Markov Chain Monte Carlo for Exact Inference for Diffusions
Markov Chain Monte Carlo for Exact Inference for Diffusions
复制标题
用于扩散精确推理的马尔可夫链蒙特卡罗
DOI：
10.1111/j.1467-9469.2012.00812.x
复制
发表时间：
2012
影响因子：
1
通讯作者：
SERMAIDIS G
中科院分区：
文献类型：
--
作者：
SERMAIDIS G
我们开发精确的马尔可夫链蒙特卡罗方法离散采样，直接和间接观察到的扩散。“精确”的限定是指马尔可夫链的不变和极限分布是参数的后验分布，不含任何离散化误差。我们的方法直接适用的过程的类是那些可以使用最一般的精确模拟算法进行模拟。本文介绍了各种方法来提高基本方案的性能，包括重新参数化和辅助泊松采样。我们在理论上和经验上对比了这种新方法与不可约高频插补的比较，不可约高频插补是我们考虑的一类过程的最先进的替代方案，我们发现了有趣的联系。文中讨论的所有方法都通过典型算例进行了验证。
We develop exact Markov chain Monte Carlo methods for discretely sampled, directly and indirectly observed diffusions. The qualification ‘exact’ refers to the fact that the invariant and limiting distribution of the Markov chains is the posterior distribution of the parameters free of any discretization error. The class of processes to which our methods directly apply are those which can be simulated using the most general to date exact simulation algorithm. The article introduces various methods to boost the performance of the basic scheme, including reparametrizations and auxiliary Poisson sampling. We contrast both theoretically and empirically how this new approach compares to irreducible high frequency imputation, which is the state‐of‐the‐art alternative for the class of processes we consider, and we uncover intriguing connections. All methods discussed in the article are tested on typical examples.
登录
查看更多内容
扩散过程蒙特卡罗概率推理的方法框架
DOI：
--
发表时间：
2009
期刊：
影响因子：
--
作者：
O. Papaspiliopoulos
通讯作者：
O. Papaspiliopoulos
贝叶斯时间序列模型：扩散过程的蒙特卡罗概率推理：方法框架
DOI：
--
发表时间：
2011
期刊：
影响因子：
--
作者：
O. Papaspiliopoulos
通讯作者：
O. Papaspiliopoulos
DOI：
--
发表时间：
2008
期刊：
影响因子：
--
作者：
Stefano Peluchetti;G. Roberts
通讯作者：
G. Roberts
黎曼流形 哈密顿量 蒙特卡罗
DOI：
10.48550/arxiv.0907.1100
发表时间：
2009
期刊：
--
影响因子：
--
作者：
Girolami M
通讯作者：
Girolami M
DOI：
10.1007/s11009-007-9060-4
发表时间：
2008-03-01
影响因子：
0.9
作者：
Beskos, Alexandros;Papaspiliopoulos, Orniros;Roberts, Gareth O.
通讯作者：
Roberts, Gareth O.