使用贝叶斯交叉验证确定有限态随机游走中的滞后效应

Joshua C. Chang

使用贝叶斯交叉验证确定有限态随机游走中的滞后效应

统计方法学 2018-07-23 v2 机器学习数据分析、统计与概率定量方法

作者: Joshua C. Chang

摘要

考虑使用高阶马尔可夫链对有限态随机游走的滞后效应进行建模的问题。本文引入一个贝叶斯框架，以从数据中确定轨迹在统计上所依赖的近期历史的状态数。一般建议使用留一交叉验证，并使用一个易于计算且以闭式给出的公式。重要的是，当存在大量数据时，使用平坦模型先验的贝叶斯因子会偏向于过于复杂的模型（更多滞后效应）；而当数据稀少时，赤池信息准则（AIC）会偏向于过于稀疏的模型（更少滞后效应）。

关键词

有限态随机游走滞后效应高阶马尔可夫链贝叶斯交叉验证留一法贝叶斯因子赤池信息准则

引用

@article{arxiv.1702.06221,
  title  = {Determination of hysteresis in finite-state random walks using Bayesian cross validation},
  author = {Joshua C. Chang},
  journal= {arXiv preprint arXiv:1702.06221},
  year   = {2018}
}

备注

Reworked as totally different paper in arXiv:1706.08881

使用贝叶斯交叉验证确定有限态随机游走中的滞后效应

摘要

关键词

引用

备注

相关论文