• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Statistics and computing >Comparing composite likelihood methods based on pairs for spatial Gaussian random fields
【24h】

Comparing composite likelihood methods based on pairs for spatial Gaussian random fields

机译：空间高斯随机场基于对的复合似然方法比较

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

In the last years there has been a growing interest in proposing methods for estimating covariance functions for geostatistical data. Among these, maximum likelihood estimators have nice features when we deal with a Gaussian model. However maximum likelihood becomes impractical when the number of observations is very large. In this work we review some solutions and we contrast them in terms of loss of statistical efficiency and computational burden. Specifically we focus on three types of weighted composite likelihood functions based on pairs and we compare them with the method of covariance tapering. Asymptotic properties of the three estimation methods are derived. We illustrate the effectiveness of the methods through theoretical examples, simulation experiments and by analyzing a data set on yearly total precipitation anomalies at weather stations in the United States.
机译：在过去的几年中，人们对提出用于估计地统计数据协方差函数的方法的兴趣日益增长。其中，当我们处理高斯模型时，最大似然估计器具有很好的功能。但是，当观察的数量很大时，最大可能性变得不切实际。在这项工作中，我们回顾了一些解决方案，并从统计效率和计算负担的损失方面对它们进行了对比。具体来说，我们专注于基于对的三种类型的加权复合似然函数，并将它们与协方差渐减方法进行比较。推导了三种估计方法的渐近性质。我们通过理论示例，模拟实验以及通过分析美国气象站年总降水异常的数据集来说明该方法的有效性。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号