نمایش فضای حالت مدل های خودبازگشت آمیخته

این مقاله به بررسی مدل سری زمانی خود بازگشت آمیخته با وزن های ثابت در قالب فضای حالت و تعمیم آن به مدل های خودبازگشت-میانگین متحرک آمیخته می پردازد. توابع چگالی پیش بینی، پالایش و هموارسازی با استفاده از یک روش مونت کارلوی دنباله ای تقریب زده شده اند. همچنین الگوریتم ‎EM‎ برای برآورد پارامترهای مدل در فضای حالت ارائه شده است. نتایج نشان می دهد در قالب فضای حالت، ابعاد بردار پارامترهای مدل کاهش می یابد. علاوه بر این رفتار الگوریتم های پالایش و هموارسازی با استفاده از شبیه سازی مونت کارلو در مدل های ایستا مورد بررسی قرار گرفته است. نتایج این مطالعه نشان می دهد الگوریتم پالایش در مدت زمان کوتاهی به یک حالت پایا نزدیک می شود. همچنین پس از گذشت زمان کوتاهی میانگین توزیع های پالایش و هموارسازی به مقادیر واقعی بردار حالت نزدیک می شوند. 

کلیدواژه ها:

‎Conditional Dynamic Linear Model‎ ، ‎EM Algorithm‎ ، Mixture Autoregressive Model‎ ، ‎Mixture ARMA Model‎ ، ‎Mixture Kalman Filter‎ ، ‎Nonlinear State Space Model. ، الگوریتم ‎EM‎ ، پالایه کالمن آمیخته ، مدل پویای خطی شرطی ، مدل خود بازگشت آمیخته ، مدل خود ‎ARMA‎ آمیخته ، مدل فضای حالت غیر‎ خطی.