Johannes Dreesman
Zur statistischen Inferenz in Markov-Feldern: Markov-Chain-Monte-Carlo-Verfahren und Modelle mit räumlich variierenden Koeffizienten
Thema der Arbeit ist die Parameterschätzung in Gaußschen Markov Feld Modellen auf einem regulären Gitter. Hierfür wird ein Markov-Chain-Monte-Carlo-Maximum-Likelihood-Schätzer hergeleitet und analysiert, wobei dieser sich gegenüber dem klassischen Verfahren als überlegen erweist. Der Schätzer basiert auf einen speziell optimierten antithetischen Gibbs-Sampler. Reale Daten erfüllen häufig nicht die Voraussetzung der Mittelwert- und Kovarianzstationarität. Daher werden Modelle mit räumlich variierenden Koeffizienten vorgeschlagen und lokale Likelihood-basierte Schätzverfahren entwickelt. Diese Modelle werden auf einen klassischen Weizendatensatz und auf Forstdaten angewandt und ermöglichen eine adäquatere Modellierung.
-
broschiert: 195 Seiten Format: 20,5 x 14,5 ISBN 978-3-89675-341-0 48,98 € (Preisbindung aufgehoben)
vergriffen