MCMC Chuỗi Thời gian
MCMC chuỗi thời gian áp dụng các phương pháp Markov chain Monte Carlo (MCMC) cho suy luận Bayes trên dữ liệu có thứ tự thời gian. Thay vì tối ưu hóa một ước lượng tham số duy nhất, nó rút mẫu từ phân phối hậu nghiệm đồng thời đầy đủ của các tham số và trạng thái tiềm ẩn, tạo ra các phân phối xác suất phản ánh trung thực sự không chắc chắn về động lực học, xu hướng và các mẫu hình theo mùa tại mọi thời điểm.
Đọc toàn bộ phương pháp
Đăng nhập bằng tài khoản miễn phí để đọc phần này.
Method map
The neighbourhood of related methods — select a node to explore.
Nguồn tài liệu
- Carter, C. K. & Kohn, R. (1994). On Gibbs sampling for state space models. Biometrika, 81(3), 541–553. DOI: 10.1093/biomet/81.3.541 ↗
- West, M. & Harrison, J. (1997). Bayesian Forecasting and Dynamic Models (2nd ed.). Springer. ISBN: 978-0387947259
Cách trích dẫn trang này
ScholarGate. (2026, June 3). Markov Chain Monte Carlo for Time Series Models. ScholarGate. https://scholargate.app/vi/bayesian/time-series-mcmc
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.
- Suy luận Bayes độngBayes↔ compare
- Lấy mẫu GibbsBayes↔ compare
- Hamiltonian Monte CarloBayes↔ compare
- Bộ lọc KalmanBayes↔ compare
- Bộ lọc hạt (Monte Carlo tuần tự)Bayes↔ compare
- Monte Carlo Tuần tựBayes↔ compare
Được tham chiếu bởi
Phát hiện lỗi trên trang này? Báo cáo hoặc đề xuất chỉnh sửa →