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。