Байесовская многомерная выборка данных со смешанной частотой и переключением полумарковских режимов

Bayesian multivariate semi-Markov-switching mixed data sampling
Alessio Farcomeni, Antonello Maruotti, Alfonso Russo
2025-12-11

байесовский выводлатентные режимысмешанные частоты данныхметод Монте-Карло с обратными скачкамиполумарковская цепь
Мы представляем гибкую модель для многомерных временных рядов с неоднородными частотами выборки, в которой изменяющаяся во времени ненаблюдаемая неоднородность описывается конечным числом скрытых режимов. Ненаблюдаемый процесс изменяется во времени в соответствии с полумарковской цепью. Вывод основан на байесовском подходе, включающем метод Монте-Карло по схеме марковской цепи с обратимыми скачками (reversible-jump Markov chain Monte Carlo, RJ-MCMC), что позволяет не задавать число скрытых режимов заранее. В ходе имитационного исследования мы показываем, что предложенный подход с высокой вероятностью корректно восстанавливает истинную конфигурацию скрытых режимов и что предлагаемая модель имеет преимущества по сравнению с возможными альтернативами. Работу метода мы иллюстрируем анализом двух основных загрязняющих веществ, регистрировавшихся ежедневно на станции Danmarksplass (Норвегия) в 2022 году, а также их связи с некоторыми метеорологическими переменными смешанной частоты.
1
Модель применена к ежедневным измерениям двух основных загрязнителей на станции Данмаркспласс в Норвегии в 2022 году с учетом метеорологических переменных смешанной частоты наблюдений.
2
Предложена байесовская многомерная модель смешанного межчастотного выборочного наблюдения с полу-марковским переключением режимов для временных рядов с неоднородными частотами наблюдений.
3
Временная ненаблюдаемая неоднородность моделируется конечным числом латентных режимов, динамика которых описывается полу-марковской цепью.
4
В симуляционном исследовании метод с высокой вероятностью восстанавливает истинную конфигурацию латентных режимов и имеет преимущества перед конкурирующими подходами.
5
Для оценки числа латентных режимов без его предварительного задания используется обратимый скачкообразный метод Монте-Карло по цепям Маркова.

многомерные временные ряды с неоднородными частотами наблюдений, включая ежедневные показатели загрязнителей воздуха и метеорологические переменные смешанной частоты

изменяющаяся во времени неоднородность скрытых режимов и её взаимосвязи между переменными смешанной частоты, моделируемые полумарковским процессом

Publication Details
Publication Date
2025-12-11
Journal
Publisher
ISSN
Cited by
1
Access Type
Author Information
Authors
Alessio Farcomeni
Antonello Maruotti
Alfonso Russo
Explore further
Open the scid.ai AI chat with a ready-made request: it will find papers on a similar topic and help build a literature review.
Find similar papers in the chat →
Make a presentation
100%