การเฉลี่ยแบบจำลองเบย์สำหรับอนุกรมเวลา
การเฉลี่ยแบบจำลองเบย์สำหรับอนุกรมเวลา (Time series Bayesian model averaging - TS-BMA) เป็นการรวมการพยากรณ์จากกลุ่มของแบบจำลองอนุกรมเวลา เช่น แบบจำลอง AR, VAR หรือแบบจำลองปริภูมิสถานะ (state-space specifications) โดยให้น้ำหนักแต่ละแบบจำลองตามความน่าจะเป็นภายหลัง (posterior probability) ของแบบจำลองนั้นๆ เมื่อพิจารณาจากข้อมูลที่สังเกตได้ แทนที่จะเลือกแบบจำลองเพียงแบบเดียวและละทิ้งความไม่แน่นอนเกี่ยวกับแบบจำลองที่ดีที่สุด TS-BMA จะรวมความไม่แน่นอนของแบบจำลองเข้าด้วยกัน ทำให้ได้การพยากรณ์ที่มีความคงทน (robust) และมีความแม่นยำในการสอบเทียบ (calibrated) มากกว่าแบบจำลองเดี่ยวๆ
อ่านวิธีฉบับเต็ม
เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
Method map
The neighbourhood of related methods — select a node to explore.
แหล่งอ้างอิง
- 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 ↗
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 3). Time Series Bayesian Model Averaging. ScholarGate. https://scholargate.app/th/bayesian/time-series-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.
- การเฉลี่ยแบบจำลองแบบเบย์ (Bayesian Model Averaging - BMA)เบย์↔ compare
- การถดถอยแบบเบย์ (Bayesian Regression)เบย์↔ compare
- Kalman Filterเบย์↔ compare
- Sequential Monte Carloเบย์↔ compare
- การอนุมานแบบเบย์สำหรับอนุกรมเวลาเบย์↔ compare