1. O problema
Eu tenho algumas medidas de uma variável , onde , para a qual eu tenho uma distribuição obtida via MCMC, que por simplicidade assumirei ser um gaussiano de média e variância \ sigma_t ^ 2 .ytt=1,2,..,nfyt(yt)μtσ2t
Eu tenho um modelo físico para essas observações, digamos g(t) , mas os resíduos rt=μt−g(t) parecem estar correlacionados; em particular, tenho razões físicas para pensar que um processo de AR(1) será suficiente para levar em consideração a correlação e planejo obter os coeficientes do ajuste via MCMC, para os quais preciso da probabilidade . Acho que a solução é bastante simples, mas não tenho muita certeza (parece tão simples que acho que estou perdendo alguma coisa).
2. Derivando a probabilidade
Um processo com média zero pode ser escrito como:
em que assumirei . Os parâmetros a serem estimados são, portanto, (no meu caso, também tenho que adicionar os parâmetros do modelo , mas esse não é o problema). O que observo, no entanto, é a variável
em que estou assumindo e são conhecidos (o erros de medição). Como é um processo gaussiano, também é. Em particular, eu sei que
X t = ϕ X t - 1 + ε t , ( 1 ) ε t ∼ N ( 0 , σ 2 w ) θ = { ϕ , σ 2 w } g ( t ) R t = X t + η t , ( 2 ) η t ∼ N (AR(1)
Xt=ϕXt−1+εt, (1)
εt∼N(0,σ2w)θ={ϕ,σ2w}g(t)Rt=Xt+ηt, (2)
σ 2 t X t R t X 1 ∼ N ( 0 , σ 2 w / [ 1 - ϕ 2 ] ) , R 1 ∼ N ( 0 , σ 2 w / [ 1 - ϕ 2 ] + σ 2 t ) . R t | R t -ηt∼N(0,σ2t)σ2tXtRtX1∼N(0,σ2w/[1−ϕ2]),
portanto,
O próximo desafio é obter para . Para derivar a distribuição dessa variável aleatória, observe que, usando a eq. Eu posso escrever
Usando a eq. e usando a definição da eq. , eu posso escrever,
Usando a eq. nessa última expressão, obtenho
portanto,
R1∼ N( 0 , σ2W/ [1- ϕ2] + σ2t) .
t≠1(2) X t - 1 = R t - 1 - η t - 1 . (3)(2)(1) R t = X t + η t =φ X t - 1 + ε t + η t . (3) R t =ϕ( RRt|Rt−1t≠1(2)Xt−1=Rt−1−ηt−1. (3)
(2)(1)Rt=Xt+ηt=ϕXt−1+εt+ηt.
(3)Rt=ϕ(Rt−1−ηt−1)+εt+ηt,
Rt|Rt−1=ϕ(rt−1−ηt−1)+εt+ηt,
e, portanto,
Finalmente, eu posso escrever a função de probabilidade como
onde são as distribuições das variáveis que acabei de definir, .ie, definindo
e definindo ,
Rt|Rt−1∼N(ϕrt−1,σ2w+σ2t−ϕ2σ2t−1).
L(θ)=fR1(R1=r1)∏t=2nfRt|Rt−1(Rt=rt|Rt−1=rt−1),
f(⋅)σ′2=σ2w/[1−ϕ2]+σ2t,
fR1( R1= r1) = 12 πσ′ 2-----√exp ( - r212 σ′ 2) ,
σ2( t ) = σ2W+ σ2t- ϕ2σ2t - 1fRt| Rt - 1( Rt= rt| Rt - 1= rt - 1) = 12 πσ2( T )------√exp ( - ( rt- ϕ rt - 1)22 σ2( T ))
3. Questões
- Minha derivação está correta? Não tenho outros recursos para comparar além de simulações (que parecem concordar) e não sou estatístico!
- Existe alguma derivação desse tipo de coisa na literatura para os processos ou ? MA ( 1 )A R MA ( 1 , 1 )Um estudo para os processos em geral que poderiam ser particularizados neste caso seria bom.A R MA ( p , q)