An algorithm for conditional multidimensional parameter identification with asymmetric and correlated losses of under- and overestimations
PBN-AR
Instytucja
Wydział Fizyki i Informatyki Stosowanej (Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie)
Informacje podstawowe
Główny język publikacji
EN
Czasopismo
JOURNAL OF STATISTICAL COMPUTATION AND SIMULATION
ISSN
0094-9655
EISSN
Wydawca
TAYLOR & FRANCIS LTD
DOI
URL
Rok publikacji
2016
Numer zeszytu
5
Strony od-do
1032--1055
Numer tomu
86
Link do pełnego tekstu
Identyfikator DOI
Liczba arkuszy
1.71
Autorzy
(liczba autorów: 2)
Pozostali autorzy
+ 1
Słowa kluczowe
EN
nonparametric estimation
identification of vector of parameters
conditioning factors
Bayes approach
asymmetrical loss function
distribution free method
numerical algorithm
Streszczenia
Język
EN
Treść
Many of today’s specialized applicational tasks are obliged to consider the influence of inevitable errors in the identification of parameters appearing in a model. Favourable results can also be achieved through measuring, and then accounting for definite (e.g. current) values of factors which show a significant reaction to the values of those parameters. This paper is dedicated to the problem of the estimation of a vector of parameters, where losses resulting from their under- and overestimation are asymmetric and mutually correlated. The issue is considered from a supplementary conditional aspect, where particular coordinates of conditioning variables may be continuous, discrete, multivalued (in particular binary) or categorized (ordered and unordered). The final result is a ready-to-use algorithm for calculating the value of an estimator, optimal in the sense of minimum expectation of losses using a multidimensional asymmetric quadratic function, for practically any distributions of describing and conditioning variables.
Cechy publikacji
original article
peer-reviewed
Inne
System-identifier
idp:095490
CrossrefMetadata from Crossref logo
Cytowania
Liczba prac cytujących tę pracę
Brak danych
Referencje
Liczba prac cytowanych przez tę pracę
Brak danych