In diesem Artikel betrachten wir die Bayes'sche Schätzung statischer Parameter für a
Klasse teilweise beobachteter McKean-Vlasov-Diffusionsprozesse mit
diskrete Zeitbeobachtungen über ein festes Zeitintervall. Dieses Problem besteht aus
seiner Lösung stehen mehrere Hindernisse im Weg, Dazu gehört, dass die hintere Dichte ist
numerisch unlösbar in kontinuierlicher Zeit, auch wenn der Übergang
Wahrscheinlichkeiten sind verfügbar und selbst wenn man eine Zeitdiskretisierung verwendet, Die
posterior kann mit bekannten Berechnungsmethoden immer noch nicht verwendet werden
wie die Markov-Kette Monte Carlo (MCMC). In diesem Dokument bieten wir eine Lösung für
dieses Problem durch den Einsatz neuer MCMC-Algorithmen, die das oben genannte Problem lösen können
Probleme. Dieser MCMC-Algorithmus wird um die Verwendung von mehrstufigem Monte-Carlo erweitert (MLMC)
Methoden. Wir beweisen die Konvergenzgrenzen unserer Parameterschätzer und zeigen dies
Der MLMC-basierte MCMC-Algorithmus reduziert den Rechenaufwand zur Ermittlung eines Mittelwerts
quadratischer Fehler im Vergleich zu gewöhnlichem MCMC um eine Größenordnung. Wir zahlenmäßig
Veranschaulichen Sie unsere Ergebnisse an zwei Modellen.

Dieser Artikel untersucht Zeitreisen und deren Auswirkungen.

PDF herunterladen: