使用 Stan 进行贝叶斯推断的隐马尔可夫模型动物运动建模导论
定量方法
2018-06-29 v1 应用统计
摘要
隐马尔可夫模型（HMMs）是许多领域（包括生态学、经济学和遗传学）中流行的时间序列模型。HMMs 可定义在离散或连续时间上，但此处我们仅涵盖前者。特别是在运动生态学领域，HMMs 已成为分析运动数据的流行工具，因为它们能够将观测到的运动数据连接到潜在的隐过程，通常解释为该动物未观测到的行为。此外，我们对随时间保持给定行为的倾向进行建模。此处给出的记号通常遵循 Zucchini 等人（2016）的格式，并涵盖在无监督情形下应用于动物运动数据（具体为位置数据）的 HMMs。我们提供 Stan 代码来分析野生 haggis 的运动数据，该数据首次见于 Michelot 等人（2016）。
引用
@article{arxiv.1806.10639,
title = {An Introduction to Animal Movement Modeling with Hidden Markov Models using Stan for Bayesian Inference},
author = {Vianey Leos-Barajas and Théo Michelot},
journal= {arXiv preprint arXiv:1806.10639},
year = {2018}
}
备注
29 pages, 15 figures