Benutzer: Gast  Login
Originaltitel:
Nonparametric estimation in simplified vine copula models 
Übersetzter Titel:
Nichtparametrische Schätzung in vereinfachten Vine-Copula Modellen 
Jahr:
2018 
Dokumenttyp:
Dissertation 
Institution:
Fakultät für Mathematik 
Betreuer:
Czado, Claudia (Prof., Ph.D.) 
Gutachter:
Czado, Claudia (Prof., Ph.D.); Gijbels, Irène (Prof. Dr.); Joe, Harry (Prof., Ph.D.) 
Sprache:
en 
Fachgebiet:
MAT Mathematik 
TU-Systematik:
MAT 620d 
Kurzfassung:
Nonparametric estimators of multivariate functions typically converge more slowly as dimension increases. We show that one can evade this curse of dimensionality by assuming a simplified vine copula model for the dependence between variables and compare several methods in simulations. We further extend the applicability of this finding in two ways: We introduce an approach to estimate regression functions based on the copula density and discuss a generic technique to make nonparametric function...    »
 
Übersetzte Kurzfassung:
Nichtparametrische Schätzer von multivariaten Funktionen konvergieren für gewöhnlich langsamer, wenn die Anzahl der Variablen zunimmt. Wir zeigen, dass man diesem Fluch der Dimensionen entkommen kann, indem man ein vereinfachtes Vine-Copula Modell für die Abhängigkeit zwischen den Variablen annimmt, und untersuchen darauf basierende Schätzmethoden in einer Simulationsstudie. Im Anschluss wird die Anwendbarkeit dieser Eigenschaft in zweierlei Hinsicht erweitert: Wir zeigen, wie man allgemeine R...    »
 
Mündliche Prüfung:
06.11.2018 
Dateigröße:
2183765 bytes 
Seiten:
171 
Letzte Änderung:
18.12.2018