部分观测状态下的顺序重要性采样及修正
摘要：演化系统的状态是通过一系列观测所揭示的，每次观测都能揭示出系统当前和过去状态的额外信息。我们假设每次观测都是无误差的，但不能完全确定系统在观测时的状态。我们的研究动机是源自入侵物种生物学，在那里通常可以知道被监测程序发现的入侵物种精确位置，但在任何时候，仍然存在未被检测到的入侵者。我们提出了一种基于贝叶斯模型的顺序重要性采样策略来推断入侵状态。该策略涉及模拟多个与观测所揭示出的当前知识一致的备选状态。然而，一个困难的问题是，在后续时间进行的观测通常与先前模拟的状态不一致。为了解决这个问题，我们提出了一个两阶段的迭代过程，其中系统的状态轮流根据过去的观测进行模拟，然后根据新的观测进行修正。我们确定了在保持适当的重要性权重的同时进行这些修正的准则。
作者：Valentina Di Marco (School of Mathematical Science, Monash University) and Jonathan Keith (School of Mathematical Science, Monash University)
论文ID：2103.05217
分类：Computation
分类简称：stat.CO
提交时间：2021-03-10