In questo articolo consideriamo la stima bayesiana dei parametri statici per a
classe di processi di diffusione McKean-Vlasov parzialmente osservati con
osservazioni a tempo discreto su un intervallo di tempo fisso. Questo problema presenta
numerosi ostacoli alla sua soluzione, che includono che la densità posteriore è
numericamente intrattabile in tempo continuo, anche se la transizione
le probabilità sono disponibili e anche quando si utilizza una discretizzazione temporale, IL
posterior non può ancora essere utilizzato adottando metodi computazionali ben noti
come la catena Markov Monte Carlo (MCMC). In questo documento forniamo una soluzione a
questo problema utilizzando nuovi algoritmi MCMC che possono risolvere quanto sopra menzionato
problemi. Questo algoritmo MCMC è esteso per utilizzare Monte Carlo multilivello (MLMC)
metodi. Dimostriamo i limiti di convergenza sui nostri stimatori dei parametri e lo dimostriamo
l'algoritmo MCMC basato su MLMC riduce il costo computazionale per ottenere una media
errore quadrato rispetto all'MCMC ordinario di un ordine di grandezza. Noi numericamente
illustrare i nostri risultati su due modelli.

Questo articolo esplora i giri e le loro implicazioni.

Scarica PDF: