保罗·费恩黑德;Papaspiliopoulos,奥密罗斯;加雷思·罗伯茨。;安德鲁·斯图亚特 连续时间过程的随机加权粒子滤波。 (英语) Zbl 1411.60109号 J.R.Stat.Soc.,塞尔维亚。B、 统计方法。 72,第4期,497-512(2010). 摘要:在重要性采样权重为随机的情况下,可以实现重要性采样和粒子滤波算法。这种随机加权算法已被证明对于一类扩散模型的推理是有效的,因为它们可以在不需要对基础扩散模型进行任何(时间离散化)近似的情况下进行推理。实现这种随机加权算法的一个困难是需要具有概率为1的正权重。我们展示了如何使用鞅的Wald恒等式来确保正权重。我们将这种思想应用于从高频数据中分析扩散模型。对于一类扩散模型,我们展示了如何实现粒子过滤器,该过滤器使用数据中的所有信息,但其计算成本与数据频率无关。我们使用Wald恒等式为这些模型实现了一个随机加权粒子滤波器,避免了时间离散化误差。 引用于13文件 MSC公司: 60J22型 马尔可夫链中的计算方法 65立方厘米 马尔可夫链的数值分析或方法 62M20型 随机过程推断和预测 关键词:扩散;精确模拟;高斯过程;综合过程;负重要性权重;泊松估计量;序贯蒙特卡罗方法 PDF格式BibTeX公司 XML格式引用 \textit{P.Fearnhead}等人,J.R.Stat.Soc.,Ser。B、 统计方法。72,第4号,497--512(2010;Zbl 1411.60109) 全文: 内政部