Используйте метод выборки Гиббса для оценки дисперсии в моделях временных рядов. скачать в хорошем качестве

Используйте метод выборки Гиббса для оценки дисперсии в моделях временных рядов.

Метод выборки Гиббса — один из алгоритмов MCMC (Markov Chain Monte Carlo), и в этом видео мы научимся использовать его для аппроксимации дисперсий при построении динамической линейной модели (DLM). DLM — это модель, основанная на байесовском подходе, и она подходит для временных рядов. В качестве примера используются те же данные о цене золота, что и в моих первых двух видео на этом канале. 00:00 Введение 01:02 О данных 02.14 Краткий обзор динамической линейной модели 04:07 Разница между этим проектом и проектом gold_DLM 05:05 Временные ряды представлены в процессах AR(1) 05:47 Полиномиальный тренд DLM 09:41 Дисперсии 11:38 Сопряженное априорное распределение 12:08 Как работает выборка Гиббса 16:23 Полное условное распределение 17:30 Реализация выборки Гиббса для высоких цен на золото 30:03 Построение графика отфильтрованной модели 31:08 Прогноз на один день вперед 32:34 Реализация выборки Гиббса для низких цен на золото 34:35 Построение графика отфильтрованной модели и небольшое обсуждение 37:13 Сравнение с другими спецификациями моделей Исходный код и подзаголовок будут обновлены в ближайшие несколько дней. Большое спасибо за просмотр! [Обновление] Исходный код здесь: https://github.com/stephanielees/gold... #timeseries #timeseriesanalysis #bayesian #gibbssampling #dynamiclinearmodel #rprogramming #forecasting