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 标准条款 1出版物描述软件,包括1出版物以zbMATH为单位 年份 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。 Zbl 1378.62050号范德梅伦,弗兰克;莫里茨·绍尔 2017 全部的 前5名28位作者引用 6 莫里茨·绍尔 6 范德梅伦、弗兰克·亨利 2 亚历山大·贝斯科斯 2 天哪,安德鲁 2 舒塔古古斯维利 2 雷·科尔扬 2 夏洛克,克里斯 2 彼得·斯普雷伊 1 亚历克西斯·阿尔诺登 1 孩子们,理查德·J。 1 昆廷·克莱伦 1 Dan O·克里斯安。 1 伯纳德·德尔扬 1 马泰奥·佐丹奴 1 亚杰·贾斯拉 1 保罗·A·詹金斯。 1 尼古拉斯·坎塔斯 1 Jean-Louis Marchand 1 马钦·米德尔 1 理查德·尼克尔 1 默里·波洛克 1 加雷思·罗伯茨。 1 Ruzayqat,Hamza M。 1 阿德琳·萨姆森 1 斯特凡·索默 1 大卫·苏达 1 加文·A·惠特克。 1 Yonekura、Shouto 全部的 前5名12篇连载文章中引用 2 统计年鉴 2 随机过程的统计推断 2 电子统计杂志 2 统计与计算 1 统计学中的传播。理论与方法 1 SIAM科学计算杂志 1 应用概率的方法与计算 1 巴西概率统计杂志 1 随机性 1 SIAM成像科学杂志 1 计算与图形统计杂志 1 日本统计与数据科学杂志 在5个字段中引用 15 统计学(62-XX) 10 概率论与随机过程(60-XX) 8 数值分析(65-XX) 2 博弈论、经济学、金融和其他社会和行为科学(91-XX) 1 变分法与最优控制;最优化(49至XX) 按年份列出的引文