Brown-Resnick过程的贝叶斯推断及在极端低温中的应用
统计方法学
2017-01-16 v2 应用统计
摘要
Brown-Resnick最大稳定过程已被证明非常适合于建模复杂环境过程的极值，但在许多应用中其似然函数难以处理，且推断必须基于复合似然，从而妨碍了经典贝叶斯技术的使用。在本文中，我们利用了一种可计算Brown-Resnick过程完整似然的情况，使用分量极大值及其基于单个事件的划分，并提出了两种新的推断方法。第一种使用去聚类来估计划分，而第二种在马尔可夫链蒙特卡罗算法中使用随机划分。我们利用这些方法构建了北芬诺斯坎迪亚极端低温的贝叶斯层次模型。
引用
@article{arxiv.1506.07836,
title = {Bayesian inference for the Brown-Resnick process, with an application to extreme low temperatures},
author = {Emeric Thibaud and Juha Aalto and Daniel S. Cooley and Anthony C. Davison and Juha Heikkinen},
journal= {arXiv preprint arXiv:1506.07836},
year = {2017}
}