Korzystam z próbnika Metropolis (C ++) i chcę użyć poprzednich próbek do oszacowania współczynnika konwergencji.
Jedną z łatwych do wdrożenia diagnostyki, którą znalazłem, jest diagnostyka Geweke , która oblicza różnicę między dwoma średnimi próbkami podzielonymi przez szacowany błąd standardowy. Błąd standardowy jest szacowany na podstawie gęstości widmowej przy wartości zerowej.
gdzie , to dwa okna w łańcuchu Markowa. Przeprowadziłem badania nad tym, czym są i ale zagłębiłem się w literaturę na temat gęstości widmowej energii i spektrum mocy gęstość, ale nie jestem ekspertem w tych tematach; Potrzebuję tylko szybkiej odpowiedzi: czy te ilości są takie same jak wariancja próbki? Jeśli nie, jaki jest wzór ich obliczania?
Kolejną wątpliwością w tej diagnostyce Geweke jest to, jak wybrać ? W powyższej literaturze powiedziano, że jest to funkcja funkcjonalna i powinna sugerować istnienie gęstości widmowej , ale dla wygody najprostszym sposobem jest użycie funkcja tożsamości (użyj samych próbek). Czy to jest poprawne?
Pakiet R Coda ma opis, ale nie określa również sposobu obliczania wartości
źródło
coda
funkcji,geweke.diag
aby zobaczyć, co ona robi ...Odpowiedzi:
Możesz przejrzeć kod
geweke.diag
funkcji wcoda
pakiecie, aby zobaczyć, jak obliczana jest wariancja, poprzez wywołaniespectrum.ar0
funkcji.Oto krótka motywacja do obliczenia gęstości widmowej procesu AR ( ) przy zera.p
Obliczenia wyglądałyby wtedy mniej więcej tak (podstawiając zwykłe estymatory na parametry):
źródło
źródło