纪尧姆·孔金(Guillaume Kon Kam King);安东尼奥·卡纳尔;鲁杰罗、马蒂奥 局部自回归相关过程的贝叶斯函数预测。 (英语) Zbl 1435.62348号 贝叶斯分析。 第4期第14期,1121-1141页(2019). 摘要:基于需求曲线和供给曲线的预测问题,我们引入了一类具有局部自回归特性的非参数动态模型,并提供了一种在任意时间范围内预测分段不变非递减函数时间序列的完整推理策略。该模型由非马尔科夫相互作用粒子系统诱导,其演化受重采样步骤和漂移机制控制。前者以全球相互作用为基础,解释了功能时间序列的波动性,而后者由与过去曲线的基于邻居的相互作用决定,并解释了局部趋势行为,将其与纯噪声分离。我们将人口蒙特卡罗和半自动学习方法相结合,以近似贝叶斯计算(需要有限的调整),讨论函数预测模型的实现。我们通过模拟研究验证了推理方法,并在意大利天然气市场的真实数据集上进行了预测推理。 引用于三文件 MSC公司: 62平方米 随机过程推断和预测 62兰特 功能数据分析 62M10个 统计学中的时间序列、自相关、回归等(GARCH) 62第20页 统计学在经济学中的应用 关键词:近似贝叶斯计算;自回归;贝叶斯非参数;功能数据分析;预测;时间序列 软件:斯坦;格尔姆奈特;朱莉娅 PDF格式BibTeX公司 XML格式引用 \textit{G.K.K.King}等人,《贝叶斯分析》。14,第4号,1121--1141(2019;Zbl 1435.62348) 全文: 内政部 欧几里得 参考文献: [1] Beaumont,M.A.、Zhang,W.和Balding,D.J.(2002)。群体遗传学中的近似贝叶斯计算〉,《遗传学》,162(4):2025-2035。 [2] Bezanson,J.、Edelman,A.、Karpinski,S.和Shah,V.B.(2017)。“朱莉娅:数值计算的新方法”,《SIAM评论》,59:65-98·Zbl 1356.68030号 ·数字对象标识代码:10.1137/141000671 [3] Blackwell,D.和MacQueen,J.B.(1973)。“通过Pólya urn方案的弗格森分布”,《统计年鉴》,353-355·Zbl 0276.62010 ·doi:10.1214/aos/1176342372 [4] Bonassi,F.V.和West,M.(2015)。“用于近似贝叶斯计算的具有自适应权重的序贯蒙特卡罗。”贝叶斯分析,10(1):171-187·兹比尔1335.62015 ·doi:10.1214/14-BA891 [5] Boulesteix,A.-L.和Strimmer,K.(2005)。“通过微阵列和ChIP数据的联合分析预测转录因子活性:偏最小二乘法”,《理论生物学和医学建模》,2(1):23。 [6] Canale,A.和Ruggiero,M.(2016)。“单调函数时间序列的贝叶斯非参数预测”,《统计学电子期刊》,10(2):3265-3286·Zbl 1357.62278号 ·doi:10.1214/16-EJS1190 [7] Canale,A.和Vantini,S.(2016年)。“受限函数时间序列:在意大利天然气市场的应用”,《国际预测杂志》,32(4):1340-1351。 [8] Defeuilley,C.(2009)。“欧洲自然之旅(Le gaz naturel en Europe Entre libéralisation des marchés et gépolitique)”,《流动》,(75):99-111。 [9] Fearnhead,P.和Prangle,D.(2010年)。“为近似贝叶斯计算构建汇总统计:半自动近似贝叶斯计算”,《皇家统计学会期刊-B辑:统计方法》,74(3):419-474·Zbl 1411.62057号 ·doi:10.1111/j.1467-9868.2011.01010.x [10] Frazier,D.T.、Maneesoonthorn,W.、Martin,G.M.和McCabe,B.P.M.(2018)。“近似贝叶斯预测”,《国际预测杂志》(即将出版)。 [11] Friedman,J.、Hastie,T.和Tibshirani,R.(2010)。“广义线性模型通过坐标下降的正则化路径”,《统计软件杂志》,33(1):1。 [12] Gneiting,T.和Raftery,A.E.(2007年)。《严格正确的评分规则、预测和估计》,《美国统计协会杂志》,102(477):359-378·Zbl 1284.62093号 ·doi:10.1198/0162145000001437 [13] Kon Kam King,G.、Canale,A.和Ruggiero,M.(2018年)。“具有局部自回归相关过程的贝叶斯函数预测”补充材料贝叶斯分析·Zbl 1435.62348号 [14] Marin,J.M.、Pudlo,P.、Robert,C.P.和Ryder,R.J.(2012年)。“近似贝叶斯计算方法”,《统计与计算》,22(6):1167-1180·Zbl 1252.62022号 ·doi:10.1007/s11222-011-9288-2 [15] Prangle,D.(2016)。“调整ABC距离函数”,贝叶斯分析,1-21·Zbl 1384.62098号 ·doi:10.1214/16-BA1002 [16] Prünster,I.和Ruggiero,M.(2013)。“市场份额动态建模的贝叶斯非参数方法”,伯努利,19(1):64-92·Zbl 1288.62042号 ·文件编号:10.3150/11-BEJ392 [17] Rossini,J.和Canale,A.(2018年)。“量化形状约束下泛函和尺度到泛函自回归模型的预测不确定性”,《多元分析杂志》,170·Zbl 1416.62408号 ·doi:10.1016/j.jmva.2018.10.007 [18] Ruggiero,M.和Walker,S.G.(2009年a)。“具有生育选择的Fleming-Viot过程的贝叶斯非参数构造”,《中国统计》,19(2):707-720·Zbl 1534.62037号 [19] Ruggiero,M.和Walker,S.G.(2009年b)。“从双参数Poisson-Dirichlet过程导出的无限维扩散的可数表示”,《概率电子通信》,14:501-517·Zbl 1189.60103号 ·doi:10.1214/ECP.v14-1508 [20] Stan开发团队(2015年)。Stan:概率和采样的C++库,2.8.0版 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。