我们可以使用链接到您的Project Euclid帐户的电子邮件地址帮助您重置密码。
有限混合模型及其对马尔可夫混合和专家混合模型的扩展在分析各种数据时非常流行。这些模型的一个挑战是根据边际可能性选择组件的数量。本文提出了两种创新的、通用的边缘似然桥式抽样估计方法,其基础是根据吉布斯抽样过程中产生的条件密度构造平衡重要性密度。全排列桥抽样估计器是通过考虑这些密度子集的混合标签的所有可能排列而得出的。对于双随机排列桥抽样估计器,应用了两级随机排列,首先排列MCMC图的标签,然后随机排列Gibbs抽样过程中产生的条件密度的标签。不同的应用表明,与从相同的重要性密度导出的重要性和重要性倒数抽样估计相比,这些估计具有非常好的性能。
西尔维娅·福吕维特·施纳特(Sylvia Frühwirth-Schnatter)。 “在有限混合、专家混合和马尔可夫混合模型中保持平衡桥抽样用于边际似然估计。” 钎焊。J.概率。斯达。 33 (4) 706 - 733, 2019年11月。 https://doi.org/10.1214/19-BJPS446