苏菲·唐纳;阿德琳·萨姆森 将PMCMC用于随机混合模型的EM算法：理论和实践问题。 （英语。法语摘要） 兹比尔1316.60115 J.SFdS公司 155，第1期，49-72（2014）. 摘要：在一系列个体中重复测量的生物过程通过混合模型进行标准分析。最近，引入了随机过程来模拟每个主题随时间的变化。虽然这些随机混合模型的可能性很难确定，但当潜在随机过程是离散时间有限状态马尔可夫链时，已经提出了各种估计方法。当隐随机过程是一个具有非有限状态空间的连续时间过程时，情况并非如此。本文主要研究由参数随机微分方程（SDE）定义的混合模型。我们建议将粒子MCMC算法与SAEM算法相结合，用于混合SDE模型的最大似然估计。讨论了理论和数值收敛性。两个模拟例子，一个Ornstein-Uhlenbeck过程和一个随机波动的时间非均匀SDE，说明了这种估计的收敛性，包括已知难以估计的波动参数。 引用于6文件 MSC公司： 60J22型 马尔可夫链中的计算方法 60 H10型 随机常微分方程（随机分析方面） 60J60型 扩散过程 10层62层 点估计 62J12型 广义线性模型（逻辑模型） 62页第10页 统计学在生物学和医学中的应用；元分析 关键词：混合模型;随机微分方程;SAEM公司;颗粒过滤器;PMCMC公司 PDF格式BibTeX公司 XML格式引用 \textit{S.Donnet}和\textit{A.Samson}，J.SFdS 155，第1期，第49-72页（2014；Zbl 1316.60115） 全文： 链接