×

Alive SMC(^{2}):具有难以处理的可能性的低计数时间序列模型的贝叶斯模型选择。 (英语) Zbl 1419.62228号

摘要:在本文中,我们提出了一种新的方法,用于对具有棘手可能性的低计数时间序列模型进行贝叶斯参数推断和模型选择。该方法包括在序列蒙特卡罗(SMC)算法中加入一个活粒子滤波器,以创建一种新的精确近似算法,我们称之为活SMC。与竞争方法相比,该方法的优点是它具有自然适应性,不涉及可逆跳马尔可夫链蒙特卡罗所需的模型建议,也不依赖于潜在的粗糙近似。该算法在马尔可夫过程和整数自回归滑动平均模型上进行了演示,并应用于医院获得的病原体发病率、动物健康时间序列和骡鹿朊病毒病累计病例数的实际生物数据集。

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
65二氧化碳 蒙特卡罗方法
62页第10页 统计学在生物学和医学科学中的应用;元分析
PDF格式BibTeX公司 XML格式引用
全文: 内政部

参考文献:

[1] Andrieu,《有效蒙特卡罗计算的伪边缘方法》,《统计年鉴》37第697页–(2009)·Zbl 1185.60083号 ·doi:10.1214/07-AOS574
[2] Bailey,N.T.J.1964《随机过程的要素:在自然科学中的应用》·Zbl 0127.11203号
[3] Barthemé,无相似性推理的期望传播,《美国统计协会期刊》109,第315页–(2014)·Zbl 1367.62063号 ·doi:10.1080/01621459.2013.864178
[4] Beaumont,人口遗传学中的近似贝叶斯计算,《遗传学》162页,2025–(2002)
[5] Blum,《近似贝叶斯计算中降维方法的比较评述》,《统计科学》28页189–(2013)·Zbl 1331.62123号 ·doi:10.1214/12-STS406
[6] Box,G.Jenkins,G.M.Reinsel,G.C.1994年时间序列分析:预测与控制·Zbl 0858.62072号
[7] Cérou,非正规化Feynman-Kac粒子模型的非渐近定理,《亨利·庞加莱研究所年鉴》,《概率与统计》47,第629页–(2011)·Zbl 1233.60047号 ·doi:10.1214/10-AIHP358
[8] 肖邦,静态模型的序列粒子滤波方法,Biometrika 89 pp 539–(2002)·Zbl 1036.62062号 ·doi:10.1093/biomet/89.3.539
[9] 肖邦,SMC2:状态空间模型序列分析的有效算法,《皇家统计学会杂志:B辑(统计方法)》75页397–(2013)·文件编号:10.1111/j.1467-9868.2012.01046.x
[10] Del Moral,《连续蒙特卡罗采样器》,《皇家统计学会杂志:B辑(统计方法)》,68页,411–(2006)·Zbl 1105.62034号 ·文件编号:10.1111/j.1467-9868.2006.00553.x
[11] Del Moral,用于近似贝叶斯计算的自适应序贯蒙特卡罗方法,《统计与计算》22 pp 1009–(2012)·Zbl 1252.65025号 ·doi:10.1007/s11222-011-9271-y
[12] Del Moral,P.Jasra,A.Lee,A.Yau,C.Zhang,X.2015活粒子过滤器及其在粒子马尔可夫链蒙特卡罗中的应用出现在随机分析和应用中33 943 974·Zbl 1337.82019年
[13] Del Moral,SIAM/ASA《不确定性量化杂志》3第969页–(2015)·Zbl 1327.65004号 ·数字对象标识代码:10.1137/15M1011214
[14] Didelot,模型证据的无似然估计,贝叶斯分析6第49页–(2011)·Zbl 1330.62118号 ·doi:10.1214/11-BA602
[15] Doucet,A.Pitt,M.Deligiannidis,G.Kohn,R.2015使用无偏似然估计量时马尔可夫链蒙特卡罗的高效实现·Zbl 1452.62055号
[16] Drovandi,医院病房中耐甲氧西林金黄色葡萄球菌传播的多变量马尔可夫过程模型,生物统计学64,第851页–(2008)·Zbl 1274.62762号 ·doi:10.1111/j.1541-0420.2007.00933.x
[17] Drovandi,使用近似贝叶斯计算估算大型寄生虫种群进化参数,《生物统计学》第67页第225页–(2011年)·Zbl 1217.62128号 ·文件编号:10.1111/j.1541-0420.2010.01410.x
[18] Drovandi,C.C.Pettitt,A.N.McCutchan,R.2015具有难以处理的可能性的低计数时间序列模型的精确和近似贝叶斯推断将出现在贝叶斯分析中·Zbl 1359.62365号
[19] Fearnhead,自适应序贯蒙特卡罗采样器,贝叶斯分析8,第411页–(2013)·Zbl 1329.62055号 ·doi:10.1214/13-BA814
[20] Friel,通过幂后验估计边际似然,《皇家统计学会杂志:B辑(统计方法)》70页589–(2008)·Zbl 05563360号 ·doi:10.1111/j.1467-9868.2007.00650.x
[21] Gordon,N.J.Salmond,D.J.Smith,A.F.M.1993非线性/非高斯贝叶斯状态估计雷达和信号处理的新方法,IEE Proceedings F 107 113
[22] 格林伍德,《关于传染性的统计测量》,《卫生学杂志》31页336–(1931)·doi:10.1017/S002217240001086X
[23] Hastie,使用可逆跳马尔可夫链蒙特卡罗选择模型,Statistica Neerlandica 66 pp 309–(2012)·文件编号:10.1111/j.1467-9574.2012.00516.x
[24] Jazi,具有零膨胀泊松创新的一阶整值AR过程,《时间序列分析杂志》,33页,954页–(2012年)·Zbl 1281.62197号 ·文件编号:10.1111/j.1467-9892.2012.00809.x
[25] Lee,使用近似贝叶斯计算的模型选择问题及其在病原体传播数据集中的应用,《生物统计学》71页198–(2015)·Zbl 1419.62388号 ·doi:10.1111/biom.12249
[26] Libo,S.Lee,C.Hoeting,J.2014通过近似贝叶斯计算在确定性和随机动力学模型中的参数推断和模型选择:野生动物疫情建模http://arxiv.org/pdf/1409.7715.pdf
[27] 刘,动态系统的序贯蒙特卡罗方法,美国统计协会杂志93 pp 1032–(1998)·Zbl 1064.65500号 ·doi:10.1080/01621459.1998.10473765
[28] Marin,《贝叶斯模型选择的相关统计》,《皇家统计学会杂志:B辑(统计方法)》,第76页,第833页–(2014年)·doi:10.1111/rssb.12056
[29] McBryde,《重症监护病房耐甲氧西林金黄色葡萄球菌传播的随机数学模型:预测干预措施的影响》,《理论生物学杂志》245第470页–(2007)·doi:10.1016/j.jtbi.2006.11.008
[30] Miller,朊病毒疾病在骡鹿中传播的动力学,《生态学应用》,第16页,2208–(2006)·doi:10.1890/1051-0761(2006)016[2208:DODTI]2.0.CO;2
[31] Prangle,用于ABC模型选择的汇总统计数据的半自动选择,《遗传学和分子生物学中的统计应用》13,第67页–(2014)·Zbl 1296.92065号 ·doi:10.1515/sagmb-2013-012
[32] 怀特,分段近似贝叶斯计算:使用因子后验分布对离散观测的马尔可夫模型进行快速推断,《统计与计算》25,第289页–(2015)·Zbl 1331.65024号 ·doi:10.1007/s11222-013-9432-2
此参考列表基于出版商或数字数学图书馆提供的信息。它的项目与zbMATH标识符启发式匹配,并且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。