1.问题
我对变量进行了一些测量,其中,我通过MCMC获得了分布,为简单起见,我将其假设为均值的高斯和方差。ytt=1,2,..,nfyt(yt)μtσ2t
对于这些观察,我有一个物理模型,例如,但是残差似乎是相关的;特别是,我有物理上的理由认为流程足以考虑相关性,因此我计划通过MCMC获得拟合系数,为此我需要可能性。我认为解决方案很简单,但是我不太确定(它看起来很简单,以至于我遗漏了一些东西)。g(t)rt=μt−g(t)AR(1)
2.推导可能性
零均值流程可写为:
其中,我假设。因此,要估计的参数为(在我的情况下,我还必须添加模型的参数,但这不是问题)。但是,我观察到的是变量
,其中我假设和是已知的(测量误差)。因为是高斯过程,所以也是。我特别知道
X 吨 = φ X 吨- 1 + ε 吨,(1 )ε 吨〜Ñ (0 ,σ 2 瓦特)θ = { φ ,σ 2 瓦特 } 克(吨)- [R 吨 = X 吨 + η 吨,(2 )η 吨〜ñ (AR(1)
Xt=ϕXt−1+εt, (1)
εt∼N(0,σ2w)θ={ϕ,σ2w}g(t)[RŤ= XŤ+ ηŤ,(2 )
σ 2 吨 X吨ř吨X1〜Ñ(0,σ 2 瓦特 /[1-φ2]),ηŤ〜ñ(0 ,σ2Ť)σ2ŤXŤ[RŤX1个〜ñ(0 ,σ2w/ [1− ϕ2] ),
因此,
接下来的挑战是获得的。要导出此随机变量的分布,请注意,使用等式。我可以写
使用等式。,并使用等式的定义。我可以这样写:
使用等式 在最后一个表达式中,我得到
因此,
[R Ť | ř 吨- 1吨≠ 1 (2 )X 吨- 1 = - [R 吨- 1 - η 吨- 1。(3 )(2 )(1[R1个〜ñ(0 ,σ2w/ [1− ϕ2] + σ2Ť)。
[RŤ| [Rt − 1t ≠ 1(2 )Xt − 1= Rt − 1- ηt − 1。(3 )
(2 )R(1 )(3) - [R 吨 =φ( ř 吨- 1 - η 吨- 1)+ ε 吨 + η 吨, - [R 吨| ř 吨- 1 =φ( ř 吨- 1 - ηRt=Xt+ηt=ϕXt−1+εt+ηt.
(3)Rt=ϕ(Rt−1−ηt−1)+εt+ηt,
Rt|Rt−1=ϕ(rt−1−ηt−1)+εt+ηt,
,因此,
最后,我可以将似然函数写为
L(\ theta)= f_ {R_1}(R_1 = r_1)\ prod_ {t = 2} ^ {n} f_ {R_ {t} | R_ {t-1}}( R_t = r_t | R_ {t-1} = r_ {t-1}),
其中
f(\ cdot)是我刚刚定义的变量的分布,即,定义
\ sigma'^ 2 = \ sigma_w ^ 2 / [1- \ phi ^ 2] + \ sigma_t ^ 2,f_ {R_1}(R_1 = r_1)= \ frac {1} {\ sqrt {2 \ pi \ sigma'^ 2}} \ text {exp} \ left(-\ frac {r_1 ^ 2} {2 \ sigma'^ 2} \ right),
并定义
\ sigma ^ 2(t)= \ sigma_w ^ 2 + \ sigma_t ^ 2- \ phi ^ 2 \ sigma ^ 2_ {t-1},
Rt|Rt−1∼N(ϕrt−1,σ2w+σ2t−ϕ2σ2t−1).
L(θ)=fR1(R1=r1)∏t=2nfRt|Rt−1(Rt=rt|Rt−1=rt−1),
f(⋅)σ′2=σ2w/[1−ϕ2]+σ2t,
fR1(R1=r1)=12πσ′2−−−−−√exp(−r212σ′2),
σ2(t)=σ2w+σ2t−ϕ2σ2t−1fRt|Rt−1(Rt=rt|Rt−1=rt−1)=12πσ2(t)−−−−−−√exp(−(rt−ϕrt−1)22σ2(t))
3.问题
- 我的推算可以吗?除了模拟(似乎同意)之外,我没有其他资源可以比较,而且我不是统计学家!
- 文献中对进程或进程有任何此类推导吗?甲ř 中号甲(1 ,1 )MA(1)ARMA(1,1)通常可以针对这种情况进行的过程研究很好。ARMA(p,q)