Vše

Co hledáte?

Vše
Projekty
Výsledky výzkumu
Subjekty

Rychlé hledání

  • Projekty podpořené TA ČR
  • Významné projekty
  • Projekty s nejvyšší státní podporou
  • Aktuálně běžící projekty

Chytré vyhledávání

  • Takto najdu konkrétní +slovo
  • Takto z výsledků -slovo zcela vynechám
  • “Takto můžu najít celou frázi”

Least informative distributions in maximum q-log-likelihood estimation

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F68407700%3A21340%2F18%3A00322787" target="_blank" >RIV/68407700:21340/18:00322787 - isvavai.cz</a>

  • Výsledek na webu

    <a href="https://www.sciencedirect.com/science/article/pii/S0378437118307283" target="_blank" >https://www.sciencedirect.com/science/article/pii/S0378437118307283</a>

  • DOI - Digital Object Identifier

    <a href="http://dx.doi.org/10.1016/j.physa.2018.06.004" target="_blank" >10.1016/j.physa.2018.06.004</a>

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    Least informative distributions in maximum q-log-likelihood estimation

  • Popis výsledku v původním jazyce

    We use the maximum q-log-likelihood estimation for Least informative distributions (LIDs) in order to estimate the parameters in probability density functions (PDFs) efficiently and robustly when data include outlier(s). LIDs are derived by using convex combinations of two PDFs. A convex combination of two PDFs is composed of an underlying distribution and a contamination. The optimal criterion is obtained by minimizing the change of maximum q-log-likelihood function when the data contain small amount of contamination. In this paper, we make a comparison between ordinary maximum likelihood estimation, maximum q-log-likelihood estimation (MqLE) and LIDs based on MqLE for parameter estimation from data with outliers. We derive a new Fisher information matrix based on the score function for LID from M-function and use it for choice of optimal estimator in the class of MqLE. The model selection is done by the robust information criteria. We test the methods on the real data with outliers and estimate shape and scale parameters of probability distributions. As a result, we show that the LIDs based on MqLE provide the most robust and efficient estimation of the model parameters.

  • Název v anglickém jazyce

    Least informative distributions in maximum q-log-likelihood estimation

  • Popis výsledku anglicky

    We use the maximum q-log-likelihood estimation for Least informative distributions (LIDs) in order to estimate the parameters in probability density functions (PDFs) efficiently and robustly when data include outlier(s). LIDs are derived by using convex combinations of two PDFs. A convex combination of two PDFs is composed of an underlying distribution and a contamination. The optimal criterion is obtained by minimizing the change of maximum q-log-likelihood function when the data contain small amount of contamination. In this paper, we make a comparison between ordinary maximum likelihood estimation, maximum q-log-likelihood estimation (MqLE) and LIDs based on MqLE for parameter estimation from data with outliers. We derive a new Fisher information matrix based on the score function for LID from M-function and use it for choice of optimal estimator in the class of MqLE. The model selection is done by the robust information criteria. We test the methods on the real data with outliers and estimate shape and scale parameters of probability distributions. As a result, we show that the LIDs based on MqLE provide the most robust and efficient estimation of the model parameters.

Klasifikace

  • Druh

    J<sub>imp</sub> - Článek v periodiku v databázi Web of Science

  • CEP obor

  • OECD FORD obor

    10103 - Statistics and probability

Návaznosti výsledku

  • Projekt

    <a href="/cs/project/GF17-33812L" target="_blank" >GF17-33812L: Informačně-teoretický přístup ke komplexním dynamickým systémům</a><br>

  • Návaznosti

    P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)

Ostatní

  • Rok uplatnění

    2018

  • Kód důvěrnosti údajů

    S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Údaje specifické pro druh výsledku

  • Název periodika

    Physica A: Statistical Mechanics and Its Applications

  • ISSN

    0378-4371

  • e-ISSN

    1873-2119

  • Svazek periodika

    509

  • Číslo periodika v rámci svazku

    11

  • Stát vydavatele periodika

    NL - Nizozemsko

  • Počet stran výsledku

    11

  • Strana od-do

    140-150

  • Kód UT WoS článku

    000441492100012

  • EID výsledku v databázi Scopus

    2-s2.0-85048778152