基于模拟的复合似然
统计方法学
2025-01-17 v2
摘要
由于计算似然的维度指数级计算成本，高维隐马尔可夫模型的推断具有挑战性。为解决此问题，我们提出了一种称为“基于模拟的复合似然”（SimBa-CL）的创新复合似然方法。借助SimBa-CL，我们通过其边际的乘积来近似似然，并利用蒙特卡洛采样进行估计。与近似贝叶斯计算（ABC）类似，SimBa-CL需要从模型中多次模拟，但与ABC不同，它提供了引导参数优化的似然近似。借助自动微分库，可轻松计算梯度和海森矩阵，不仅加速优化，还可构建近似置信集。我们给出了大量实证结果以验证理论并展示其相对于SMC的优势，并将SimBa-CL应用于真实的口蹄病毒（Aphtovirus）数据。
引用
@article{arxiv.2310.10761,
title = {Simulation Based Composite Likelihood},
author = {Lorenzo Rimella and Chris Jewell and Paul Fearnhead},
journal= {arXiv preprint arXiv:2310.10761},
year = {2025}
}