1. Sorun
Bir değişken bazı ölçümler , , kendisi için bir dağıtım olması ı varsayacağız basitlik için ortalama bir Gauss olan MCMC yoluyla elde edilen ve varyans . t = 1 , 2 , . . , n f y t ( y t ) μ t σ 2 t
Bu gözlemler için fiziksel bir modelim var, diyelim , ancak kalıntıları ilişkili gibi görünüyor; özellikle, bir sürecinin korelasyonu hesaba katmak için yeterli olacağını düşünmek için fiziksel nedenlerim var ve olasılığa ihtiyacım olan MCMC yoluyla uyum katsayılarını almayı planlıyorum . Bence çözüm oldukça basit, ama pek emin değilim (o kadar basit gözüküyor, sanırım bir şeyleri özlüyorum).r t = μ t - g ( t ) A R ( 1 )
2. Olasılığın türetilmesi
Sıfır ortalaması işlemi şu şekilde yazılabilir: burada . Bu nedenle, tahmin edilecek parametreler (benim durumumda, modelinin parametrelerini de eklemeliyim , ancak sorun bu değil). Ancak gözlemlediğim, değişkenidir burada ve biliniyor ( ölçüm hataları). Çünkü bir Gauss süreçtir, aynı zamanda. Özellikle, biliyorum ki X t = ϕ X t - 1 + ε t , ( 1 ) ε t ∼ N ( 0 , σ 2 w ) θ = { ϕ , σ 2 w } g ( t ) R t = X t + η t , ( 2 ) η t ∼ N (
3. Sorular
- Türevim iyi mi? Simülasyonlar dışında (karşılaştırılacak gibi) karşılaştırılacak hiçbir kaynağım yok ve ben bir istatistikçi değilim!
- süreçleri veya süreçleri için literatürde bu tür şeylerin herhangi bir türevi var mı? Genel olarak süreçleri için bu duruma özel olarak açıklanabilecek bir çalışma iyi olurdu.