Počet záznamů: 1
Multilevel maximum likelihood estimation with application to covariance matrices
- 1.
SYSNO ASEP 0486424 Druh ASEP J - Článek v odborném periodiku Zařazení RIV J - Článek v odborném periodiku Poddruh J Článek ve WOS Název Multilevel maximum likelihood estimation with application to covariance matrices Tvůrce(i) Turčičová, Marie (UIVT-O) RID, ORCID, SAI
Mandel, Jan (UIVT-O) RID
Eben, Kryštof (UIVT-O) SAI, RID, ORCIDZdroj.dok. Communications in Statistics - Theory and Methods. - : Taylor & Francis - ISSN 0361-0926
Roč. 48, č. 4 (2019), s. 909-925Poč.str. 17 s. Jazyk dok. eng - angličtina Země vyd. US - Spojené státy americké Klíč. slova Fisher information ; High dimension ; Hierarchical maximum likelihood ; Nested parameter spaces ; Spectral diagonal covariance model ; Sparse inverse covariance model Vědní obor RIV BB - Aplikovaná statistika, operační výzkum Obor OECD Statistics and probability CEP GA13-34856S GA ČR - Grantová agentura ČR Způsob publikování Omezený přístup Institucionální podpora UIVT-O - RVO:67985807 UT WOS 000468073600010 EID SCOPUS 85041122146 DOI 10.1080/03610926.2017.1422755 Anotace The asymptotic variance of the maximum likelihood estimate is proved to decrease when the maximization is restricted to a subspace that contains the true parameter value. Maximum likelihood estimation allows a systematic fitting of covariance models to the sample, which is important in data assimilation. The hierarchical maximum likelihood approach is applied to the spectral diagonal covariance model with different parameterizations of eigenvalue decay, and to the sparse inverse covariance model with specified parameter values on different sets of nonzero entries. It is shown computationally that using smaller sets of parameters can decrease the sampling noise in high dimension substantially. Pracoviště Ústav informatiky Kontakt Tereza Šírová, sirova@cs.cas.cz, Tel.: 266 053 800 Rok sběru 2020 Elektronická adresa http://dx.doi.org/10.1080/03610926.2017.1422755
Počet záznamů: 1