一般隐马尔可夫模型模型选择准则的渐近分析
统计理论
2022-07-04 v3 统计方法学
统计理论
摘要
本文针对一般族隐马尔可夫模型（HMMs）获得了实践中广泛使用的模型选择准则的渐近性质解析结果，从而将相关理论显著扩展到典型的类独立同分布模型结构之外，并填补了相关文献中的重要空白。具体而言，我们考察贝叶斯信息准则与赤池信息准则（BIC 与 AIC）以及模型证据。在嵌套模型类的设定下，我们证明 BIC 与证据在 HMMs 下是强相合的（于正则条件下），而 AIC 不是弱相合的。数值实验支持了我们的理论结果。
引用
@article{arxiv.1811.11834,
title = {Asymptotic Analysis of Model Selection Criteria for General Hidden Markov Models},
author = {Shouto Yonekura and Alexandros Beskos and Sumeetpal S. Singh},
journal= {arXiv preprint arXiv:1811.11834},
year = {2022}
}