基于单调似然逼近的无限空间上连续时间马尔可夫链的伪边际推断
摘要：贝叶斯推断在可数无限空间上的连续时间马尔可夫链（CTMCs）上极具挑战性，因为准确评估似然函数是难以处理的。解决这个问题的方式之一是首先构建似然函数的非负和无偏估计，这涉及到真实速率矩阵的有限截断的矩阵指数，然后使用这些估计在伪边际推断方法中使用。在本研究中，我们展示了通过避免计算精确的矩阵指数来显着提高这种方法的效率。特别是，我们开发了一种通用方法来使用双调矩阵指数逼近构建似然函数的无偏非负估计。我们在这个家族中进一步开发了一种新的逼近方法-骨架体，并研究了它的逼近误差以及它与用于伪边际推断中的估计的方差之间的关系。实验结果表明，我们的方法在各种CTMCs的后验推断中产生更高效的结果。
作者：Miguel Biron-Lattes, Alexandre Bouchard-C^ot''e, Trevor Campbell
论文ID：2105.13566
分类：Computation
分类简称：stat.CO
提交时间：2021-05-31