×
吉米·奥尔森;托拜厄斯·里登

状态空间模型基于粒子滤波的最大似然估计量的渐近性质。 （英语） Zbl 1132.62064号

随机过程应用。 118，第4号，649-680（2008）.
摘要：我们研究了通过序贯蒙特卡罗方法获得的状态空间模型的近似最大似然估计的渐近性能。假设潜在马尔可夫链的状态空间和参数空间是紧的。首先，通过在参数空间中的固定网格上运行可能相关的粒子滤波器来计算近似估计，从而得到对数似然函数的逐点近似。其次，通过分段常数函数或B样条插值，将该近似推广到整个参数空间，并通过最大化得到近似最大似然估计。在这种情况下，我们制定了如何增加粒子数和网格分辨率的标准，以生成一致且渐近正态的估计。

引用于6文件

理学硕士：

2009年6月26日 非马尔可夫过程：估计
2012年12月62日 参数估计量的渐近性质
62M20型 随机过程推断和预测
2005年6月2日 马尔可夫过程：估计；隐马尔可夫模型
65立方厘米 马尔可夫链的数值分析或方法
60J22型 马尔可夫链中的计算方法

关键词：

渐近正态性;一致性;隐马尔可夫模型;最大似然;颗粒过滤器;序贯蒙特卡罗方法;状态空间模型
PDF格式BibTeX公司 XML格式引用
\textit{J.Olsson}和\textit{T.Rydén}，随机过程应用。118，第4号，649--680（2008；Zbl 1132.62064）
全文： 内政部

参考文献：

[1] 比克尔，P。；Ritov，Y。；Rydén，T.，一般隐马尔可夫模型最大似然估计量的渐近正态性，Ann.Statist。，26, 1614-1635 (1998) ·Zbl 0932.62097号
[2] Crisan，D.，《粒子过滤器——理论视角》（Doucet，a.；de Freitas，N.；Gordon，N.，《序贯蒙特卡罗方法在实践中的应用》（2001），Springer-Verlag:Springer-Verlag New York），17-41·兹比尔1056.93573
[3] Crisan，D。；Doucet，A.，《面向从业者的粒子滤波方法收敛结果调查》，IEEE Trans。信号处理。，50336-746（2002年）·Zbl 1369.60015号
[4] O·卡佩。；杜克，R。；Moulines女士。；Robert，C.，关于潜在变量模型的蒙特卡罗最大似然法的收敛性，Scand。统计学杂志。，29, 615-635 (2002) ·Zbl 1035.62015号
[5] Chib，S。；Nardari，F。；Shephard，N.，随机波动率模型的马尔可夫链蒙特卡罗方法，《计量经济学杂志》，108281-316（2002）·Zbl 1099.62539号
[6] Chui，C.K.，多元样条（1988），工业和应用数学学会：费城工业和应用算术学会·Zbl 0687.41018号
[7] Churchill，G.A.，异质DNA序列的随机模型，公牛。数学。《生物学》，51，79-94（1989）·Zbl 0662.92012号
[8] Del Moral，P.，Feynman-Kac公式。《系谱和相互作用粒子系统及其应用》（2004），Springer-Verlag:Springer-Verlag纽约·Zbl 1130.60003号
[9] Del Moral，P。；Guionnet，A.，《过滤和遗传算法应用中相互作用过程的稳定性》，Ann.Inst.H.PoincaréProbab。统计人员。，37, 155-194 (2001) ·兹比尔0990.60005
[10] Del Moral，P。；Miclo，L.，（Feynman-Kac公式的分支和相互作用粒子系统近似及其在非线性滤波中的应用。Feynman-Gac公式的分支与相互作用粒子系近似及其在非线性滤波中的运用，数学课堂讲稿，第1729卷（2000），Springer-Verlag：柏林Springer-Verlag）·Zbl 0963.60040号
[11] 杜克，R。；Mathias，C.，一般隐马尔可夫模型最大似然估计的渐近性，伯努利，7381-420（2001）·Zbl 0987.62018号
[12] 杜克，R。；Moulines女士。；Rydén，T.，马尔可夫自回归模型中最大似然估计量的渐近性质，Ann.Statist。，32, 2254-2304 (2004) ·Zbl 1056.62028号
[13] Doucet，A。；北弗雷塔斯。；Gordon，N.，《序贯蒙特卡罗方法简介》（Doucet，A.；de Freitas，N.；Gordon（N.），《实践中的序贯蒙特卡洛方法》（2001），Springer-Verlag:Springer-Verlag New York），3-14·Zbl 1056.93576号
[14] Doucet，A。；北弗雷塔斯。；Gordon，N.，《序贯蒙特卡罗方法在实践中的应用》（2001），Springer-Verlag:Springer-Verlag纽约·Zbl 0967.00022号
[15] Doucet，A。；戈德希尔，S。；Andrieu，C.，《贝叶斯滤波的序贯蒙特卡罗抽样方法》，《统计计算》。，10, 197-208 (2000)
[16] 新泽西州戈登。；Salmond，D.J。；Smith，A.F.M.，非线性/非高斯贝叶斯状态估计的新方法，IEE Proc。通信雷达信号处理。，140, 107-113 (1993)
[17] Hürzeler，M。；Künsch，H.，近似和最大化一般状态空间模型的可能性，（Doucet，a.；de Freitas，N.；Gordon，N.，Sequential Monte Carlo Methods in Practice（2001），Springer Verlag:Springer Verlag New York），159-175·Zbl 1056.93580号
[18] Juang，B.H。；Rabiner，L.R.，语音识别的隐马尔可夫模型，Technometrics，33251-272（1991）·Zbl 0762.62036号
[19] Künsch，H.，状态空间与隐马尔可夫模型，（Barndorff-Nielsen，O.E.；Cox，D.R.；Klüppelberg，C.，《复杂随机系统》（2001），查普曼与霍尔：查普曼和霍尔-博卡拉顿），109-173·兹比尔1002.62072
[20] Le Gland，F。；Mevel，L.，隐马尔可夫模型中的指数遍历性和几何遍历性，数学。控制信号系统，13，63-93（2000）·兹伯利0941.93053
[21] Leroux，B.G.，隐马尔可夫模型的最大似然估计，随机过程。申请。，40, 127-143 (1992) ·Zbl 0738.62081号
[22] Lindvall，T.，耦合方法讲座（1992），威利：威利纽约·Zbl 0760.60078号
[23] 刘杰。；Chen，R.，通过顺序插补进行盲反褶积，J.Amer。统计师。协会，430567-576（1995）·Zbl 0826.62062号
[24] Louis，T.A.，《使用EM算法时发现观测信息矩阵》，J.Roy。统计师。Soc.B，44，226-233（1982）·Zbl 0488.62018号
[25] Lyche，T。；Schumaker，L.L.，局部样条逼近方法，J.近似理论，15，294-325（1975）·Zbl 0315.41011号
[26] Meyn，S.P。；Tweedie，R.L.，《马尔可夫链与随机稳定性》（1993），《施普林格-弗拉格：施普林格伦敦》·Zbl 0925.60001号
[27] J.Olsson、O.Cappé、R.Douc等。Moulines，《序贯蒙特卡罗平滑及其在非线性状态空间模型参数估计中的应用》，技术报告，隆德大学，2006年，eprint arXiv:math。ST/0609514；J.Olsson、O.Cappé、R.Douc等。Moulines，《序贯蒙特卡罗平滑及其在非线性状态空间模型参数估计中的应用》，技术报告，隆德大学，2006年，eprint arXiv:math。ST/0609514号
[28] Petrov，V.V.，《概率论的极限定理：独立随机变量序列》（1995），牛津科学出版社，克拉伦登出版社：牛津科学出版社·Zbl 0826.60001号
[29] M.K.Pitt，《用于可能性评估和最大化的平滑粒子过滤器》，技术报告651，沃里克大学经济系，2002年；M.K.Pitt，《用于可能性评估和最大化的平滑粒子过滤器》，技术报告651，沃里克大学经济系，2002年
[30] Ripley，B.D.，《随机模拟》（1987），威利出版社：威利纽约·Zbl 0613.65006号
[31] van der Vaart，A.W.，《渐近统计》（1998），剑桥大学出版社：剑桥大学出版社·Zbl 0910.62001号
[32] Wald，A.，《关于最大似然估计一致性的注释》，Ann.Math。统计人员。，20, 394-407 (1949)
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。