A Bayesian Analysis of the Threshold ARMA Model
Notice bibliographique
Résumé
In this paper we consider a Bayesian analysis for the threshold autoregressive moving average model with k regimes and orders (p ` ; q ` ) ; ` = 1; : : : ; k, OE p ` (B)X t = OE `;0 + ` q ` (B)a t ; if X t\\Gammad 2 ! ` ; where OE p ` (B) = 1 \\Gamma OE `;1 B \\Gamma : : : \\Gamma OE `;p ` B p ` ; ` q ` (B) = 1 + ` `;1 B + : : : + ` `;q ` B q ` ]; ; ` = 1; : : : ; k and the a t are iid N(0; ø \\Gamma1 ) ,the precision ø supposed to be common to all the regimes, ! ` forming a partition of the real line; d is the delay parameter. For the special case k = 2 we derive the posterior and marginal distributions, under both a normalgamma and Jeffrey's priors. The predictive distribution is also derived and an application to the Canadian Lynx series is given. Key words: ARMA models; Bayesian analysis; threshold;predictive distribution; TARMA models. 1. Introduction In this paper we extend in a simple way the works of Broemeling and Shaarawy(1988) and Broemeling and Cook(1992) on the Bayesi...
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».