具有时变协变量的随机微分方程中的渐近推断
统计理论
2017-10-16 v2 统计理论
摘要
在本文中，我们引入一个由时依协变量组成的随机微分方程（SDE）系统，并考虑固定和随机效应设定。我们还允许与漂移函数相关的函数部分依赖于未知参数。在此SDE系统的一般设定下，我们通过验证现有相关定理所需的正则性条件，建立了最大似然估计（MLE）的一致性和渐近正态性。此外，我们考虑了用于学习总体参数的贝叶斯方法，并证明了相应后验分布的一致性和渐近正态性。我们用模拟和真实数据分析补充了我们的理论探究，在每种情况下都获得了令人鼓舞的结果。
引用
@article{arxiv.1605.03330,
title = {On Asymptotic Inference in Stochastic Differential Equations with Time-Varying Covariates},
author = {Trisha Maitra and Sourabh Bhattacharya},
journal= {arXiv preprint arXiv:1605.03330},
year = {2017}
}
备注
Updated version that includes simulation study and real data analysis