Mixtures of Nonparametric Autoregressions

  • We consider data generating mechanisms which can be represented as mixtures of finitely many regression or autoregression models. We propose nonparametric estimators for the functions characterizing the various mixture components based on a local quasi maximum likelihood approach and prove their consistency. We present an EM algorithm for calculating the estimates numerically which is mainly based on iteratively applying common local smoothers and discuss its convergence properties.

Volltext Dateien herunterladen

Metadaten exportieren

  • Export nach Bibtex
  • Export nach RIS

Weitere Dienste

Teilen auf Twitter Suche bei Google Scholar
Metadaten
Verfasserangaben:Jürgen Franke, Jean-Pierre Stockis, Joseph Tadjuidje, W.K. Li
URN (Permalink):urn:nbn:de:hbz:386-kluedo-16082
Schriftenreihe (Bandnummer):Report in Wirtschaftsmathematik (WIMA Report) (120)
Dokumentart:Preprint
Sprache der Veröffentlichung:Englisch
Jahr der Fertigstellung:2009
Jahr der Veröffentlichung:2009
Veröffentlichende Institution:Technische Universität Kaiserslautern
Urhebende Körperschaft:University of Kaiserslautern
Datum der Publikation (Server):13.07.2009
Freies Schlagwort / Tag:EM algorith ; hidden variables ; kernel estimates; mixture ; nonparametric regression
Fachbereiche / Organisatorische Einheiten:Fachbereich Mathematik
DDC-Sachgruppen:5 Naturwissenschaften und Mathematik / 51 Mathematik / 510 Mathematik
Lizenz (Deutsch):Standard gemäß KLUEDO-Leitlinien vor dem 27.05.2011

$Rev: 13581 $