文献

J-GLOBAL ID：202202279809695402   整理番号：22A1091084

Gaussランダム摂動による漸近的共分散推定【JST・京大機械翻訳】

Asymptotic covariance estimation by Gaussian random perturbation

著者 (3件)： Zhou Jing (Center for Applied Statistics, School of Statistics, Renmin University of China, China) ,  Lan Wei (School of Statistics and Center of Statistical Research, Southwestern University of Finance and Economics, China) ,  Wang Hansheng (Guanghua School of Management, Peking University, China)
資料名： Computational Statistics & Data Analysis  (Computational Statistics & Data Analysis)
巻： 171  ページ： Null  発行年： 2022年 
JST資料番号： H0911A  ISSN： 0167-9473  CODEN： CSDADW  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： ほとんどの場合,M-推定器の漸近共分散行列はサンドイッチ形式である。このサンドイッチ形式は損失関数が複雑であれば,損失関数の一次および二次導関数の計算を含む。この問題を軽減するために,Gaussランダム摂動と呼ばれる新しい方法を提案した。この方法は,微分計算なしで一般的なM-推定子の漸近共分散行列の推定に使用できる。アイデアを以下の通りまとめた。最初に,M-推定器の周りの小さなランダム摂動を生成した。次に,ランダム摂動M推定器における損失関数を再評価し,Taylor級数展開による損失関数の一次および二次導関数の推定量を得た。これは漸近共分散行列の新しい推定器になる。次に,得られた共分散推定器は,2つのエレガント特性に統計的に整合することを示した。最初に,それは導関数の計算を含まない。これにより,複雑な損失関数を持つM推定子の共分散行列の推定が容易になる。第2に,並列計算に便利であり,従って大規模データ解析にとって魅力的である。提案した漸近共分散推定量の一貫性を適切な規則性条件の下で実証した。この方法の実用的有用性は,シミュレーション研究と実際のデータ解析の両方によってさらに実証された。Copyright 2022 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 行列 ,  シミュレーション ,  統計 ,  推定 ,  損失関数 ,  微分 ,  規則度 ,  データ解析 ,  並列演算 ,  導関数 ,  推定量 ,  *摂動 ,  一貫性
準シソーラス用語： 共分散行列 ,  *共分散推定 ,  大規模データ , 【Automatic Indexing@JST】

著者キーワード (3件)： 共分散行列推定 ,  Gaussランダム摂動 ,  M推定量

分類 (1件)： 信号理論  (ND02020G)

タイトルに関連する用語 (2件)： 摂動 ,  共分散推定