Metody losowania istotnego w algorytmie filtru cząsteczkowego
Transkrypt
Metody losowania istotnego w algorytmie filtru cząsteczkowego
Metody losowania istotnego w algorytmie filtru cząsteczkowego Katarzyna Brzozowska - Rup Wydział Zarządzania i Modelowania Komputerowego Politechniki Świętokrzyskiej Antoni Leon Dawidowicz Instytut Matematyki Uniwersytetu Jagiellońskiego W referacie rozważamy zagadnienie filtracji bayesowskiej w kontekście nieliniowych i niegaussowskich modeli przestrzeni stanów. Idea sekwencyjnej estymacji gęstości filtracji oparta na regule Bayesa umożliwia przedstawienie gęstości rozkładów a posteriori w oparciu o znany rozkład a priori zmiennej stanu oraz warunkowy rozkład bieżącej obserwacji. W praktyce okazuje się, że równania filtracji nie mają postaci analitycznej. W związku z powyższym proponuje się wykorzystanie techniki filtru cząsteczkowego (ang. Particle Filter, PF), która łączy zagadnienie filtracji stochastycznej z możliwościami metod Monte Carlo. Prezentowana metoda umożliwia estymację zmiennych stanu niezależnie od stopnia złożoności badanego układu. Problem polega jednak na tym, że jej efektywność zależy od dokładności aproksymacji warunkowej gęstości rozkładu a posteriori. W pracy podjęto próbę ustalenia takiej zależności w przypadku estymacji modeli stochastycznej zmienności SV. W szczególności do estymacji optymalnej funkcji istotności wykorzystana została technika aproksymacji Laplace’a (ang. Laplace Gaussian Filter, LGF) oraz metody lokalnej linearyzacji. Wyniki będą zaprezentowane na podstawie symulowanych modeli SV. Literatura [1] A. Doucet,A. M. Johansen, A tutorial on particle filtering and smoothing: fifteen years later, Technical report, Department of Statistics, University of British Columbia 2008 [2] S. J. Koopman, N.Shephard, D. Creal, Testing the assumptions behind importance sampling, Journal of Econometrics, Vol. 149(1), 2-11, 2009 [3] S. Koyama, L. C. Pérez-Bolde, C. R. Shalizi, R. E. Kass, Approximate Methods for State-Space Models, Journal of the American Statistical Association, volume 105, 170—180, 2010 34