超越惠特尔：参数似然的非参数校正，侧重于贝叶斯时间序列分析
统计方法学
2017-01-19 v1
摘要
惠特尔(Whittle)似然被广泛用于平稳时间序列谱密度的贝叶斯非参数估计。然而，对于非高斯时间序列，效率损失可能很大。另一方面，如果模型设定良好，参数方法更强大，否则可能完全失败。因此，我们提出一种参数似然的非参数校正，利用参数模型的效率，同时通过非参数修正减轻敏感性。使用 Bernstein-Dirichlet 先验进行非参数谱校正，我们展示了后验一致性，并在模拟研究和 LIGO 引力波数据中说明了我们方法的性能。
引用
@article{arxiv.1701.04846,
title = {Beyond Whittle: Nonparametric correction of a parametric likelihood with a focus on Bayesian time series analysis},
author = {Claudia Kirch and Matthew C. Edwards and Alexander Meier and Renate Meyer},
journal= {arXiv preprint arXiv:1701.04846},
year = {2017}
}