文中通过使用非信息先验方法,为ARMA频谱模型开发了一种贝叶斯方法,进行了基于马尔可夫蒙特卡罗(Markov Chain Monte Carlo,MCMC)的贝叶斯计算和模拟,得出了边缘后验分布的特征,如贝叶斯估计量和ARMA模型参数的置信区间。将这两种方法...文中通过使用非信息先验方法,为ARMA频谱模型开发了一种贝叶斯方法,进行了基于马尔可夫蒙特卡罗(Markov Chain Monte Carlo,MCMC)的贝叶斯计算和模拟,得出了边缘后验分布的特征,如贝叶斯估计量和ARMA模型参数的置信区间。将这两种方法与传统的最小二乘法和最大似然方法进行了比较,并给出了带有两个ARMA模型示例的数值说明,以评估程序的性能。比较结果表明,对于不太稳定的ARMA模型,贝叶斯方法是合理的,并且可以选择任何一种方法来获得更稳定的功率谱。与其他方法相比,贝叶斯方法提供了适用于任意阶次ARMA模型光谱的最佳拟合。展开更多
文摘文中通过使用非信息先验方法,为ARMA频谱模型开发了一种贝叶斯方法,进行了基于马尔可夫蒙特卡罗(Markov Chain Monte Carlo,MCMC)的贝叶斯计算和模拟,得出了边缘后验分布的特征,如贝叶斯估计量和ARMA模型参数的置信区间。将这两种方法与传统的最小二乘法和最大似然方法进行了比较,并给出了带有两个ARMA模型示例的数值说明,以评估程序的性能。比较结果表明,对于不太稳定的ARMA模型,贝叶斯方法是合理的,并且可以选择任何一种方法来获得更稳定的功率谱。与其他方法相比,贝叶斯方法提供了适用于任意阶次ARMA模型光谱的最佳拟合。
