Порівняння методів
Переглядайте обрані методи поруч; рядки з відмінностями підсвічено.
| Часовий ряд Баєсова ієрархічна модель× | Ієрархічний байєсівський висновок× | |
|---|---|---|
| Галузь | Баєсові методи | Баєсові методи |
| Родина | Bayesian methods | Bayesian methods |
| Рік появи≠ | 1989–1997 | 1972 (Lindley & Smith); consolidated 1995–2013 |
| Автор методу≠ | West & Harrison (dynamic models); Gelman et al. (hierarchical Bayesian framework) | Lindley & Smith; Gelman et al. |
| Тип≠ | Bayesian hierarchical model for time series | Bayesian multilevel 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 | multilevel Bayesian modeling, Bayesian hierarchical model, nested Bayesian model, partial pooling model |
| Пов'язані | 6 | 6 |
| 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. | Hierarchical Bayesian inference is a probabilistic modeling framework that organises parameters into levels, placing priors on the group-level parameters and hyperpriors on the parameters governing those priors. It enables partial pooling of information across groups, balancing the extremes of treating each group as independent or merging them into a single estimate. |
| ScholarGateНабір даних ↗ |
|
|