Estimación del orden en un modelo de cadena de markov oculta no homógeneo con presencia de co-variables
El presente documento muestra la estimación del orden o número de estados de la cadena, en un modelo en cadenas de markov ocultas no homogéneas usando la inferencia bayesiana. Para la estimación, se usa el método de Markov Chain Monte Carlo (MCMC), tal que la simulación se realiza de manera conjunta...
- Autores:
-
Mendoza Beltrán, Andryu Enrique
- Tipo de recurso:
- Fecha de publicación:
- 2017
- Institución:
- Universidad Nacional de Colombia
- Repositorio:
- Universidad Nacional de Colombia
- Idioma:
- spa
- OAI Identifier:
- oai:repositorio.unal.edu.co:unal/62321
- Acceso en línea:
- https://repositorio.unal.edu.co/handle/unal/62321
http://bdigital.unal.edu.co/61361/
- Palabra clave:
- 51 Matemáticas / Mathematics
Modelos en Cadenas de Markov Ocultos No Homógeneos Bayesiana, M´etodos de Markov Chain Monte Carlo (MCMC), Distribucion de la familia Exponencial
Inferencia Bayesiana, Métodos de Markov Chain Monte Carlo (MCMC)
Distribucion de la Familia Exponencial
Non Homogeneous Hidden Markov Model
Bayesian Inference
Markov Chain Monte Carlo Methods (MCMC)
Exponential Family Distribution
- Rights
- openAccess
- License
- Atribución-NoComercial 4.0 Internacional
| Summary: | El presente documento muestra la estimación del orden o número de estados de la cadena, en un modelo en cadenas de markov ocultas no homogéneas usando la inferencia bayesiana. Para la estimación, se usa el método de Markov Chain Monte Carlo (MCMC), tal que la simulación se realiza de manera conjunta con los demás parámetros del modelo. Adicionalmente cada variable del proceso observado pertenece a la familia exponencial. El uso de esta metodología establece el modelo que mejor ajusta los datos. Estos valores son generados de distribuciones no pseudo a priori, obteniendo convergencia e independencia a un gran número de iteraciones. |
|---|