Порівняння методів
Переглядайте обрані методи поруч; рядки з відмінностями підсвічено.
| Часовий ряд Баєсова ієрархічна модель× | Байєсівська регресія× | |
|---|---|---|
| Галузь | Баєсові методи | Баєсові методи |
| Родина | Bayesian methods | Bayesian methods |
| Рік появи≠ | 1989–1997 | — |
| Автор методу≠ | West & Harrison (dynamic models); Gelman et al. (hierarchical Bayesian framework) | — |
| Тип≠ | Bayesian hierarchical model for time series | Bayesian linear model |
| Основоположне джерело≠ | West, M. & Harrison, J. (1997). Bayesian Forecasting and Dynamic Models (2nd ed.). Springer. ISBN: 978-0387947259 | Gelman, A., Carlin, J. B., Stern, H. S., Dunson, D. B., Vehtari, A. & Rubin, D. B. (2013). Bayesian Data Analysis (3rd ed.). CRC Press. ISBN: 978-1439840955 |
| Інші назви≠ | TSBHM, Bayesian hierarchical time series, hierarchical dynamic Bayesian model, multilevel Bayesian time series | bayesian linear regression, probabilistic regression, bayesian regresyon |
| Пов'язані≠ | 6 | 2 |
| Підсумок≠ | A time series Bayesian hierarchical model combines the hierarchical (multilevel) Bayesian framework with a dynamic state-space structure to analyse temporal data collected on multiple units or groups. Priors encode beliefs about both within-unit dynamics and cross-unit variation, and the posterior is obtained via MCMC or sequential Monte Carlo, yielding full probabilistic forecasts with calibrated uncertainty. | Bayesian regression is a probabilistic version of linear regression that treats the model parameters as uncertain quantities. Instead of returning a single best-fit estimate, it combines prior knowledge with the observed data to produce a full posterior probability distribution for each parameter, from which credible intervals and predictions are read off. |
| ScholarGateНабір даних ↗ |
|
|