×
天哪，安德鲁；达伦·威尔金森。

具有信息观测的马尔可夫跳跃过程的贝叶斯推理。 （英语） Zbl 1311.92089号

统计应用程序。遗传学。分子生物学。 14，第2期，169-188（2015）.
摘要：本文研究随机动力学模型的马尔可夫跳跃过程（MJP）表示的参数推断问题。由于转移概率对于大多数感兴趣的过程来说都是难以处理的，但正向模拟很简单，贝叶斯推理通常通过计算密集型方法进行，例如（粒子）MCMC。这种方法表面上要求能够模拟条件跳跃过程的轨迹。当观测信息丰富时，前向模拟器的使用可能效率低下，甚至可能妨碍准确的（基于仿真的）分析。因此，我们提出了三种提高条件跳跃过程模拟效率的方法。基于跳跃过程的近似推导出条件危险，并用于生成端点条件轨迹，以在重要抽样算法中使用。我们还将最近提出的序贯蒙特卡罗方法应用于我们的问题。基本上，在一组中间时间点对轨迹进行重新加权，为与下一次观测一致的轨迹分配更多权重。基于MJP的两个连续近似，我们考虑了这种方法的两种实现方式。在使用这些结构对Lotka-Volterra系统进行推理之前，我们将其用于简单易处理的跳转过程进行比较。性能最佳的结构用于推断控制运动调节简单模型的参数枯草芽孢杆菌.

引用于10文件

MSC公司：

92C45型 生化问题中的动力学（药代动力学、酶动力学等）
60J20型 马尔可夫链和离散时间马尔可夫过程在一般状态空间（社会流动、学习理论、工业过程等）上的应用
2015年1月62日 贝叶斯推断

关键词：

化学朗之万方程；线性噪声近似；马尔可夫跳跃过程；粒子边缘大都市——黑斯廷斯；序贯蒙特卡罗；随机动力学模型

软件：

桥梁.jl
PDF格式BibTeX公司 XML格式引用
\textit{A.Golightly}和\textit{D.J.Wilkinson}，统计应用。遗传学。分子生物学。14，第2号，169--188（2015；Zbl 1311.92089）
全文： 内政部 arXiv公司

参考文献：

[1] Andrieu，C.和G.O.Roberts（2009）：“有效计算的伪边缘方法”，《美国统计年鉴》，第37卷，第697-725页·兹比尔1185.60083
[2] Andrieu，C.、A.Doucet和R.Holenstein（2009）：高效数值模拟的粒子马尔可夫链蒙特卡罗。摘自：L'Ecuyer，P.，Owen，A.B.，（编辑），《蒙特卡罗和准蒙特卡罗方法2008》，Spinger-Verlag:Berlin Heidelberg，第45-60页·Zbl 1184.65001号
[3] Andrieu，C.，A.Doucet和R.Holenstein（2010）：“粒子马尔可夫链蒙特卡罗方法（带讨论）”，J.R.Statist。Soc.B，72，1-269·Zbl 1411.65020号
[4] Bailey，N.T.J.（1964）：《随机过程的要素及其在自然科学中的应用》，Wiley:纽约·Zbl 0127.11203号
[5] Bailey，N.T.J.（1975）：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·Zbl 0334.92024号
[6] Beaumont，M.A.（2003）：“遗传监测人群中人口增长或下降的估计”，《遗传学》，1641139-1160。；
[7] Boys，R.J.和P.R.Giles（2007）：“具有时间非均匀去除率的随机流行病模型的贝叶斯推断”，J.Math。生物学，55，223-247·Zbl 1127.62107号
[8] Boys，R.J.、D.J.Wilkinson和T.B.L.Kirkwood（2008）：“离散观测随机动力学模型的贝叶斯推断”，统计计算。，18, 125-135.;
[9] Del Moral，P.（2004）：《费曼-卡公式：系谱和相互作用粒子系统及其应用》，施普林格：纽约·Zbl 1130.60003号
[10] Del Moral，P.和L.M.Murray（2014）：“具有高度信息性观察的序贯蒙特卡罗”·Zbl 1327.65004号
[11] Delyon，B.和Y.Hu（2006）：“条件扩散模拟和参数估计应用”，Stoch。程序。申请。，116, 1660-1675.; ·Zbl 1107.60046号
[12] Doucet，A.、M.K.Pitt和R.Kohn（2014）：“使用无偏似然估计量时马尔可夫链蒙特卡罗的有效实现”·Zbl 1452.62055号
[13] Durham，G.B.和R.A.Gallant（2002）：“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，20，279-316。；
[14] Elf，J.和M.Ehrenberg（2003）：“线性噪声近似下生化网络波动的快速演化”，《基因组研究》，第13期，第2475-2484页。；
[15] Fan，Y.和C.R.Shelton（2008）：“连续时间贝叶斯网络中近似推理的抽样”，第十届人工智能和数学国际研讨会。电子诉讼程序，见；
[16] Fearnhead，P.（2008）：“复杂随机系统的计算方法：MCMC的一些替代方法综述”，《统计计算》。，18, 151-171.;
[17] Fearnhead，P.、V.Giagos和C.Sherlock（2014）：“使用线性噪声近似对反应网络进行推断”，《生物计量学》，70457-466·Zbl 1419.62346号
[18] Feller，W.（1952）：“抛物型微分方程和相关的变换半群”，《数学年鉴》。，55, 468-519.; ·Zbl 0047.09303号
[19] Ferm，L.，P.Lötstedt和A.Hellander（2008）：“由尺寸参数缩放的主方程近似层次”，《科学杂志》。计算。，34, 127-151.; ·Zbl 1136.65007号
[20] Gillespie，D.T.（1977）：“耦合化学反应的精确随机模拟”，J.Phys。化学。，81, 2340-2361.;
[21] Gillespie，D.T.（1992）：“化学主方程的严格推导”，《物理学A》，188，404-425。；
[22] Gillespie，D.T.（2000）：“化学朗之万方程”，《化学杂志》。物理。，113, 297-306.;
[23] Golightly，A.和D.J.Wilkinson（2005）：“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》，61781-788·Zbl 1079.62110号
[24] Golightly，A.和D.J.Wilkinson（2011）：“使用粒子马尔可夫链蒙特卡罗的随机生物化学网络模型的贝叶斯参数推断”，界面焦点，1807-820。；
[25] Golightly，A.、D.A.Henderson和C.Sherlock（2014）：“随机动力学模型中精确推断的延迟接受粒子mcmc”，统计计算。内政部。10.1007/s11222-014-9469-X·Zbl 1332.60117号
[26] Gordon，N.J.、D.J.Salmond和A.F.M.Smith（1993）：“非线性/非高斯贝叶斯状态估计的新方法”，IEE Proceedings-F，140，107-113。；
[27] Hajiaghayi，M.、B.Kirkpatrick，L.Wang和A.Bouchard-Cóté（2014）：“高效连续时间马尔可夫链估计”，《第31届机器学习国际会议论文集》。机器学习杂志（JMLR），32。；
[28] Kearns，D.B.和R.Losick（2005）：“枯草芽孢杆菌生长过程中的细胞种群异质性”，《基因开发》，第19期，第3083-3094页。；
[29] Komorowski，M.，B.Finkenstadt，C.Harper和D.Rand（2009）：“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，10343。；
[30] Kurtz，T.G.（1970）：“作为纯跳跃马尔可夫过程极限的常微分方程解”，J.Appl。概率。，7, 49-58.; ·兹比尔0191.47301
[31] Lewis，P.A.W.和G.S.Shedler（1979）：“通过细化模拟非均匀泊松过程”，海军研究后勤。问，26，401-413·Zbl 0497.60003号
[32] Lin，M.，R.Chen和J.S.Liu（2013）：“序贯蒙特卡罗的前瞻策略”，《统计科学》。，28, 69-94.; ·Zbl 1332.62144号
[33] Liu，J.S.和R.Chen（1995）：“通过顺序插补进行盲反褶积”，《美国统计协会期刊》，第90期，第567-576页·Zbl 0826.62062号
[34] O'Neill，P.D.和G.O.Roberts（1999）：“部分观测到的随机流行病的贝叶斯推断”，J.R.Statist。社会学协会，162121-129。；
[35] Petzold，L.（1983）：“求解刚性和非刚性常微分方程组方法的自动选择”，SIAM J.Sci。统计计算。，4, 136-148.; ·Zbl 0518.65051号
[36] Pitt，M.K.和N.Shephard（1999）：“通过模拟进行过滤：辅助粒子过滤器”，J.Am.Stat.Assoc.，446，590-599·Zbl 1072.62639号
[37] Pitt，M.K.，R.dos Santos Silva，P.Giordani和R.Kohn（2012）：“基于粒子滤波器的马尔可夫链蒙特卡罗模拟方法的一些特性”，《计量经济学杂志》，171，134-151·Zbl 1443.62499号
[38] Schauer，M.、F.van der Meulen和H.van Zanten（2014）：“模拟多维扩散桥的指导性建议”·Zbl 1415.65022号
[39] Sherlock，C.、A.Golightly和C.S.Gillespie（2014）：“混合离散-连续系统生物模型的贝叶斯推断”，《逆向问题》，30:114005·Zbl 1359.62087号
[40] Sherlock，C.、A.Thiery、G.O.Roberts和J.S.Rosenthal（2013）：“伪边缘随机行走大都会算法的效率”·Zbl 1326.65015号
[41] Sonenshein，A.L.，H.J.A.和R.Losick，Eds.（2002）：枯草芽孢杆菌及其近亲，美国华盛顿特区：ASM出版社。；
[42] Stramer，O.和J.Yan（2007）：“扩散过程转移密度的有效蒙特卡罗估计的渐近性”，Methodol。计算。申请。探针。，9, 483-496.; ·Zbl 1134.60369号
[43] van Kampen，N.G.（2001）：《物理和化学中的随机过程》，荷兰阿姆斯特丹：北荷兰·Zbl 0974.60020号
[44] Wilkinson，D.J.（2009）：“异质生物系统定量描述的随机建模”，《自然评论遗传学》。，10, 122-133.;
[45] Wilkinson，D.J.（2011）：细菌基因调控随机动力学模型的参数推断：系统生物学的贝叶斯方法（含讨论）。在：贝叶斯统计学9，Bernardo，J.M.E.A.（编辑），牛津大学：牛津大学出版社，第679-706页。；
[46] Wilkinson，D.J.（2012）：《系统生物学的随机建模》，第2版，佛罗里达州博卡拉顿：查普曼和霍尔/CRC出版社·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。