Modified maximum likelihood method for the robust estimation of system parameters from very noisy data

Puthenpura, S.; Sinha, Ν.Κ.

doi:10.1016/0005-1098(86)90085-3

Cited by 86 publications

(33 citation statements)

References 7 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Solving such equations by iteration is very problematic (Punhenpura and Sinha 1986;Vaughan 1992;Senoglu and Tiku 2002). Therefore, the MLE are elusive.…”

Section: Estimationmentioning

confidence: 98%

Short-tailed distributions and inliers

Akkaya

Tiku

2007

TEST

View full text Add to dashboard Cite

show abstract

“…Solving such equations by iteration is very problematic (Punhenpura and Sinha 1986;Vaughan 1992;Senoglu and Tiku 2002). Therefore, the MLE are elusive.…”

Section: Estimationmentioning

confidence: 98%

Short-tailed distributions and inliers

Akkaya

Tiku

2007

TEST

View full text Add to dashboard Cite

show abstract

“…En tales situaciones, la estimación de máxima verosimilitud puede ser problemática [5]. En este trabajo, se ha utilizado el método de verosimilitud modificada para estimar los parámetros de un modelo de regresion lineal con el supuesto de la distribución SHG de error.…”

Section: Conclusionesunclassified

“…Si los datos contienen valores atípicos, las iteraciones con las ecuaciones de verosimilitud son a menudo no convergentes [5]. Para mitigar estas dificultades, se puede utilizar el método de Máxima Verosimilitud Modificada (MVM) [6], [7], donde los estimadores obtenidos, tienen formas algebraicas explícitas y son, por lo tanto, fáciles para calcular y se sabe que tienen las siguientes propiedades bajo las condiciones de regularidad habituales para la existencia de los estimadores de Máxima Verosimilitud (MV):…”

Section: Introductionunclassified

Regresión Lineal con Errores no Normales: Secante Hiperbólica Generalizada

Moreno

Martínez

2015

ing.cienc.

View full text Add to dashboard Cite

ResumenEn este trabajo se presenta un estudio del modelo de regresión lineal del tipo y = θx+e, donde el error tiene distribución Secante Hiperbólica Generalizada (SHG). El método para estimar los parámetros se obtienen mediante una configuración de máxima verosimilitud expresando las ecuaciones no lineales en forma lineal (Verosimilitud Modificada). Los estimadores resultantes son expresiones analíticas en términos de valores de la muestra y, por lo tanto, son fácilmente calculables. Mediante la aplicación de varios tipos de datos, se muestra la metodología descripta anterior, y se obtienen modelos plausibles frente a las verdaderas distribuciones subyacentes de los datos.Palabras clave: distribución secante hiperbólica generalizada; modelo lineal clásico; máxima verosimilitud modificada; mínimos cuadrados

show abstract

“…Las ecuaciones (13) y (14) no admiten soluciones explícitas debido a los términos relacionados con la función no lineal g(z), pero pueden ser resueltas por métodos iterativos. Esto puede ser problemático por razones de (i) las raíces múltiples, (ii) la falta de convergencia de las iteraciones (Barnett [9], Tiku y Suresh [10], Puthenpura y Sinha [11]). Lo que se necesita es un método de estimación que capture la belleza de la máxima verosimilitud, pero que alivie sus dificultades en el cálculo.…”

Section: Los Estimadores De Mvmunclassified

Secante hiperbólica generalizada y un método de estimación de sus parámetros: máxima verosimilitud modificada

Caita

Moreno

2013

ing.cienc.

View full text Add to dashboard Cite

MSC: 60E05, 62E10Resumen Diversas distribuciones generalizadas se desarrollan en la literatura estadís-tica, entre ellas se encuentra la distribución Secante Hiperbólica Generalizada (SHG). En este documento se presenta un método alternativo para la estimación de los parámetros poblacionales de la SHG, llamado Máxima Verosimilitud Modificada (MVM). Asumiendo algunas expresiones alternas que difieren con el trabajo de Vaughan en el 2002 y basándose en el mismo conjunto de datos de la fuente original. Se implementa computacionalmente el método transformado de MVM, permitiendo observar unas buenas aproximaciones de los valores de los parámetros de localización y escala, presentados por Vaughan en su artículo. Con esto se pretende que en la práctica se cuente con una metodología diferente para estimar.Palabras clave: distribución secante hiperbólica generalizada; máxima verosimilitud modificada; estimación de parámetros.

show abstract

Modified maximum likelihood method for the robust estimation of system parameters from very noisy data

Cited by 86 publications

References 7 publications

Short-tailed distributions and inliers

Short-tailed distributions and inliers

Regresión Lineal con Errores no Normales: Secante Hiperbólica Generalizada

Secante hiperbólica generalizada y un método de estimación de sus parámetros: máxima verosimilitud modificada

Contact Info

Product

Resources

About