用于离散化事件数据的贝叶斯半参数长记忆模型
统计方法学
2021-07-02 v2 应用统计
摘要
我们引入了一类用于长记忆离散化事件数据的半参数潜变量模型。所提出的方法论受亚马逊雨林中鸟类鸣叫研究的启发;鸣叫的时间表现出自相似性和长程依赖性,排除了基于泊松过程的模型。所提出的分数概率单位(FRActional Probit, FRAP)模型类基于对由平滑高斯过程与分数布朗运动的加性展开组成的潜过程进行阈值化。我们发展了使用马尔可夫链蒙特卡罗的贝叶斯推断方法,并在模拟研究中显示出良好性能。将该方法应用于亚马逊鸟类鸣叫数据,我们发现了自相似性和非马尔可夫/非泊松动力学的实质性证据。为了适应鸟类鸣叫数据(其中许多不同物种的鸟类表现出各自的鸣叫动力学),补充材料中提供了FRAP的层次化扩展。
引用
@article{arxiv.2004.08309,
title = {Bayesian semiparametric long memory models for discretized event data},
author = {Antik Chakraborty and Otso Ovaskainen and David B. Dunson},
journal= {arXiv preprint arXiv:2004.08309},
year = {2021}
}