重复时间序列中分段线性趋势的贝叶斯检测及其在生长数据建模中的应用
应用统计
2019-07-29 v3
摘要
我们考虑这样一种情况：一个时间过程由具有不同斜率的连续区段组成，并且观察到带有噪声的重复时间序列测量值。数据生成过程的未知均值被建模为具有未知数量变点的关于时间的分段线性函数。我们开发了一种贝叶斯方法，用于推断变点数量、位置以及未知均值参数的联合后验分布。先验上，所提出的模型使用了过拟合数量的均值参数，但在给定一组变点的条件下，仅有其中一个子集影响似然。在变点数量上施加指数递减的先验分布，使得后验分布集中于底层序列的稀疏表示上。我们构建了一个 Metropolis-Hastings Markov chain Monte Carlo (MCMC) 采样器来近似后验分布。我们的方法使用模拟数据进行了基准测试，并应用于从不同菌株收集的成像时间序列数据中揭示真菌生长动力学的差异。源代码可在 CRAN 上获取。
引用
@article{arxiv.1709.06111,
title = {Bayesian detection of piecewise linear trends in replicated time-series with application to growth data modelling},
author = {Panagiotis Papastamoulis and Takanori Furukawa and Norman van Rhijn and Michael Bromley and Elaine Bignell and Magnus Rattray},
journal= {arXiv preprint arXiv:1709.06111},
year = {2019}
}
备注
Accepted to International Journal of Biostatistics