Particle filter-based approximate maximum likelihood inference asymptotics in state-space models

Jimmy Olsson, Tobias Rydén

Forskningsoutput: Kapitel i bok/rapport/Conference proceedingKonferenspaper i proceedingForskningPeer review

Sammanfattning

To implement maximum likelihood estimation in state-space models, the log-likelihood function must be approximated. We study such approximations based on particle filters, and in particular conditions for consistency of the corresponding approximate maximum likelihood estimator. Numerical results illustrate the theory.
Originalspråkengelska
Titel på gästpublikationESAIM Proceedings
Sidor115-120
Antal sidor6
Volym19
DOI
StatusPublished - 2007
EvenemangConference Oxford sur les méthodes de Monte Carlo séquentielles -
Varaktighet: 0001 jan 2 → …

Publikationsserier

Namn
Volym19
ISSN (tryckt)1270-900X

Konferens

KonferensConference Oxford sur les méthodes de Monte Carlo séquentielles
Period0001/01/02 → …

Ämnesklassifikation (UKÄ)

  • Sannolikhetsteori och statistik

Fingeravtryck

Utforska forskningsämnen för ”Particle filter-based approximate maximum likelihood inference asymptotics in state-space models”. Tillsammans bildar de ett unikt fingeravtryck.

Citera det här