian Regression)เบย์↔ compare
- เครือข่ายเบย์เซียนพลวัตเบย์↔ compare
- การอนุมานแบบเบย์ตามลำดับชั้นเบย์↔ compare
- Kalman Filterเบย์↔ compare
- Particle Filter (Sequential Monte Carlo)เบย์↔ compare
- Sequential Monte Carloเบย์↔ compare