Teste de propriedade markov em uma série temporal

11

Dada uma série (observada) com , existe um teste estatístico para testar a hipótese nula de que (ou seja, a propriedade markov)?XtXt∈{1,...,n}P(Xt|Xt−1,Xt−2,...,X1)=P(Xt|Xt−1)

time-series hypothesis-testing markov-process thias
fonte
3
Penso que o artigo " Testando a propriedade de Markov em séries temporais " contém informações úteis e revisão da literatura.
Pardis
2
se você quiser testar a suposição markoviana isoladamente, precisará fazer algo como o artigo @Pardis vinculado. Se você quiser verificar essa suposição no contexto de algum tipo de modelo adequado, minha inclinação seria fazer algo informal como: anote a probabilidade conjunta sob a suposição markoviana e ajuste o modelo. Em seguida, anote a probabilidade conjunta sem a suposição markoviana e volte a ajustar o modelo. Se as estimativas são praticamente as mesmas, nada se perde usando a suposição markoviana. (Estou fazendo um comentário, pois ele não responde explicitamente à pergunta) #
305 Macro
11
Ótima referência da Pardis! De acordo com o que a Macro está dizendo, se você ajusta um modelo AR (1) aos dados e ele se encaixa bem, de uma maneira que testa a propriedade Markov porque os processos AR (1) são Markovianos.
Michael R. Chernick
11
Sim, @ MichaelCherknick, mas certamente existem outros modelos markovianos. O ajuste AR (1) mal não diz que o modelo não é markoviano.
Macro
@Pardis, 404 no link para "Teste para a propriedade Markov ..."
alancalvitti 16/01

Respostas:

3

Ótima pergunta !! No topo da minha cabeça, uma consequência da propriedade Markov, é que, em , é independente de , , ... (usado na modelagem de rede bayesiana ).Xt−1XtXt−2Xt−3

Portanto, você pode provar a propriedade Markov se puder provar para cada índice.P(Xt,Xt−2,Xt−3,...|Xt−1)=P(Xt|Xt−1)P(Xt−2Xt−3,....|Xt−1)

O único caso em que isso será (relativamente fácil) é se as variáveis ​​forem gaussianas multivariadas. Caso contrário, pode ser bastante difícil de implementar, especialmente se as observações forem contínuas. Ainda assim, você pode usar testes de independência, como , ou técnicas mais avançadas baseadas na divergência de Kullback-Leibler, como mostra neste artigo, por exemplo.χ2

gui11aume
fonte
11
Receio não entender bem como faria isso. Você pode elaborar como proceder na prática? Observe que tenho observações univariadas de um conjunto discreto para todos os . Exatamente qual distribuição deve ser gaussiana multivariada? Xt∈{1,...,n}t
Thias