Bayesian model averaging adalah metode yang dikembangkan oleh raftery dkk, dimana model ini memiliki bentuk model probabilistik. Model ini lebih dapat menangkap kasus dengan variasi data tinggi daripada peramalan deterministik. Peramalan deterministik sendiri adalah peramalan yang memberikan hasil ramalan berupa suatu titik (point). Berikut ini contoh peramalan deterministik (satu titik):
Peramalan satu titik hanya menggunakan satu model dasar saja, atau mengabaikan model lain yang sebenarnya signifikan. Padahal bisa jadi model lain dengan keakuratan yang berbeda memiliki hasil ramalan yang lebih mendekati nilai aslinya. Hal inilah yang menyebabkan peramalan deterministik kurang dapat menangkap pola data dengan variasi tinggi.
Sedangkan peramalan dengan menggunakan metode bayesian model averaging merupakan peramalan yang dapat menggabungkan beberapa model peramalan yang signifikan. Sehingga terkadang ada yang menyebutnya sebagai peramalan kombinasi atau gabungan. Sebuah data dengan variasi yang cukup tinggi akan memberikan model peramalan yang signifikan lebih dari satu. Hal ini dikarenakan pendekatan dalam memperoleh model berbeda beda. Gambar dibawah ini adalah contoh hasil peramalan bayesian yang sudah dikonversi menjadi peramalan titik.
Walaupun pada peramalan bayesian juga dapat diketahui nilai peramalan titiknya namun peramalan bayesian memiliki logika yang berbeda dengan peramalan titik. Perbedaan yang paling mencolok adalah adanya penggabungan lebih dari satu metode dalam pembentukan model bayesian selain itu peramalan bayesian melakukan pendekatan fungsi probabilitas.
