动态分位线性模型：一种贝叶斯方法
统计方法学
2018-02-20 v2
摘要
本文提出一类称为动态分位线性模型的新模型。它将动态线性模型与无分布分位回归相结合，产生一种稳健的统计方法。动态分位线性模型的贝叶斯推断可使用高效的马尔可夫链蒙特卡罗算法执行。还提出了一种适用于具有海量数据的高维预测建模应用、且生成过程本身随时间变化的快速序贯过程。所提模型使用合成数据与著名的时间序列数据进行了评估。该模型还被应用于预测里约热内卢州未来年份的结核病年发病率，并与世界卫生组织设定的全球战略目标进行比较。
引用
@article{arxiv.1711.00162,
title = {Dynamic quantile linear models: a Bayesian approach},
author = {Kelly C. M. Gonçalves and Helio S. Migon and Leonardo S. Bastos},
journal= {arXiv preprint arXiv:1711.00162},
year = {2018}
}
备注
38 pages, 13 figures