BOOK SEARCH
内容紹介
ベイズの方法と統計ソフトRを利用して，動的線型モデル（状態空間モデル）による統計的時系列分析を実践的に解説する。〔内容〕ベイズ推論の基礎／動的線型モデル／モデル特定化／パラメータが未知のモデル／逐次モンテカルロ法／他。
編集部から
原著者 G. Petris, S. Petrone, P.Campagnoli の厚意により，原著のサポートサイト（http://definetti.uark.edu/~gpetris/dlm/）で公開されている本書中のRスクリプト，補助関数，データを，当ホームページからダウンロードできるようになりました．ダウンロード用フォルダには，翻訳にあたって修正したスクリプト，Rパッケージ dlm に付随するリファレンスの日本語訳（参考用）も同梱されています．
目次
1.はじめに：ベイズ推定に関する基本概念
1.1基本概念
1.2単純な従属構造
1.3条件付き分布の統合
1.4事前分布の選択
1.5線型回帰モデルにおけるベイズ推定
1.6マルコフ連鎖モンテカルロ法
1.6.1ギブス・サンプラー
1.6.2メトロポリス--ヘイスティングス・アルゴリズム
1.6.3適応棄却メトロポリス・サンプリング
演習問題
2.動的線型モデル
2.1はじめに
2.2簡単な例
2.3状態空間モデル
2.4動的線型モデル
2.5パッケージdlmにおける動的線型モデル
2.6非ガウス・非線型状態空間モデルの例
2.7状態の推定と予測
2.7.1フィルタリング
2.7.2動的線型モデルに対するカルマン・フィルタ
2.7.3欠測観測値がある場合のフィルタリング
2.7.4平滑化
2.8予測
2.9イノベーション過程とモデル検査
2.10時不変DLMの可制御性と可観測性
2.11フィルタ安定性
演習問題
3.モデル特定化
3.1時系列分析の古典的なツール
3.1.1経験的方法
3.1.2ARIMAモデル
3.2時系列分析に対する一変量DLM
3.2.1トレンドモデル
3.2.2季節要素モデル
3.2.3フーリエ形式の季節モデル
3.2.4一般周期成分
3.2.5ARIMAモデルのDLM表現
3.2.6例：GDPギャップの推定
3.2.7回帰モデル
3.3多変量時系列に対するモデル
3.3.1経時データに対するDLM
3.3.2一見無関係な時系列方程式
3.3.3一見無関係な回帰モデル
3.3.4階層DLM
3.3.5動的回帰
3.3.6共通因子
3.3.7多変量ARMAモデル
演習問題
4.パラメータが未知のモデル
4.1最尤推定
4.2ベイズ推定
4.3共役ベイズ推定
4.3.1未知の共分散行列：共役推定
4.3.2割引因子によるWtの特定化
4.3.3時変のVtに対する割引因子モデル
4.4シミュレーションに基づくベイズ推定
4.4.2MCMCに対する一般的な方策
4.4.3例示：ローカルレベル・モデルにおけるギブス・サンプリング
4.5未知の分散
4.5.1固定の未知の分散：d個の逆ガンマ事前分布
4.5.2多変量への拡張
4.5.3外れ値と構造変化に対するモデル
4.6さらなる例
4.6.1GDPギャップの推定：ベイズ推定の場合
4.6.2動的回帰
4.6.3因子モデル
演習問題
5.逐次モンテカルロ法
5.1基本的な粒子フィルタ
5.1.1簡単な例
5.2補助粒子フィルタ
5.3未知パラメータがある場合の逐次モンテカルロ
5.3.1未知パラメータがある場合の簡単な例
5.4おわりに
A.役に立つ分布
B.行列代数：特異値分解
参考文献
索引
執筆者紹介
分冊・シリーズ
