韦斯特,迈克;杰夫·哈里森;米贡,赫里奥·S。 动态广义线性模型和贝叶斯预测。 (英语) Zbl 0568.62032号 美国统计协会。 80, 73-97 (1985). 动态贝叶斯模型是为了应用于非线性非正态时间序列和回归问题而开发的。这些模型可以看作是标准广义线性模型的动态扩展。另一方面,本文提供的算法可以看作是卡尔曼滤波算法的推广。当时间序列涉及指数族分布时,该方法很有用。重要的特例是生物学分布和泊松分布。这导致计算封闭的标准形式预测分布进行预测。讨论了模型的数据分析方面。考虑了一些应用。审核人:M.P.Mokljacuk先生 引用于2评论引用于98文件 MSC公司: 2015年1月62日 贝叶斯推断 62M20型 随机过程推断和预测 62M10个 统计学中的时间序列、自相关、回归等(GARCH) 62立方厘米10 贝叶斯问题;贝叶斯过程的特征 62J02型 一般非线性回归 93E11号机组 随机控制理论中的滤波 关键词:线性贝叶斯方法;动态贝叶斯模型;非线性非正态时间序列;回归,回归;标准广义线性模型的动态扩展;卡尔曼滤波算法的推广;指数族;仿生的;泊松分布;预测分布;预测 PDF格式BibTeX公司 XML格式引用 \textit{M.West}等人,《美国统计协会杂志》,80,73-97(1985;Zbl 0568.62032) 全文: 内政部