特雷西·霍尔斯劳;阿瑟·格林(Arthur M.Greene)。;安德鲁·罗伯逊。;帕德拉伊克·斯迈思 通过Pólya-Gamma数据增强的贝叶斯非齐次马尔可夫模型及其在降雨建模中的应用。 (英语) Zbl 1366.62255号 Ann.应用。斯达。 11,第1号,393-426(2017). 摘要:离散时间隐马尔可夫模型是一类广泛使用的潜在变量模型,在语音识别、生物信息学和气候数据分析等领域具有应用。在实践中,通过多项式logistic参数化使转移概率依赖于时变的外生输入变量,将时间非均匀性引入此类模型是常见的。我们扩展了这些模型,使用广义线性模型(GLM)将额外的非均匀性引入到排放分布中,并对基于采样的推断进行了数据增强。然而,状态转换模型中逻辑函数的存在显著地使整个模型的参数推断复杂化,特别是在贝叶斯上下文中。为了解决这个问题,我们将最近提出的Pólya-Gamma数据增强方法扩展到处理非齐次隐马尔可夫模型(NHMMs),从而开发出一种高效的马尔可夫链蒙特卡罗(MCMC)采样方案。我们将我们的模型和推理方案应用于印度30年的日降雨量,从而对该地区与降雨相关的现象产生了许多见解。我们提出的方法允许对相对复杂的NHMM进行完全贝叶斯分析,而这在以前的方法中是不可能的。实现本文所述方法的软件可通过R包NHMM获得。 引用于7文件 MSC公司: 62页第12页 统计在环境和相关主题中的应用 2005年6月2日 马尔可夫过程:估计;隐马尔可夫模型 62J12型 广义线性模型(逻辑模型) 62米10 统计学中的时间序列、自相关、回归等(GARCH) 62甲12 多元分析中的估计 关键词:非齐次隐马尔可夫模型;多元时间序列;Pólya-Gamma潜在变量;probit和logit链接 软件:R(右);NHMM公司;MNP公司 PDF格式BibTeX公司 XML格式引用 \textit{T.Holsclaw}等人,Ann.Appl。Stat.11,No.1,393--426(2017;Zbl 1366.62255) 全文: 内政部 arXiv公司 欧几里得