Байєсівські структурні часові ряди
Байєсівські структурні часові ряди (BSTS) — це модельна структура простору станів, запроваджена Скоттом і Варіаном (2014), яка розкладає часовий ряд на адитивні компоненти — тренд, сезонність та регресію — та оцінює їх спільно за допомогою байєсівського висновку. Вона лежить в основі бібліотеки Google CausalImpact і є потужним інструментом як для прогнозування, так і для контрфактичного причинно-наслідкового аналізу втручань.
Читати метод повністю
Увійдіть із безкоштовним обліковим записом, щоб прочитати цей розділ.
Method map
The neighbourhood of related methods — select a node to explore.
Джерела
- Scott, S. L. & Varian, H. R. (2014). Predicting the Present with Bayesian Structural Time Series. International Journal of Mathematical Modelling and Numerical Optimisation, 5(1/2), 4–23. DOI: 10.1504/IJMMNO.2014.059942 ↗
- Brodersen, K. H., Gallusser, F., Koehler, J., Remy, N. & Scott, S. L. (2015). Inferring Causal Impact Using Bayesian Structural Time-Series Models. Annals of Applied Statistics, 9(1), 247–274. DOI: 10.1214/14-AOAS788 ↗
Як цитувати цю сторінку
ScholarGate. (2026, June 1). Bayesian Structural Time Series Model. ScholarGate. https://scholargate.app/uk/bayesian/bayesian-structural-time-series
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.
- Модель ARIMA (Авторегресійна інтегрована ковзна середня)Економетрика↔ compare
- Байєсівська регресіяБаєсові методи↔ compare
- Аналіз перерваних часових рядів (ITS)Причинно-наслідковий висновок↔ compare
- Метод Монте-Карло на основі ланцюгів Маркова (MCMC)Баєсові методи↔ compare
- Модель простір-стан (фільтр Калмана)Економетрика↔ compare
Згадується в
Помітили помилку на цій сторінці? Повідомте про неї або запропонуйте виправлення →