×
天哪，安德鲁;克里斯·夏洛克

部分观测扩散过程的增强伪边缘Metropolis-Hastings。 （英语） Zbl 1482.62011年

统计计算。 32，第1号，第21号论文，第18页（2022年）.
摘要：我们考虑非线性、多元扩散过程的推理问题，满足Itó随机微分方程（SDE），使用离散时间的数据，这些数据可能是不完整的，并且会受到测量误差的影响。我们的出发点是最先进的相关伪边缘Metropolis-Hastings算法，该算法使用相关粒子滤波器在连续的似然估计之间诱导出强正相关。然而，除非测量误差或SDE的维数很小，否则相关性可能会被粒子滤波器中的重采样步骤侵蚀。因此，我们提出了一种新的增强方案，允许在观测时间对潜在过程的值进行调节，完全避免了重新采样步骤的需要。我们用额外的吉布斯步积分观测时间的不确定性。将所得伪边缘方案与现有扩散过程推理方案联系起来，给出了一个包含吉布斯抽样和伪边缘方案的统一推理框架。该方法应用于三个日益复杂的示例中。我们发现，与竞争方法相比，我们的方法大大提高了整体效率。

MSC公司：

62-08 统计问题的计算方法

关键词：

随机微分方程;贝叶斯推断;伪边缘大都市——黑斯廷斯;数据增强;线性噪声近似

软件：

化学需氧量;桥梁.jl;贝叶斯统计扩散.jl
PDF格式BibTeX公司 XML格式引用
\textit{A.Golightly}和\textit{C.Sherlock}，统计计算。32，第1号，第21号论文，18页（2022；Zbl 1482.62011）
全文： 内政部 arXiv公司

参考文献：

[1] Andrieu，C。；Doucet，A。；霍伦斯坦，R。；L'Ecuyer，P。；Owen，AB，高效数值模拟的粒子马尔可夫链蒙特卡罗，蒙特卡罗和准蒙特卡罗方法2008，45-60（2009），海德堡：斯宾格，海德伯格·兹比尔1184.65001 ·doi:10.1007/978-3642-04107-53
[2] Andrieu，C。；Doucet，A。；Holenstein，R.，粒子马尔可夫链蒙特卡罗方法（带讨论），J.R.Statist。Soc.B，72，3，1-269（2010年）·Zbl 1411.65020号 ·文件编号：10.1111/j.1467-9868.2009.00736.x
[3] Andrieu，C。；罗伯茨，GO，《有效计算的伪边缘方法》，年鉴。统计，37，697-725（2009）·Zbl 1185.60083号 ·doi:10.1214/07-AOS574
[4] Arkin，A。；罗斯，J。；McAdams，HH，噬菌体感染的大肠杆菌细胞发育途径分叉的随机动力学分析，遗传学，1491633-1648（1998）
[5] Arnaudon，A.、van der Meulen，F.、Schauer，M.和Sommer，S.：随机哈密顿系统的扩散桥及其在形状分析中的应用。可从以下位置获得http://arxiv.org/abs/2002.00885(2020)
[6] 贝拉德，J。；Del Moral，P。；Doucet，A.，归一化常数粒子近似的对数正态中心极限定理，电子。J.探针。，19, 1-28 (2014) ·Zbl 1308.65014号
[7] Botha，I.：随机微分方程混合效应模型的贝叶斯推断。昆士兰理工大学哲学硕士论文（2020年）
[8] 陈，N。；Giannakis，D。；赫贝，R。；Majda，AJ，用于隐式间歇不稳定信号参数估计的MCMC算法，SIAM/ASA J.不确定性。量化，2647-669（2014）·Zbl 1350.60071号 ·数字对象标识代码：10.1137/130944977
[9] Choppala，P.、Gunawan，D.、Chen，J.、Tran，M.-N.和Kohn，R.：使用块和相关伪边际方法对状态空间模型进行贝叶斯推断。可从以下位置获得http://arxiv.org/abs/1311.3606(2016)
[10] Dahlin，J.、Lindsten，F.、Kronander，J.和Schön，T.B.通过关联辅助变量加速伪边缘大都市黑斯廷斯。可从以下位置获得https://arxiv.1511.05483v1(2015)
[11] Del Moral，P.，Feynman-Kac公式：谱系和相互作用粒子系统及其应用（2004），纽约：Springer，纽约·Zbl 1130.60003号 ·doi:10.1007/978-1-4684-9393-1
[12] Deligiannidis，G。；Doucet，A。；Pitt，MK，相关伪边缘方法，J.R.Soc.系列B（统计方法），80，5，839-870（2018）·Zbl 1407.62074号 ·doi:10.1111/rssb.12280
[13] Doucet，A。；皮特，MK；Deligiannidis，G。；Kohn，R.，《使用无偏似然估计量时马尔可夫链蒙特卡罗的有效实现》，《生物统计学》，102，2，295-313（2015）·Zbl 1452.62055号 ·doi:10.1093/biomet/asu075
[14] Duane，S。；肯尼迪，AD；彭德尔顿，BJ；Roweth，D.，混合蒙特卡罗，物理。莱特。B、 195216-222（1987）·doi:10.1016/0370-2693（87）91197-X
[15] 英国达勒姆；Gallant，RA，连续时间扩散过程最大似然估计的数值技术，J.Bus。经济。《统计》，第20卷，第279-316页（2002年）·电话：10.1198/073500102288618397
[16] 费恩黑德，P。；贾戈斯，V。；Sherlock，C.，《使用线性噪声近似对反应网络进行推断》，《生物统计学》，70456-457（2014）·兹伯利1419.62346 ·doi:10.1111/biom.12152
[17] 费恩黑德，P。；Meligkotsidou，L.，粒子MCMC的增强方案，统计与计算，26，1293-1306（2016）·Zbl 1356.65025号 ·doi:10.1007/s11222-015-9603-4
[18] Feller，W.，《抛物型微分方程及其相关的变换半群》，年鉴。数学。，55468-51952年·Zbl 0047.09303号 ·doi:10.2307/1969644
[19] Fuchs，C.，《生命科学中应用的扩散过程推断》（2013），海德堡：施普林格·Zbl 1276.62051号 ·doi:10.1007/978-3-642-25969-2
[20] 戈莱特利，A。；布拉德利，E。；Lowe，T。；Gillespie，CS，时间离散随机动力学模型的相关伪边缘格式，CSDA，136，92-107（2019）·Zbl 1507.62064号
[21] 戈莱特利，A。；Wilkinson，DJ，使用扩散近似对随机动力学模型进行贝叶斯推断，生物统计学，61，3，781-788（2005）·Zbl 1079.62110号 ·doi:10.1111/j.1541-0420.2005.00345.x
[22] 戈莱特利，A。；Wilkinson，DJ，误差观测非线性多元扩散模型的贝叶斯推断，计算。统计数据分析。，52, 3, 1674-1693 (2008) ·Zbl 1452.62603号 ·doi:10.1016/j.csda.2007.05.019
[23] Golightly，A.，Wilkinson，D.J.：SDE参数估计的马尔可夫链蒙特卡罗算法。摘自：Lawrence，N.D.、Girolma，M.、Rattray，M.和Sanguinetti，G.（编辑）《计算系统生物学中的学习和推理》。麻省理工学院出版社（2010）
[24] 戈莱特利，A。；Wilkinson，DJ，使用粒子马尔可夫链蒙特卡罗对随机生化网络模型进行贝叶斯参数推断，界面焦点，1，6，807-820（2011）·doi:10.1098/rsfs.2011.0047
[25] 卡拉格罗普洛斯，K。；罗伯茨，G。；Dellaportas，P.，《利用时间变化变换推断随机波动率模型》，年鉴。统计，38784-807（2010）·Zbl 1189.91220号 ·doi:10.1214/09-AOS702
[26] AJ Majda；Franzke，C。；Crommelin，D.，简化随机气候模型的正态形式，PNAS，106，3649-3653（2009）·Zbl 1202.86011号 ·doi:10.1073/pnas.0900173106
[27] 奈梅特，C。；费恩黑德，P。；Mihaylova，L.，具有线性计算成本的状态空间模型中参数估计的分数和观测信息矩阵的粒子近似，J.Compute。《集团统计》，25，1138-1157（2016）·doi:10.1080/10618600.2015.093492
[28] J.欧文。；DJ威尔金森；Gillespie，CS，具有棘手可能性的马尔可夫过程的可扩展推理，统计学计算。，25, 145-156 (2015) ·Zbl 1331.62065号 ·doi:10.1007/s11222-014-9524-7
[29] Papaspiliopoulos，O。；罗伯茨，GO；Stramer，O.，《扩散数据增强》，J.Compute。《集团统计》，22，665-688（2013）·doi:10.1080/10618600.2013.783484
[30] 皮奇尼，美国。；Forman，JL，肿瘤异种造影研究的随机微分方程混合效应模型的贝叶斯推断，J.R.Statistical Soc.Series C，68887-913（2019）·doi:10.1111/rssc.12347
[31] 皮特，MK；多斯桑托斯·席尔瓦，R。；佐丹尼，P。；Kohn，R.，《基于粒子滤波的马尔可夫链蒙特卡罗模拟方法的一些性质》，《计量经济学杂志》，171，2，134-151（2012）·Zbl 1443.62499号 ·doi:10.1016/j.jeconom.2012.06.004
[32] 普卢默，M。；贝斯特，N。；Cowles，K。；Vines，K.，CODA：MCMC的收敛诊断和输出分析，R News，6，1，7-11（2006）
[33] Poyiadjis，G。；Doucet，A。；Singh，SS，状态空间模型中分数和观测信息矩阵的粒子近似及其在参数估计中的应用，Biometrika，98，65-80（2011）·Zbl 1214.62093号 ·doi:10.1093/biomet/asq062
[34] 罗伯茨，GO；Stramer，O.，《关于使用Metropolis-Hastings算法推断非线性扩散模型》，Biometrika，88，3，603-621（2001）·Zbl 0985.62066号 ·doi:10.1093/biomet/88.3.603
[35] Schauer，M。；范德梅伦，F。；van Zanten，H.，《模拟多维扩散桥的指导性建议》，伯努利，23，2917-2950（2017）·Zbl 1415.65022号 ·doi:10.3150/16-BEJ833
[36] 夏洛克，C。；Thiery，A。；罗伯茨，GO；Rosenthal，JS，《伪边缘随机行走大都会算法的效率》，年鉴。统计，43，1，238-275（2015）·Zbl 1326.65015号 ·doi:10.1214/14-AOS1278
[37] Stathopoulos，V.公司。；Giromia，MA，《通过线性噪声近似对马尔可夫跳跃过程进行马尔可夫链蒙特卡罗推断》，哲学。《R.Soc.A交易》，37120110541（2013）·Zbl 1353.60075号 ·doi:10.1098/rsta.2011.0541
[38] 绞合线，O。；Bognar，M.，使用伪边缘方法对不可约扩散过程的贝叶斯推断，贝叶斯分析。，6, 231-258 (2011) ·Zbl 1330.60092号 ·doi:10.1214/11-BA608
[39] 绞合线，O。；沈，X。；Bognar，M.，Heston-STAR模型的贝叶斯推断，统计计算。，27, 331-348 (2017) ·Zbl 1505.62388号 ·doi:10.1007/s11222-015-9625-y
[40] Tran，M.-N.，Kohn，R.，Quiroz，M.和Villani，M.：街区式伪边缘都市——黑斯廷斯。可从以下位置获得网址：http://arxiv.org/abs/1603.02485(2016)
[41] 范德梅伦，F。；Schauer，M.，使用指导建议对离散观测的多维扩散过程进行贝叶斯估计，Electron。《统计学杂志》，第11期，第2358-2396页（2017年）·Zbl 1378.62050号
[42] 佐治亚州惠特克；戈莱特利，A。；男孩，RJ；Sherlock，C.，随机微分方程的改进桥接构造，统计计算。，27, 885-900 (2017) ·Zbl 1384.65011号 ·doi:10.1007/s11222-016-9660-3
[43] DJ Wilkinson，《系统生物学随机建模》（2018），佛罗里达州博卡拉顿：查普曼和霍尔/CRC出版社，佛罗里达州波卡拉顿·Zbl 1403.92003年
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。