×
Yonekura，寿藤;亚历山大·贝斯科斯;Sumeetpal S.辛格。

一般隐马尔可夫模型模型选择准则的渐近分析。 （英语） Zbl 1472.62138号

随机过程应用。 132, 164-191 (2021).
摘要：本文获得了一类隐马尔可夫模型（HMM）的模型选择准则（在实践中广泛使用）的渐近性质的分析结果，从而大大扩展了相关理论，使其超越了典型的类i.i.d.模型结构，并填补了相关文献中的一个重要空白。特别是，我们研究了贝叶斯和阿凯克信息标准（BIC和AIC）以及模型证据。在模型嵌套类的设置中，我们证明了对于HMM（在正则性条件下），BIC和证据是强一致的，而AIC不是弱一致的。数值实验支持我们的理论结果。

引用于2文件

MSC公司：

62米10 统计学中的时间序列、自相关、回归等（GARCH）
2005年6月2日 马尔可夫过程：估计；隐马尔可夫模型
2012年12月62日 参数估计量的渐近性质
10层62层 点估计
62B10型 信息理论主题的统计方面
60J22型 马尔可夫链中的计算方法

关键词：

隐马尔可夫模型;Akaike信息标准;贝叶斯信息准则;典型证据
PDF格式BibTeX公司 XML格式引用
\textit{S.Yonekura}等人，《随机过程应用》。132164-191（2021年；Zbl 1472.62138）
全文： 内政部 arXiv公司

参考文献：

[1] Akaike，H.，统计模型识别的新视角，IEEE Trans。自动化。对照，19，6716-723（1974）·兹伯利0314.62039
[2] Barron，A。；Birgé，L。；Massart，P.，通过惩罚选择模型的风险边界，Probab。理论相关领域，113，3，301-413（1999）·Zbl 0946.62036号
[3] O·卡佩。；Moulines，E。；Rydén，T.，（隐马尔可夫模型中的推理。隐马尔可夫模型中的推理，统计学中的施普林格级数（2005），施普林格）·Zbl 1080.62065号
[4] 查特吉，D。；Maitra，T。；Bhattacharya，S.，关于贝叶斯因子在一般设置中几乎肯定收敛的简短说明，Amer。统计人员。，1-4 (2018)
[5] Claeskens，G。；Hjort，N.L.，模型选择和模型平均值，第330卷（2008年），剑桥大学出版社：剑桥大学出版社·Zbl 1166.62001号
[6] 克劳斯，M。；诺瓦克，R。；Baraniuk，R.，《使用隐马尔可夫模型的基于小波的统计信号处理》，IEEE Trans。信号处理。，46, 4, 886-902 (1998)
[7] Csiszár，I。；Shields，P.，BIC Markov阶估计量的一致性，Ann.Statist。，28, 6, 1601-1619 (2000) ·Zbl 1105.62311号
[8] Del Moral，P.，Feynman-Kac公式：谱系和相互作用粒子系统及其应用（2004），Springer·Zbl 1130.60003号
[9] Del Moral，P.，Monte Carlo积分的平均场模拟（2013），Chapman和Hall/CRC·Zbl 1282.65011号
[10] 迪尔，R。；勒科尔夫，S。；Lerasle，M.，《使用往返调度学习成对比较模型中潜在变量的分布》（2020年），arXiv预印本arXiv:1707.0136·Zbl 1469.62317号
[11] 丁，J。；塔洛赫，V。；Yang，Y.，桥接AIC和BIC：自回归的新标准，IEEE Trans。通知。理论，64，6，4024-4043（2017）·Zbl 1395.94209号
[12] 丁，J。；塔洛赫，V。；Yang，Y.，模型选择技术：概述，IEEE信号处理。Mag.，35，6，16-34（2018）
[13] 杜克，R。；Moulines，E.，错误指定的隐马尔可夫模型中最大似然估计的渐近性质，Ann.Statist。，40, 5, 2697-2732 (2012) ·Zbl 1373.62436号
[14] 杜克，R。；Moulines，E。；奥尔森，J。；Van Handel，R.，一般隐马尔可夫模型最大似然估计的一致性，Ann.Statist。，39, 1, 474-513 (2011) ·Zbl 1209.62194号
[15] 杜克，R。；Moulines，E。；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。，322524-2304（2004年）·Zbl 1056.62028号
[16] 杜克，R。；Moulines，E。；Stoffer，D.，《非线性时间序列：理论、方法和应用与R示例》（2014年），CRC出版社·Zbl 1306.62026号
[17] 杜克，R。；奥尔森，J。；Roueff，F.，部分可观测马尔可夫模型的后验一致性，随机过程。申请。，130, 2, 733-759 (2020) ·Zbl 1471.60107号
[18] 杜克，R。；Roueff，F。；Sim，T.，部分可观测马尔可夫链的渐近归一化对数似然最大集，《应用年鉴》。概率。，26, 4, 2357-2383 (2016) ·Zbl 1352.60102号
[19] 盖尔斯，M。；Young，S.，隐马尔可夫模型在语音识别中的应用，发现。趋势信号处理。，1, 3, 195-304 (2008) ·Zbl 1145.68045号
[20] Gassiat，E。；Boucheron，S.，隐马尔可夫模型阶估计中的最优误差指数，IEEE Trans。通知。理论，49，4，964-980（2003）·Zbl 1065.62148号
[21] 格林，P。；Richardson，S.，Hidden Markov模型和疾病映射，J.Amer。统计师。协会，97，460，1055-1070（2002）·Zbl 1046.62117号
[22] 霍尔，P。；Heyde，C.C.，鞅极限理论及其应用（1980），学术出版社·Zbl 0462.60045号
[23] Hurvich，C。；Tsai，C.-L.，小样本中的回归和时间序列模型选择，Biometrika，76,2297-307（1989）·Zbl 0669.62085号
[24] Hurvich，C。；蔡春兰，线性回归中模型选择对推理的影响，美国。统计人员。，44, 3, 214-217 (1990)
[25] 伊布拉基莫夫，R。；Sharakhmetov，S.，关于对称统计的Khintchine、Marcinkiewicz-Zygmund和Rosenthal不等式的类比，Scand。J.Stat.，26，4，621-633（1999）·Zbl 0944.60031号
[26] Jeffreys，H.，《概率论》（1998），牛津大学出版社
[27] Kass，R。；Raftery，A.，Bayes factors，J.Amer。统计师。协会，90，430，773-795（1995）·Zbl 0846.62028号
[28] Kass，R.E。；蒂尔尼，L。；Kadane，J.B.，《基于拉普拉斯方法的后验扩张有效性》（Geisser，s.；Hodges，J.s.；Press，s.J.；Zellner，A.，《统计学和计量经济学中的贝叶斯和似然方法》（1990），北荷兰特：北荷兰德阿姆斯特丹），473-488·Zbl 0734.62034号
[29] Konishi，S。；Kitagawa，G.，模型选择中的通用信息标准，Biometrika，83，4，875-890（1996）·Zbl 0883.62004号
[30] Lang，S.，《真实与功能分析》，第142卷（2012年），施普林格科学与商业媒体
[31] 勒科尔夫，S。；Fort，G.，隐马尔可夫模型中基于在线期望最大化的推理算法，Electron。《J Stat.》，第7763-792页（2013年）·Zbl 1336.62090号
[32] F.Le Gland，L.Mevel，隐马尔可夫模型中MLE的渐近行为，载于《第四届欧洲控制会议论文集》，布鲁塞尔，1997年，1997年·Zbl 0941.93053号
[33] Lehéricy，L.，错误指定非参数隐马尔可夫模型MLE的非渐近控制（2018），arXiv预印本arXiv:1807.03997
[34] 马蒙，R。；Elliott，R.，《金融中的隐马尔可夫模型》，第460卷（2007），施普林格出版社·兹比尔1116.91007
[35] Nishii，R.，《真实模型未指定时的最大似然原理和模型选择》，《多元分析杂志》。，27, 2, 392-403 (1988) ·Zbl 0684.62026号
[36] 奥尔森，J。；Alenlöv，J.W.，基于粒子的切线滤波器在线估计及其在非线性状态空间模型参数估计中的应用，《Ann.Inst.Statist》。数学。，1-32 (2017)
[37] 皮特，M。；马利克，S。；Doucet，A.，《使用连续粒子滤波对随机波动率模型进行模拟似然推断》，《Ann.Inst.Statist》。数学。，66, 3, 527-552 (2014) ·Zbl 1334.62182号
[38] Pouzo，D。；Psaradakis，Z。；Sola，M.，具有时间不均匀马尔可夫状态的可能指定错误的动态模型中的最大似然估计（2016），arxiv预印本arxiv:1612.04932
[39] Poyiadjis，G。；Doucet，A。；Singh，S.，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，98，1，65-80（2011）·Zbl 1214.62093号
[40] Schwarz，G.，估算模型的维数，Ann.Statist。，6, 2, 461-464 (1978) ·Zbl 0379.62005年
[41] 邵，J.，线性模型选择的渐近理论，统计学。Sinica，221-242（1997）
[42] 邵，S。；雅各布·P。；丁，J。；Tarokh，V.，贝叶斯模型与Hyvärinen分数的比较：计算和一致性（2017），arXiv预印本arXiv:1711.00136
[43] Shibata，R.，根据Akaike的信息准则选择自回归模型的阶数，生物统计学，63，1，117-126（1976）·Zbl 0358.62048号
[44] Shibata，R.，估计线性过程参数的模型阶的渐近有效选择，Ann.Statist。，147-164 (1980) ·Zbl 0425.62069号
[45] Shibata，R.，回归变量的最佳选择，生物统计学，68，1，45-54（1981）·Zbl 0464.62054号
[46] Sin，C.-Y。；White，H.，选择可能错误的参数模型的信息标准，《计量经济学杂志》，71，1-2，207-225（1996）·Zbl 0843.62089号
[47] Stone，M.，《通过交叉验证和Akaike准则选择模型的渐近等价性》，J.R.Stat.Soc.Ser。B统计方法。，39, 1, 44-47 (1977) ·Zbl 0355.6202号
[48] Stout，W.，《鞅的Hartman-Wintner重对数定律》，《数学年鉴》。《法律总汇》第41、6、2158-2160页（1970年）·Zbl 0235.60046号
[49] 塔迪奇，V.Z。；Doucet，A.，非线性状态空间模型中递归最大似然估计的渐近性质（2018），arXiv预印本arXiv:1806.09571
[50] Takeuchi，K.，《信息统计分布与模型有效性标准》，数学。科学。，153, 12-18 (1976)
[51] 瓦林，C。；Vidoni，P.，关于复合似然推断和模型选择的注释，Biometrika，92，3519-528（2005）·Zbl 1183.62037号
[52] Yang，Y.，能否分享AIC和BIC的优势？模型识别和回归估计之间的冲突，Biometrika，92，4，937-950（2005）·Zbl 1151.62301号
[53] Yoon，B.-J.，《隐马尔可夫模型及其在生物序列分析中的应用》，Curr。热那亚。，10, 6, 402-415 (2009)
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。