Aplicación de MCMC para procesos AR polinomiales con régimen de Markov

Luis Rodríguez 1 , Rafael Rosales 2 , Ricardo Ríos 3
1Departamento de Matemáticas, Facultad de Ciencias y Tecnología (FACYT), Universidad de Carabobo, Carabobo, Venezuela
2Departamento de Física e Matemática Universidade de Sao Paulo
3Departamento de Matemática, Facultad de Ciencias, Universidad Central de Venezuela, Caracas, Venezuela
Autor de Correspondencia: larodri@uc.edu.ve, rrosales@ffclrp.usp.br, rrios@euler.ciens.ucv.ve

Ver Arhivo PDF

Resumen

En este trabajo estimamos la distribución posterior de un proceso autorregresivo con régimen de Markov (AR-RM) en el caso cuando las funciones de regresión en cada régimen son polinomios, utilizando un algoritmo MCMC mezcla de los algoritmos de Gibbs y Metropolis para obtener aproximados Monte Carlo de los estimadores de Bayes para los parámetros de los polinomios, su grado y la varianza asociada al ruido en cada régimen.


Palabras claves:

Aplicación de MCMC para procesos AR polinomiales con régimen de Markov

Luis Rodríguez 1 , Rafael Rosales , 2 , Ricardo Ríos , 3
1Departamento de Matemáticas, Facultad de Ciencias y Tecnología (FACYT), Universidad de Carabobo, Carabobo, Venezuela
2Departamento de Física e Matemática Universidade de Sao Paulo
3Departamento de Matemática, Facultad de Ciencias, Universidad Central de Venezuela, Caracas, Venezuela
Autor de Correspondencia: larodri@uc.edu.ve, rrosales@ffclrp.usp.br, rrios@euler.ciens.ucv.ve

Ver Arhivo PDF

Abstract

In this work we estimate the a posteriori distribution of an autoregressive process with Markov regime. We suppose polynomial regression functions in each regime. We use an MCMC sampler that is an hybrid of Gibbs and Metropolis algorithm to make a Bayesian approach for estimating the polynomial order and coefficients and the noise variance in each regime.


Keywords: