The Simulation Smoother for Time Series Models
时间序列模型的模拟平滑器AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要明确研究状态空间时间序列模型及其后验模拟，直接对应时间序列方法。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
时间序列模型的模拟平滑器
- 研究问题
- 如何在高斯状态空间时间序列模型中模拟条件后验，并避免直接抽取状态变量时可能遇到的退化问题？
- 方法与思路
- 作者细化并扩展已有后验模拟程序，提出从模型扰动项的多元条件后验分布抽样的模拟平滑器，以处理状态抽样退化。
- 材料陈述的贡献
- 摘要称该模拟平滑器避开状态抽样器的固有退化，并可用于高斯时间序列的贝叶斯分析及非高斯模型的 Gibbs 抽样。
- 阅读关注点
- 应核对扰动后验抽样与状态恢复的步骤、退化问题的具体含义，以及非高斯模型中嵌入 Gibbs 抽样的条件。
- 阅读边界
- 仅据版本未注明的索引摘要；未提供算法细节、计算成本或比较结果，不能认定对所有状态空间模型均有优势。
原文摘要
Recently suggested procedures for simulating from the posterior density of states given a Gaussian state space time series are refined and extended. We introduce and study the simulation smoother, which draws from the multivariate posterior distribution of the disturbances of the model, so avoiding the degeneracies inherent in state samplers. The technique is important in Gibbs sampling with non-Gaussian time series models, and for performing Bayesian analysis of Gaussian time series.