×

贝叶斯扩散.jl

swMATH ID: 40280
软件作者: 范德梅伦,弗兰克;莫里茨·绍尔
描述: 使用指导方案对离散观测的多维扩散过程进行贝叶斯估计。基于离散时间观测的扩散参数估计是一个困难的问题,因为缺乏一个封闭形式的似然表达式。从贝叶斯计算的角度来看,它可以被认为是一个缺失数据问题,即离散时间观测值之间的扩散桥梁缺失。然后,可以使用称为数据增强的Markov-chain Monte-Carlo方法来处理计算问题。如果扩散系数中出现未知参数,则直接实现数据增强会产生可约化的马尔可夫链。此外,数据扩充需要对扩散桥进行有效采样,这可能很困难,尤其是在多维情况下。
我们提出了一个通用框架来处理这些不依赖离散化的问题。该结构概括了以前的方法,并阐明了使这些方法有效所需的假设。我们定义了一个随机行走型Metropolis-Hastings采样器,用于更新扩散桥。我们的方法是用扩散桥采样的指导方案来说明的。这些是通过向扩散漂移添加指导项而获得的马尔可夫过程。我们给出了构建这些提案的一般准则,并引入了时间变更和引导提案的缩放,以减少离散化错误。数值例子证明了我们方法的性能。
主页: https://arxiv.org/abs/1406.4704
源代码:  https://github.com/mschauer/BayesEstDiffusion.jl
依赖项: 朱莉娅
关键词: 多维扩散桥;数据增强;路径积分的离散化;线性过程;创新过程;非中心参数化;Fitzhugh-Nagumo模型
相关软件: 桥梁.jl;朱莉娅;sdetorus病毒;转发差异;化学需氧量;合卡尔曼滤波;特别提款权;WebPlot数字化仪;其mr;贝叶斯DA;Stata公司;科恩平滑;R(右);浮夸
引用于: 16文件

按年份列出的引文