dlm公司

动态线性模型的贝叶斯和似然分析。极大似然,卡尔曼滤波和平滑,贝叶斯分析的正常线性状态空间模型,也称为动态线性模型。这本书介绍了统计时间序列分析动态线性模型。它包括动态线性模型和状态空间模型的基本概念,在已知参数的动态线性模型中用于估计和预测的Kalman滤波器,以及最大似然估计。它还提出了许多具体的动态线性模型,特别适用于单变量和多变量数据的时间序列分析。以实际数据为例说明了主要方法和模型。为此,作者开发了一个R软件包DIM,用于动态线性模型的推理和预测。不能从本书的包中下载所有的示例。正文组织如下。第一章介绍贝叶斯推理的基本概念。介绍了线性回归模型贝叶斯分析的基本原理,提出了马尔可夫链蒙特卡罗方法。第二章是动态线性模型。讨论了状态空间模型、动态线性模型、状态估计与预测、滤波与卡尔曼滤波等方面的问题。第3章讨论了模型规范。第一段讨论时间序列分析的经典工具。然后,研究了用于时间序列分析的动态线性模型,包括单变量和多变量。第四章讨论了参数未知的模型。它提出了一个最大似然估计和一个更详细的贝叶斯推断的讨论。最后一章是序贯蒙特卡罗方法。(资料来源:http://cran.r-project.org/web/packages)


zbMATH中的参考文献(参考文献28条,2标准条款)

显示第1到第20个结果,共28个。
按年份排序(引用)
  1. 罗德里格斯,G。S、 。;诺特,大卫J。;西森,S。A、 :无似然近似吉布斯抽样(2020年)
  2. 安吉拉·比托·内姆林,安娜丽莎·卡登娜,西尔维娅·弗里德曼ühwirth Schnater,Peter Knaus:使用R包收缩TVP的时变参数模型框架中的收缩(2019)阿尔十四
  3. 赫图宁,J。M。J、 。;凯皮奥,J。P、 。;Haario,H.:时空混沌模型中的近似误差法及其在Kuramoto-Sivashinsky方程中的应用(2018)
  4. 科斯塔,莉莉亚;尼科尔斯,托马斯;Smith,Jim Q.:使用多元回归动态模型研究有效的大脑连通性(2017)
  5. 尼古拉斯·米乔德、佩里·德瓦尔平、丹尼尔·图雷克、克里斯托弗·J。Paciorek:nimble R包中的序贯蒙特卡罗方法(2017)阿尔十四
  6. á兹奎兹,C。雷纳托;Gó梅古提é瑞兹,大卫;猛撞í雷兹特维ño、 安东尼奥:具有约束离散动力学的线性混合系统的观测器综合(2017)
  7. 李亚兰;Xu,Ancha:Birnbaum-Saunders分布的基准推断(2016)
  8. 麦卡锡,丹尼尔;Jensen,Shane T.:时间序列数据的幂加权密度(2016)
  9. 尼尔,迈克尔·C。;亨特,迈克尔·D。;普里蒂金,约书亚N。;扎赫里,玛莎;布里克,提摩太R。;柯克帕特里克,罗伯特M。;埃斯特布鲁克,莱恩;贝茨,提摩太·C。;梅斯,赫敏H。;Boker,Steven M.:OpenMX 2.0:扩展结构方程和统计建模(2016)
  10. 科伦比,R。;Giordano,S.:分类时间序列的多重隐马尔可夫模型(2015)
  11. 科斯塔,莉莉亚;史密斯,吉姆;尼科尔斯,托马斯;库森,詹姆斯;达夫,尤金P。;使用多功能磁共振成像(fMRI)对静态多变量回归模型进行搜索(2015)
  12. 阿扎迪,南曼阿里;费恩黑德,保罗;里达尔,加雷斯;Blok,Joleen H.:用于肌电图实验的二进制响应数据的贝叶斯序贯实验设计(2014)
  13. 卡布拉尔,塞尔索Rô巴博萨;达席尔瓦,西贝尔·奎罗斯;Migon,Helio S.:状态参数初始分布的扩展偏正态动态线性模型(2014)
  14. Fú奎恩,杰罗;Pé马里兰州雷斯ía-Egl公司ée;Pericchi,Luis R.:动态模型中异常值和结构突变建模方差的倒γ替代方法(2014)
  15. 谢森,丹尼尔M。;尼米,雅拉德;Meiring,Wendy:用于疾病流行跟踪的粒子滤波算法性能比较(2014)
  16. Triantafylllopoulos,K.:使用粒子滤波器的多元随机波动率估计(2014)
  17. 阿纳克利托,奥斯瓦尔多;皇后,卡特里奥纳;Albers,Casper J.:使用贝叶斯动态图形模型、样条曲线和其他交通变量预测多变量道路交通流(2013)
  18. 邵伟;郭广宝;孟繁玉;贾淑琴:基于a(B)-样条技术的大都市黑斯廷斯有效提案分配(2013)
  19. 鲁伊斯-Cá勒德纳斯,拉米罗;克莱恩斯基,埃利亚斯·T。;吕,Håvard:使用集成嵌套拉普拉斯近似法直接拟合动态模型——INLA(2012)
  20. 达席尔瓦,C。Q、 。;米根,H。S、 。;科雷亚,L。T、 :动态贝叶斯β模型(2011)