椭圆分布协方差矩阵的正则化极大似然估计
统计理论
2016-12-01 v1 统计理论
摘要
极大似然原理在统计学中应用广泛，其对应的估计量通常表现出良好的性质。事实上，在温和条件下，极大似然估计量能保证渐近有效。然而，在某些情形下，样本量过少难以获得良好估计。此时，考虑待估计分布的先验信息便显得必要。一种可行方法是在贝叶斯框架下扩展极大似然原理，从而得到极大后验估计；但这需要对分布参数建立分布模型。因此，本文将聚焦于正则化估计量这一替代方法；我们将展示如何将其自然地引入极大似然估计框架，以及如何将其扩展以形成能够剔除异常值的稳健估计量。
引用
@article{arxiv.1611.10266,
title = {Regularized maximum likelihood estimation of covariance matrices of elliptical distributions},
author = {Christophe Culan and Claude Adnet},
journal= {arXiv preprint arXiv:1611.10266},
year = {2016}
}
备注
9 pages, 3 figures. arXiv admin note: text overlap with arXiv:1611.04365, arXiv:1611.07418