Gonçalves，Flávio B。;利维亚·杜特拉。;罗杰·W·C·席尔瓦。 广义马尔可夫调制泊松过程的精确且计算效率高的贝叶斯推断。 （英语） Zbl 1482.62012年 统计计算。 32，第1号，第14号论文，24页（2022年）. 摘要：时间点模式的统计建模是几个领域中的一个重要问题。Cox过程是强度函数随机的泊松过程，是此类数据的常见模型。我们提出了一类新的一维Cox过程模型，其中强度函数采用根据连续时间马尔可夫链切换的参数函数形式。介绍了一种基于MCMC算法进行精确贝叶斯推理（直至蒙特卡罗误差）的新方法。算法的可靠性取决于仔细处理的各种规范，从而产生计算效率高（就计算时间而言）的算法，并使其能够用于大型数据集。通过仿真和实例说明了该方法的有效性和适用性。提出了一个特定的模型来拟合疫情曲线，并用于分析巴西登革热和一些国家新冠肺炎的数据。 理学硕士： 62-08 统计问题的计算方法 关键词：均匀化;Metropolis-Hastings算法;快速计算 软件：公牛;柯维德19br PDF格式BibTeX公司 XML格式引用 \textit{F.B.Gonçalves}等人，《统计计算》。32，第1号，第14号文件，第24页（2022；兹bl 1482.62012） 全文： 内政部 arXiv公司 参考文献： [1] Adams，R.P.，Murray，I.，Mackay，D.J.C.：高斯过程强度泊松过程中的可追踪非参数贝叶斯推断。摘自：第26届国际机器学习会议（ICML 2009）（2009） [2] Codeco，C.、Coelho，F.、Cruz，O.、Oliveira，S.、Castro，T.、Bastos，L.：信息登革热：巴西虫媒病毒监测的即时预报系统。《巴黎公共图书馆》第66期，第386页（2018年）。欧洲流行病学危机、流行病学转变和流行病学家的作用会议 [3] Demarqui，F.N.，Santos，C.C.：covid19br。R包（2020年） [4] Diggle，P.，平滑点过程数据的核方法，J.R.Stat.Soc.Ser。C、 34、138-147（1985）·Zbl 0584.62140号 [5] Doornik，JA，面向对象矩阵编程语言Ox（2007），伦敦：Timberlake Consultants出版社和牛津，伦敦 [6] 费恩黑德，P。；Sherlock，C.，《马尔科夫调制泊松过程的精确吉布斯采样器》，J.R.Stat.Soc.Ser。B统计方法。，68, 5, 767-784 (2006) ·Zbl 1110.62131号 ·doi:10.1111/j.1467-9868.2006.00566.x [7] 冈萨雷斯，FB；Gamerman，D.，多元高斯过程驱动的时空Cox过程中的精确贝叶斯推断，J.R.Stat.Soc.Ser。B、 80、157-175（2018）·Zbl 06840461号 ·doi:10.1111/rssb.12237 [8] Gonçalves，F.B.，Łatuszynski，K.，Roberts，G.O.：扩散驱动Cox过程的精确贝叶斯推断。ArXiv:2007.05812（2020） [9] 霍博思，A。；Stone，EA，《有限状态空间上端点条件下连续时间马尔可夫链的模拟及其在分子进化中的应用》，Ann.Appl。统计，3，3，1204（2009）·Zbl 1196.62139号 ·doi:10.1214/09-AOAS247 [10] Jarrett，RG，《煤炭开采灾害间隔的注释》，《生物统计学》，66191-193（1979）·doi:10.1093/biomet/66.1.191 [11] Lee，C。；Neal，P.，《独立采样器的最佳缩放：理论与实践》，Bernoulli，241636-1652（2018）·Zbl 1419.62052号 ·文件编号：10.3150/16-BEJ908 [12] 蒙格森，吉隆坡；Tweedie，RL，《黑斯廷斯和大都会算法的收敛速度》，《Ann.Stat.》，24，1，101-121（1996）·Zbl 0854.60065号 ·doi:10.1214/aos/1033066201 [13] 莫勒，J。；西弗吉尼亚州；Waagepetersen，RP，对数高斯Cox过程，扫描。J.Stat.，25，451-482（1998）·Zbl 0931.60038号 ·doi:10.1111/1467-9469.00115 [14] 拉奥，V。；亚当斯，RP；Dunson，DB，Matérn排斥过程的贝叶斯推断，J.R.Stat.Soc.Ser。B、 79877-897（2017）·Zbl 1411.62272号 ·doi:10.1111/rssb.12198 [15] Rao，V.，Teh，Y.W.：连续时间离散状态系统的MCMC。In:神经信息处理系统进展25（NIPS 2012）（2012） [16] 拉奥，V。；Teh，YW，Markov跳跃过程和扩展的快速MCMC抽样，J.Mach。学习。研究，14，1，3295-3320（2013）·Zbl 1318.60078号 [17] Rasmussen，JG，霍克斯过程的贝叶斯推断，Methodol。计算。申请。概率。，15, 623-642 (2013) ·Zbl 1368.60055号 ·doi:10.1007/s11009-011-9272-5 [18] 罗伯茨，GO；Rosenthal，JS，自适应MCMC示例，J.Compute。图表。Stat.，18，2，349-367（2009年）·doi:10.1198/jcgs.2009.06134 [19] Walder，C.J.，Bishop，A.：永久过程的Ofast Bayes强度估计。致：第34届机器学习国际会议（ICML 2017）（2017）会议记录 此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。