BazEkon - Biblioteka Główna Uniwersytetu Ekonomicznego w Krakowie

BazEkon home page

Meny główne

Autor
Pipień Mateusz (Akademia Ekonomiczna w Krakowie / Wydział Zarządzania)
Tytuł
Całkowania numeryczne w analizie bayesowskiej : Monte Carlo z funkcją ważności
Numerical Integration in Bayesian Analysis : Monte Carlo with Importance Sampling
Źródło
Przegląd Statystyczny, 1999, vol. 46, z. 2, s. 155-176, bibliogr. 12 poz.
Statistical Review
Słowa kluczowe
Wnioskowanie bayesowskie, Metoda Monte Carlo, Funkcja ważności
Bayesian inference, Monte Carlo method, Validity function
Uwagi
summ.
Abstrakt
W artykule przedstawiono problem całkowania numerycznego z wykorzystaniem metod Monte Carlo z funkcją ważności. Metody te zostały zastosowane we wnioskowaniu bayesowskim przy analizie trendu logistycznego opisującego popyt na dobro trwałe oraz do procesu modelującego dane finansowe.

This paper reviews Monte Carlo with Importance Sampling. We show hot to use this methods to solve some integration problems connected with Bayesian inference. As illustrations of the MC-IS method we present Bayesian inference on the parameters of a logistic trend representing demand for a certain durable good and of a conditional heteroskedastic process (GARCH(2,2)) used in modelling daily financial data. We calculate measures of convergence such as NSE - Numerical Standard Error, RNE - Relative Numerical Efficiency, and γn - the variation coefficient of MC weights. According to the obtained results we can claim that the most important in Monte Carlo integration is the optimal choice of importance function. If the sampling mechanism does not respect tails of the posterior density then the approximation of posterior means of functions of interest can be distant from the true value. (short original abstract)
Dostępne w
Biblioteka Główna Uniwersytetu Ekonomicznego w Krakowie
Biblioteka Szkoły Głównej Handlowej w Warszawie
Biblioteka Główna Uniwersytetu Ekonomicznego w Katowicach
Biblioteka Główna Uniwersytetu Ekonomicznego w Poznaniu
Biblioteka Główna Uniwersytetu Ekonomicznego we Wrocławiu
Bibliografia
Pokaż
  1. Bauwens W., Bayesian Full Information Analysis of Simultaneous Models Using Integration by Monte Carlo, Springer-Verlag, Berlin 1984.
  2. Binder K., Heermann D.W., Monte Carlo Simulation in Statistical Physics, Solid-State Sciences 80, Springer-Verlag, Berlin 1988.
  3. Bollerlsev T., Generdised autoregressive conditional heteroscedasticity, Journal of Econometrics, 1986.
  4. Geweke J., Antithetic acceleration of Monte Carlo integration in Bayesian inference, Journal of Econometrics 38, 1988.
  5. Geweke J., Bayesian inference in econometric models using Monte Carlo integration, Econometrica 57, 1989.
  6. Hammersley J.M., Handscomb D.C., Monte Carlo Methods, Methuen, London 1964.
  7. Kloek T., Van Dijk H.K., Bayesian estimates of equation system parameters. An application of integration by Monte Carlo, Econometrica 46, 1978.
  8. Lindley D.V., Bayesian Statistics, a Review, Society for Industrial and Applied Mathematics, Philadelphia 1972.
  9. O'Hagan A., Bayesian Inference, Halsted Press, New York 1994.
  10. Osiewalski J., Goryl A., Estymacja bayesowska parametrów trendu logistycznego, Przegląd Statystyczny 33, 1986.
  11. Osiewalski J., Pipień M., Bayesowskie testowanie modeli GARCH i IGARCH, Maszynopis opracowania w ramach grantu KBN nr 1-H02B-015-11, Akademia Ekonomiczna, Kraków 1998.
  12. Pipień M., Estymacja modeli GARCH: MNW i podejście bayesowskie, Maszynopis opracowania w ramach grantu KBN nr 1-H02B-015-11, Akademia Ekonomiczna, Kraków 1997 (Przegląd Statystyczny, 1998, w druku).
Cytowane przez
Pokaż
ISSN
0033-2372
Język
pol
Udostępnij na Facebooku Udostępnij na Twitterze Udostępnij na Google+ Udostępnij na Pinterest Udostępnij na LinkedIn Wyślij znajomemu