摘要

粒子滤波方法是一种复杂的推理过程,它结合了重要性抽样和蒙特卡罗方案,以便一致地探索一系列感兴趣的多重分布。我们表明,这种方法也可以在“静态”设置中提供有效的估计工具,在这种情况下,π(θ|1, …,N个) (n个<N个)是唯一感兴趣的后验分布,但对部分后验π(θ|1, …,n个)可以节省计算时间。针对独立或马尔可夫模型,提出了一种完整的算法。我们的方法在稳健性和执行时间方面对其他常见的估计程序提出了挑战,特别是当样本大小很重要时。讨论了两类示例,即混合模型和离散广义线性模型,并用数值结果加以说明。

您当前没有访问此文章的权限。