J'ai des données de séries chronologiques et j'ai utilisé un comme modèle pour ajuster les données. Le est une variable aléatoire indicatrice qui est soit 0 (quand je ne vois pas d'événement rare) ou 1 (quand je vois l'événement rare). Sur la base des observations précédentes que j'ai pour , je peux développer un modèle pour utilisant la méthodologie de chaîne de Markov à longueur variable. Cela me permet de simuler le sur la période de prévision et donne une séquence de zéros et de uns. Comme il s'agit d'un événement rare, je ne verrai pas souvent . Je peux prévoir et obtenir les intervalles de prédiction en fonction des valeurs simulées pour . X t X t X t X t X t = 1 X t
Question:
Comment développer une procédure de simulation efficace pour prendre en compte l'occurrence de 1 dans le simulé sur la période de prévision? J'ai besoin d'obtenir la moyenne et les intervalles de prévision.
La probabilité d'observer 1 est trop faible pour que je puisse penser que la simulation Monte Carlo régulière fonctionnera bien dans ce cas. Je peux peut-être utiliser «l'échantillonnage d'importance», mais je ne sais pas exactement comment.
Je vous remercie.
Réponses:
Nous considérons tout d'abord un cas plus général. Soit , où et . Ensuite, en supposant que le support de domine celui de et que toutes les intégrales ci-dessous existent, nous avons: A ∼ f A ( ⋅ ) X ∼ f X ( ⋅ ) g x ( ⋅ ) f X ( ⋅ ) P ( Y ≤ y ) = E f A , f X [ I ( Y ≤ y ) ] = E f X [ E f AOui= Y( A , X) A ∼ fUNE( ⋅ ) X∼ fX( ⋅ ) gX( ⋅ ) FX( ⋅ )
Dans votre cas, et peut être défini comme ceci: Par conséquent, vous pouvez simuler via la distribution , mais toutes les observations avec auront le poids et toutes les observations avec auront le poids . La simulation du processus ARIMA ne sera pas affectée.
la source