多高斯模型中底层变异函数经验估计的成对似然方法
统计理论
2015-10-19 v2 统计理论
摘要
多高斯模型特别适合描述分类区域化变量。从通过一个或几个高斯随机场(GRFs)的阈值化以获得类别这一简单原理出发，多高斯模型很好地适应广泛的情形。通过对阈值化规则的形式和/或阈值（可随空间变化）以及底层GRFs的变异函数进行调整，可以生成分类变量的许多空间构型。一个困难是为底层GRFs选择变异函数模型。事实上，后者被截断所隐藏，我们仅观察到类别指示器的简单和交叉变异函数。本文中，我们提出一种基于成对似然的半参数方法，以估计GRFs的经验变异函数。它提供了一种探索性工具，以便为每个GRF选择合适的模型并随后估计其参数。我们通过蒙特卡洛模拟研究说明了该方法的效率。本文提出的方法在R包RGeostats中实现。
引用
@article{arxiv.1510.02668,
title = {A pairwise likelihood approach for the empirical estimation of the underlyingvariograms in the plurigaussian models},
author = {Nicolas Desassis and Didier Renard and Hélène Beucher and Sylvain Petiteau and Xavier Freulon},
journal= {arXiv preprint arXiv:1510.02668},
year = {2015}
}
备注
To be submitted to Spatial Statistics