Serie temporali strutturali bayesiane
term_id: bayesian_structural_time_series
Category: basic_concepts
Definition
I modelli di serie temporali strutturali bayesiane (BSTS) rappresentano i dati delle serie temporali come somma di componenti interpretabili, come tendenza, stagionalità ed effetti di regressione, tenendo conto dell’incertezza attraverso distribuzioni posteriori. Questo approccio permette di isolare l’impatto di specifici interventi o variabili esogene, offrendo una stima probabilistica delle componenti sottostanti.
Summary
Un approccio di modellazione statistica che utilizza l’inferenza bayesiana per scomporre le serie temporali in componenti interpretabili.
Key Concepts
- Modelli nello spazio degli stati
- Inferenza causale
- Scomposizione delle componenti
- Distribuzioni posteriori
Use Cases
- Modellazione del mix di marketing
- Previsioni economiche
- Test A/B con dati di serie temporali
Related Terms
- Filtro di Kalman (algoritmo ricorsivo per stimare lo stato di un sistema dinamico)
- Modellazione delle equazioni strutturali (tecnica statistica per analizzare relazioni tra variabili osservate e latenti)
- Prophet (libreria open-source per la previsione di serie temporali sviluppata da Facebook)
- Modelli VAR (modelli vettoriali autoregressivi per analizzare relazioni dinamiche tra più serie temporali)