×
J·维尔马克。;安德烈，C。;A.杜塞特。;Godsill，S.J。

自回归过程中贝叶斯模型选择的可逆跳马尔可夫链蒙特卡罗策略。 （英语） Zbl 1062.62206号

J.时间序列。分析。 25，第6期，785-809（2004）.
本文研究了在正确模型阶数未知的情况下，自回归过程中的贝叶斯推理问题。提出了原始的层次先验模型，使模型具有平稳性。先前的模型有助于设计有效的估计策略，并且对于其固定超参数的广泛选择似乎是稳健的。为了解决贝叶斯推理问题，提出了可逆跳马尔可夫链蒙特卡罗算法。这些算法充分利用了贝叶斯模型的统计结构，具有鲁棒性和计算效率。使用合成数据集和真实数据集可以很好地解决各种问题。
审核人：A.D.Borisenko（基辅）

引用于14文件

MSC公司：

62M10个 统计学中的时间序列、自相关、回归等（GARCH）
2015年1月62日 贝叶斯推断
65立方厘米 马尔可夫链的数值分析或方法

关键词：

可逆跳马尔可夫链;蒙特卡洛策略;贝叶斯模型选择;自回归过程
PDF格式BibTeX公司 XML格式引用
\textit｛J.Vermaak｝等人，J.时间序列。分析。25，第6号，785--809（2004；Zbl 1062.62206）
全文： 内政部

参考文献：

[1] 内政部：10.1109/TAC.1974.1100705·Zbl 0314.62039号 ·doi:10.1109/TAC.1974.1100705
[2] Barbieri M.M.，ARMA时间序列贝叶斯分析的可逆跳跃MCMC采样器（1996）
[3] DOI:10.1016/0304-4076（95）01744-5·Zbl 0864.62057号 ·doi:10.1016/0304-4076（95）01744-5
[4] Box G.E.P.，时间序列分析、预测和控制（1994年）·Zbl 0858.62072号
[5] Friedlander B.，IEEE 70会议记录第829页–（1982）
[6] 内政部：10.1198/10618600152627924·doi:10.1198/10618600152627924
[7] Green P.J.，Biometrika 82第711页–（1995年）
[8] 内政部：10.1016/0005-1098（95）00058-5·兹伯利0836.93061 ·doi:10.1016/0005-1098（95）00058-5
[9] 内政部：10.1111/1467-9892.00145·Zbl 0958.62090号 ·doi:10.1111/1467-9892.00145
[10] 内政部：10.1111/1467-9868.00208·Zbl 0940.62079号 ·doi:10.1111/1467-9868.00208
[11] Poskitt D.S.，Biometrika 70第157页–（1983年）
[12] 内政部：10.1111/1467-9868.00095·doi:10.111/1467-9868.00095
[13] 内政部：10.1016/0005-1098（78）90005-5·Zbl 0418.93079号 ·doi:10.1016/0005-1098（78）90005-5
[14] Robert C.P.，蒙特卡洛统计方法（1999）·Zbl 0935.62005号 ·doi:10.1007/978-1-4757-3071-5
[15] 内政部：10.1111/1467-9868.00219·Zbl 0941.62090号 ·doi:10.1111/1467-9868.00219
[16] Schwarz G.，《统计年鉴》，第6页，461页–（1985年）
[17] 内政部：10.1111/1467-9868.00127·Zbl 0909.62042号 ·doi:10.1111/1467-9868.00127
[18] Troughton P.T.，自回归时间序列的可逆跳跃采样器。使用完整条件实现高效的模型空间移动（1997年）
[19] DOI:10.1109/ICASSP.1998.681598·doi:10.1109/ICASSP.1998.681598
[20] Vermaak J.，自回归过程的贝叶斯模型选择（2000）
[21] West M.，贝叶斯预测和动态模型（1997）·兹比尔0871.62026
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。