LEO-Py：针对具有给定边缘分布的相关、删失及不确定数据估计似然函数
天体物理仪器与方法
2019-10-09 v1 星系天体物理
应用统计
统计方法学
摘要
具有不确定、缺失、删失和相关值的数据在包括天文学在内的许多研究领域十分常见。遗憾的是，在天文学文献中此类数据常以临时方式处理，可能导致参数估计不一致。此外，在实际情形下，相关变量或其误差可能具有非正态分布，使建模复杂化。我提出了一种计算此类数据集似然函数的新方法。该方法采用高斯 copula 将变量的相关结构与边缘分布解耦，从而得到一种在存在测量不确定、删失和缺失数据时计算数据似然函数的灵活方法。我利用观测数据确定邻近星系恒星形成序列的斜率和本征弥散，展示了其用法。所述算法已实现为灵活、易用的开源 Python 包 LEO-Py。
引用
@article{arxiv.1910.02958,
title = {LEO-Py: Estimating likelihoods for correlated, censored, and uncertain data with given marginal distributions},
author = {R. Feldmann},
journal= {arXiv preprint arXiv:1910.02958},
year = {2019}
}
备注
21 pages, 8 figures, 2 tables, to appear in Astronomy and Computing, LEO-Py is available at github.com/rfeldmann/leopy