Tengo una pregunta general acerca de la Varianza de distribución gamma. Estoy interesado en cómo estimar sus parámetros, dado un conjunto de puntos de entrenamiento?
He intentado buscar la respuesta en internet, pero, sorprendentemente, logró encontrar sólo un par de enlaces relativos:
- VarianceGamma paquete de R (y es manual)
- El papel que se hace referencia en el paquete de R manual.
Yo no soy un experto en R, pero lo que yo vi en el paquete de R fue (por lo que he entendido) estimación de máxima verosimilitud. Realizan algún proceso iterativo de optimización de los diferentes métodos, comenzando con Sesgo de Laplace para inicializar el estimador.
En el papel en el que la primera estimación de la media, varianza, asimetría, curtosis, a través de momentos. A continuación, se asume que el parámetro de asimetría $\theta$ es pequeña y set de $\theta^2 = \theta^3 = 0$. Y después de todo lo que resolver combinado ecuaciones para obtener todos los parámetros estimadores. Eso es lo que he entendido.
Así que mis preguntas son:
- ¿Cómo es exactamente lo que realizar la optimización en el paquete de R? Tal vez usted sabe el lugar donde se describe?
- ¿Cuál es la diferencia entre los dos métodos? Cuál es el mejor para usar en la vida real (bueno, el de máxima verosimilitud es mejor, pero es mucho más difícil de implementar y el rendimiento no es tan bueno)? Son los supuestos sobre los pequeños $\theta$ estricta en el primer método?
- Donde puedo leer más acerca de Varianza-Gamma estimación de los parámetros?
Yo estaría muy agradecido por cada uno de los parientes de las respuestas, documentos y enlaces. Gracias!
