Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

Wyszukujesz frazę "almost periodic mean function" wg kryterium: Temat


Wyświetlanie 1-1 z 1
Tytuł:
On Bayesian Inference for Almost Periodic in Mean Autoregressive Models
Wnioskowanie bayesowskie dla zmiennej w czasie prawie okresowej funkcji wartości oczekiwanej w modelu autoregresji
Autorzy:
Lenart, Łukasz
Mazur, Błażej
Powiązania:
https://bibliotekanauki.pl/articles/1050550.pdf
Data publikacji:
2016-09-30
Wydawca:
Główny Urząd Statystyczny
Tematy:
Bayesian inference
almost periodic mean function
autoregressive model
MCMC sampler
wnioskowanie bayesowskie
funkcja prawie okresowa wartości oczekiwanej
model autoregresji
próbnik MCMC
Opis:
The goal of the paper is to discuss Bayesian estimation of a class of univariate time-series models being able to represent complicated patterns of “cyclical” fluctuations in mean function. We highlight problems that arise in Bayesian estimation of parametric time-series model using the Flexible Fourier Form of Gallant (1981). We demonstrate that the resulting posterior is likely to be highly multimodal, therefore standard Markov Chain Monte Carlo (MCMC in short) methods might fail to explore the whole posterior, especially when the modes are separated. We show that the multimodality is actually an issue using the exact solution (i.e. an analytical marginal posterior) in an approximate model. We address that problem using two essential steps. Firstly, we integrate the posterior with respect to amplitude parameters, which can be carried out analytically. Secondly, we propose a non-parametrically motivated proposal for the frequency parameters. This allows for construction of an improved MCMC sampler that effectively explores the space of all the model parameters, with the amplitudes sampled by the direct approach outside the MCMC chain. We illustrate the problem using simulations and demonstrate our solution using two real-data examples.
Źródło:
Przegląd Statystyczny; 2016, 63, 3; 255-272
0033-2372
Pojawia się w:
Przegląd Statystyczny
Dostawca treści:
Biblioteka Nauki
Artykuł
    Wyświetlanie 1-1 z 1

    Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies