×
巴维尔·奇甘斯基

连续时间内隐马尔可夫模型的最大似然估计。 （英语） Zbl 1205.62120号

统计推断统计。过程。 12，第2期，139-163（2009）.
摘要：本文研究了白噪声中连续时间马尔可夫链参数的最大似然估计（MLE）的大样本渐近性质。使用概率弱收敛的方法I.A.伊布拉基莫夫和R.Z.哈斯敏斯基[统计估计.渐近理论.纽约-海德堡-伯林：斯普林格-弗拉格（1981；Zbl 0467.62026号)]在链的某些强遍历性假设下，建立了MLE的一致性、渐近正态性和矩的收敛性。

引用于8文件

MSC公司：

62米05 马尔可夫过程：估计；隐马尔可夫模型
2012年12月62日 参数估计量的渐近性质

关键词：

最大似然估计量;连续时间隐马尔可夫模型;部分观测;过滤

引文：

Zbl 0467.62026号
PDF格式BibTeX公司 XML格式引用
\textit{P.Chigansky}，统计推断Stoch。过程。12，第2号，139--163（2009；Zbl 1205.62120）
全文： DOI程序 arXiv公司

参考文献：

[1] Baum LE，Petrie T（1966）有限状态马尔可夫链概率函数的统计推断。数学统计年鉴37:1554–1563·Zbl 0144.40902号 ·doi:10.1214/aoms/1177699147
[2] Baxendale P、Chigansky P、Liptser R（2004）《Wonham滤波器的渐近稳定性：遍历和非遍历信号》。SIAM J Control Optim 43（2）：643–669（电子版）·Zbl 1101.93074号 ·doi:10.1137/S0363012902416924
[3] Bickel PJ，Ritov Y，Rydén T（1998）一般隐马尔可夫模型最大似然估计的渐近正态性。Ann Stat 26（4）：1614–1635·Zbl 0932.62097号 ·doi:10.1214/aos/1024691255
[4] CappéO，Moulines E，Rydén T（2005），隐马尔可夫模型中的推断。统计学中的斯普林格系列。纽约施普林格。Randal Douc对第9章的贡献，Christian P.Robert对第6、7和13章的贡献，Gersende Fort、Philippe Soulier和Moulines对第14章的贡献，Stéphane Boucheron和Elisabeth Gassiat对第15章的贡献
[5] Chigansky P，van Handel R（2007）无限时间范围内有限状态非线性滤波的模型鲁棒性。《应用概率年鉴》17（2）：688–715·Zbl 1126.93055号 ·doi:10.1214/105051606000000871
[6] Dembo A，Zeitouni O（1986）通过EM算法对部分观测的连续时间随机过程进行参数估计。Stoch过程应用23（1）：91–113·Zbl 0608.62095号 ·doi:10.1016/0304-4149（86）90018-9
[7] Douc R，Matias C（2001）一般隐马尔可夫模型最大似然估计的渐近性。伯努利7（3）：381–420·Zbl 0987.62018号 ·doi:10.2307/3318493
[8] Douc R，Moulinesε，Rydén T（2004）马尔可夫体制自回归模型中最大似然估计量的渐近性质。Ann Stat 32（5）：2254–2304·Zbl 1056.62028号 ·doi:10.1214/009053604000000021
[9] Elliott RJ、Aggoun L、Moore JB（1995）《隐马尔可夫模型》。估计与控制，《数学应用》（纽约）第29卷。纽约施普林格-弗拉格
[10] Ephraim Y，Merhav N（2002）隐马尔可夫过程。IEEE传输信息理论48（6）：1518–1569。香农理论专题：观点、趋势和应用·兹比尔1061.94560
[11] Frydman H，Lakner P（2003）隐马尔可夫过程的最大似然估计。《Ann Appl Probab年鉴》13（4）：1296–1312·Zbl 1035.62084号 ·doi:10.1214/aoap/1069786500
[12] Genon-Catalot V，Laredo C（2006）Leroux的一般隐马尔可夫模型方法。Stoch工艺申请116（2）：222–243·Zbl 1099.60022号 ·doi:10.1016/j.spa.2005.10.005
[13] Griffeath D（1975）非齐次马尔可夫链的均匀耦合。应用概率杂志12（4）：753–762·Zbl 0322.60061号 ·doi:10.2307/3212726
[14] Ibragimov IA，Khasminskii RZ（1981）《统计估计》，《数学应用》第16卷（渐近理论，由Samuel Kotz从俄语翻译而来）。纽约施普林格-弗拉格
[15] Jensen JL，Petersen NV（1999）状态空间模型中最大似然估计器的渐近正态性。Ann Stat 27（2）：514–535·Zbl 0952.62023号 ·doi:10.1214/aos/1018031205
[16] Khasminskii RZ（1966）由小参数微分方程定义的随机过程。Teor Verojatnost Primenen小学11:240–259
[17] Khasminskii RZ（1980）微分方程的随机稳定性，固体和流体力学专著和教科书第7卷：力学和分析（由D.Louvish从俄语翻译）。Rijn的Alphen aan den
[18] Kutoyants YA（1984）《随机过程的参数估计》，《数学研究与阐述》第6卷（译自俄语，由B.L.S.Prakasa Rao编辑）。赫尔德曼·弗拉格，柏林
[19] Kutoyants YA（2004）遍历扩散过程的统计推断。统计学中的斯普林格系列。Springer-Verlag伦敦有限公司，伦敦
[20] Le Gland F，Mevel L（1997）HMM中MLE的渐近性质。摘自：第四届欧洲控制会议记录。布鲁塞尔，pp FRA–F6
[21] Le Gland F，Mevel L（2000）隐马尔可夫模型中的指数遗忘和几何遍历性。数学控制信号系统13（1）：63–93·Zbl 0941.93053号 ·doi:10.1007/PL00009861
[22] Leroux BG（1992）隐马尔可夫模型的最大似然估计。Stoch过程应用40（1）：127–143·Zbl 0738.62081号 ·doi:10.1016/0304-4149（92）90141-C
[23] Levanony D，Shwartz A，Zeitouni O（1994）连续随机过程中的递归识别。Stoch过程应用49（2）：245–275·Zbl 0795.62070号 ·doi:10.1016/0304-4149（94）90137-6
[24] Liptser RS，Shiryaev AN（2001a）随机过程统计。一、 《数学应用》（纽约）第5卷（扩充版）。（一般理论，由A.B.Aries从1974年的俄文原文翻译而来，《随机建模和应用概率》）。柏林斯普林格-Verlag
[25] Liptser RS，Shiryaev AN（2001b）随机过程统计。二、 《数学应用》（纽约）第6卷（扩充版）。（应用，由A.B.Aries翻译自1974年的俄语原文，随机建模和应用概率）。柏林斯普林格-Verlag
[26] Papavasiliou A（2006）随机滤波中的参数估计和渐近稳定性。Stoch过程应用116（7）：1048–1065·Zbl 1097.62093号 ·doi:10.1016/j.spa.2006.01.002
[27] Petrie T（1969）有限状态马尔可夫链的概率函数。数学统计年鉴40:97–115·Zbl 0181.21201号 ·doi:10.1214/aoms/1177697807
[28] Širjaev AN（1963）最快检测问题中的最优方法。Teor Verojatnost Primenen小学8:26–51
[29] Van Handel R（2006）滤波、稳定性和鲁棒性。美国加州帕萨迪纳加州理工学院博士论文·Zbl 1124.34033号
[30] Wonham WM（1965）随机微分方程在最佳非线性滤波中的一些应用。J Soc Ind Appl Math Ser A Control 2:347–369·Zbl 0143.19004号 ·数字对象标识代码：10.1137/030228
[31] Zeitouni O，Dembo A（1988）有限状态连续时间Markov过程转移数估计的精确滤波器。IEEE传输信息理论34（4）：890–893·数字对象标识代码：10.1109/18.9793
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。