.png){kind=icon}
返回
Bayesian multivariate semi-Markov-switching mixed data sampling
.png){kind=icon}
PRE
AI
DOI：10.1177/1471082X251395447.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
我们介绍了一种适用于具有异质性采样频率的多变量时间序列的灵活模型，其中时变不可观测异质性由有限数量的潜在状态捕捉。该潜在的不可观测过程根据半马尔可夫链随时间演变。推断基于一种涉及可逆跳跃马尔可夫链蒙特卡罗（RJ-MCMC）的贝叶斯方法，该方法允许我们避免预先指定潜在状态的数量。在模拟研究中，我们展示了我们的方法以高概率正确恢复潜在状态的真实现状，并且所提出的模型相对于可能的竞争模型具有优势。我们通过分析2022年在丹麦斯普斯站（挪威）记录的两种主要污染物的日数据及其与某些混合频率气象变量的关联来加以说明。
Keyword:
Discrete latent variables
mixed-data sampling (MIDAS)
reversible jump
transdimensional Markov Chain Monte Carlo (MCMC)
期刊
S
IF:
1
论文数:
19
被引数:
0
机构
引用论文
.png){kind=icon}
Bayesian inference in hidden Markov models through the reversible jump Markov chain Monte Carlo method通过可逆跳跃马尔可夫链蒙特卡洛方法在隐马尔可夫模型中进行贝叶斯推断
OAAI
OAAI分享收藏Degeneracy of the EM algorithm for the MLE of multivariate Gaussian mixtures and dynamic constraints
PREAI
分享收藏Bayesian analysis of multivariate Gaussian hidden Markov models with an unknown number of regimes
PREAI
分享收藏
查看更多内容