天哪，安德鲁;丹尼尔·亨德森。;克里斯·夏洛克 随机动力学模型中精确推断的延迟接受粒子MCMC。 （英语） Zbl 1332.60117号 统计计算。 25，第5期，1039-1055（2015）. 摘要：最近提出的粒子MCMC方法提供了一种灵活的方法，可以对定义为马尔可夫（跳跃）过程（MJP）的随机动力学模型的参数进行贝叶斯推断。该方案的每次迭代都需要对从连续蒙特卡罗方案（也称为粒子滤波器）的输出中计算出的边际似然进行估计。因此，该方法的计算量非常大。因此，我们的目的是通过使用快速近似来避免大多数昂贵的似然计算。我们考虑两种近似：化学朗之万方程扩散近似（CLE）和线性噪声近似（LNA）。可以使用CLE下的边际似然估计或LNA下的可处理边际似然来计算第一步接受概率。只有当一个建议在近似下被接受时，我们才能运行一个序贯蒙特卡罗方案来计算边际估计值真实MJP下的可能性，并构造第二阶段接受概率，以允许对MJP进行精确（基于模拟）推断。因此，我们避免对可能被拒绝的提案进行昂贵的计算。我们通过考虑控制Lotka-Volterra系统的参数推断、基因表达模型和简单的流行病过程来说明该方法。 引用于24文件 MSC公司： 60年28日 连续时间Markov过程在离散状态空间中的应用 60J22型 马尔可夫链中的计算方法 62页第10页 统计学在生物学和医学中的应用；元分析 65C60个 统计中的计算问题（MSC2010） 92D15型 与进化有关的问题 65立方厘米05 蒙特卡罗方法 65立方厘米40 马尔可夫链的数值分析或方法 关键词：马尔可夫跳跃过程;化学朗之万方程;线性噪声近似;颗粒MCMC;延迟验收 PDF格式BibTeX公司 XML格式引用 \textit{A.Golightly}等人，《统计计算》。25，第5号，1039--1055（2015；Zbl 1332.60117） 全文： 内政部 arXiv公司 参考文献： [1] Andrieu，C。；杜塞特，A。；霍伦斯坦，R。；L'Ecuyer，P.（编辑）；Owen，AB（编辑），高效数值模拟的粒子马尔可夫链蒙特卡罗，45-60（2009），柏林，海德堡·Zbl 1184.65001号 ·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（含讨论）。J.R.Stat.Soc.B 72（3），1-269（2010）·Zbl 1411.65020号 ·文件编号：10.1111/j.1467-9868.2009.00736.x [3] Andrieu，C.，Roberts，G.O.：有效计算的伪边际方法。Ann.Stat.第37页，第697-725页（2009年）·Zbl 1185.60083号 ·doi:10.1214/07-AOS574 [4] 新泽西州贝利：传染病数学理论及其应用，第2版。哈夫纳出版社[麦克米伦出版公司]，纽约（1975）·Zbl 0334.92024号 [5] Ball，F.，Neal，P.：两级混合的网络传染病模型。数学。Biosci公司。212(1), 69-87 (2008) ·Zbl 1132.92020年 ·doi:10.1016/j.mbs.2008.01.01 [6] Beaumont，M.A.：基因监测人群中人口增长或下降的估计。遗传学1641139-1160（2003） [7] Boys，R.J.，Giles，P.R.：具有时间非均匀去除率的随机流行病模型的贝叶斯推断。数学杂志。生物学55，223-247（2007）·Zbl 1127.62107号 ·doi:10.1007/s00285-007-0081-y [8] Boys，R.J.，Wilkinson，D.J.，Kirkwood，T.B.L.：离散观测随机动力学模型的贝叶斯推断。统计计算。18, 125-135 (2008) ·数字对象标识代码：10.1007/s11222-007-9043-x [9] Christen，J.A.，Fox，C.：马尔可夫链蒙特卡罗（使用近似值）。J.计算。图表。《统计》第14卷，第795-810页（2005年）·doi:10.1198/106186005X76983 [10] Del Moral，P.：Feynman-Kac公式：谱系和相互作用粒子系统及其应用。施普林格，纽约（2004）·Zbl 1130.60003号 ·doi:10.1007/978-1-4684-9393-1 [11] Doucet，A.，Pitt，M.K.，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（2013）。可从以下位置获得http://arxiv.org/pdf/1210.1871.pdf ·Zbl 1452.62055号 [12] Elf，J.，Ehrenberg，M.：线性噪声近似下生化网络中涨落的快速演化。基因组研究13（11），2475-2484（2003）·doi:10.1101/gr.1196503 [13] Elowitz，M.B.，Levine，A.J.，Siggia，E.D.，Swain，P.S.：单个细胞中的随机基因表达。《科学》297（5584），1183-1186（2002）·doi:10.1126/science.1070919 [14] Fearnhead，P.，Giagos，V.，Sherlock，C.：使用线性噪声近似对反应网络进行推断（将出现在生物统计学中）（2014年）·Zbl 1419.62346号 [15] Fearnhead，P.，Meligkotsidou，L.：部分观测连续时间模型的精确滤波。J.R.Stat.Soc.B.66（3），771-789（2004）·Zbl 1046.62100号 ·doi:10.1111/j.1467-9868.2004.05561.x [16] Ferm，L.，Lötstedt，P.，Hellander，A.：由尺寸参数缩放的主方程的近似层次。科学杂志。计算。34（2），127-151（2008）·Zbl 1136.65007号 ·doi:10.1007/s10915-007-9179-z [17] Gillespie，D.T.：耦合化学反应的精确随机模拟。物理学杂志。化学。81, 2340-2361 (1977) ·doi:10.1021/j100540a008 [18] Gillespie，D.T.：化学主方程的严格推导。《物理学A》188，404-425（1992）·doi:10.1016/0378-4371（92）90283-V [19] Gillespie，D.T.：化学朗之万方程。化学杂志。物理学。113(1), 297-306 (2000) ·doi:10.1063/1.481811 [20] Golightly，A.，Wilkinson，D.J.：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 [21] Golightly，A.，Wilkinson，D.J.：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, 1674-1693 (2008) ·Zbl 1452.62603号 ·doi:10.1016/j.csda.2007.05.019 [22] Golightly，A.，Wilkinson，D.J.：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 [23] Gordon，N.J.、Salmond，D.J.、Smith，A.F.M.：非线性/非高斯贝叶斯状态估计的新方法。即。Proc-F.140，107-113（1993） [24] Jewell，C.P.，Keeling，M.J.，Roberts，G.O.：预测2007年口蹄疫爆发期间未检测到的感染。J.R.Soc.接口61145-1151（2009）·doi:10.1098/rsif.2008.0433 [25] Kitano，H.：计算系统生物学。《自然》420（6912），206-210（2002） [26] Komorowski，M.，Finkenstadt，B.，Harper，C.，Rand，D.：使用线性噪声近似对生化动力学参数进行贝叶斯推断。BMC生物信息学10（1），343（2009）·doi:10.1186/1471-2105-10-343 [27] Kurtz，T.G.：作为纯跳跃马尔可夫过程极限的常微分方程的解。J.应用。普罗巴伯。7, 49-58 (1970) ·Zbl 0191.47301号 ·doi:10.307/3121147 [28] Lee，A.，Yau，C.，Giles，M.B.，Doucet，A.：关于图形卡在使用高级蒙特卡罗方法进行大规模并行模拟方面的实用性。J.计算。图表。《美国联邦法律大全》第19（4）卷第769-789页（2010年）·doi:10.1198/jcgs.2010.10039 [29] Liu，J.S.：科学计算中的蒙特卡罗策略。施普林格，纽约（2001）·兹比尔0991.65001 [30] O'Neill，P.D.，Roberts，G.O.：部分观测随机流行病的贝叶斯推断。J.R.Stat.Soc.A.162，121-129（1999）·doi:10.1111/1467-985X.00125 [31] Petzold，L.：求解刚性和非刚性常微分方程组方法的自动选择。SIAM J.科学。统计计算。4(1), 136-148 (1983) ·Zbl 0518.65051号 ·doi:10.1137/0904010 [32] Pitt，M.K.，dos Santos Silva，R.：基于粒子滤波的马尔可夫链蒙特卡罗模拟方法的一些特性。《经济学杂志》171（2），134-151（2012）·Zbl 1443.62499号 ·doi:10.1016/j.jeconom.2012.06.004 [33] Purutcouglu，V.，Wit，E.：现实MAPK/ERK途径动力学参数的贝叶斯推断。BMC系统。生物学1，P19（2007）·doi:10.1186/1752-0509-1-S1-P19 [34] Sherlock，C.、Thiery，A.、Roberts，G.O.、Rosenthal，J.S.：《伪边缘随机行走大都会算法的效率》（2013）。可从以下位置获得http://arxiv.org/abs/109.7209 ·Zbl 1326.65015号 [35] Smith，M.E.：《使用替代转移估计非线性经济模型》（2011年）。可从以下位置获得https://files.nyu.edu/mes473/public/Smith_Surrogate.pdf [36] Stathopoulos，V.，Giromia，M.：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。菲洛斯。事务处理。R.Soc.A 37120110549（2013）·Zbl 1353.60075号 [37] Swain，P.S.，Elowitz，M.B.，Siggia，E.D.：基因表达随机性的内在和外在贡献。PNAS 99（20），12795-12800（2002）·doi:10.1073/pnas.162041399 [38] van Kampen，N.G.：《物理和化学中的随机过程》。荷兰北部，阿姆斯特丹（2001）·Zbl 0974.60020号 [39] Wilkinson，D.J.：异质生物系统定量描述的随机建模。Genet国家牧师。10, 122-133 (2009) ·doi:10.1038/nrg2509 [40] 威尔金森，D.J.：《系统生物学随机建模》，第2版。Chapman和Hall/CRC出版社，伦敦（2012）·Zbl 1300.92004号 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。