Байєсівське усереднення моделей часових рядів
Байєсівське усереднення моделей часових рядів (TS-BMA) поєднує прогнози з ансамблю моделей часових рядів — таких як специфікації AR, VAR або простору станів — шляхом зважування кожної моделі її апостеріорною ймовірністю за наявності спостережуваних даних. Замість вибору однієї моделі та ігнорування невизначеності щодо того, яка модель є найкращою, TS-BMA інтегрує невизначеність моделі, створюючи прогнози, які є більш стійкими та краще відкаліброваними, ніж будь-яка окрема модель.
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
- 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 ↗
Як цитувати цю сторінку
ScholarGate. (2026, June 3). Time Series Bayesian Model Averaging. ScholarGate. https://scholargate.app/uk/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.
- Байєсівське усереднення моделейБаєсові методи↔ compare
- Байєсівська регресіяБаєсові методи↔ compare
- Фільтр КалманаБаєсові методи↔ compare
- Послідовний Монте-КарлоБаєсові методи↔ compare
- Байєсівський вивід для часових рядівБаєсові методи↔ compare
Помітили помилку на цій сторінці? Повідомте про неї або запропонуйте виправлення →