Maximum likelihood estimation for a bivariate Gaussian process under fixed domain asymptotics

Abstract : We consider maximum likelihood estimation with data from a bivariate Gaussian process with a separable exponential covariance model under fixed domain asymptotic. We first characterize the equivalence of Gaussian measures under this model. Then consistency and asymptotic distribution for the microergodic parameters are established. A simulation study is presented in order to compare the finite sample behavior of the maximum likelihood estimator with the given asymptotic distribution.
Type de document :
Pré-publication, Document de travail
2016
Liste complète des métadonnées

Littérature citée [32 références]  Voir  Masquer  Télécharger

https://hal.archives-ouvertes.fr/hal-01294547
Contributeur : François Bachoc <>
Soumis le : mardi 29 mars 2016 - 14:16:29
Dernière modification le : jeudi 31 mars 2016 - 01:07:32
Document(s) archivé(s) le : jeudi 30 juin 2016 - 16:30:53

Fichiers

elsarticleclasymfn.pdf
Fichiers produits par l'(les) auteur(s)

Identifiants

  • HAL Id : hal-01294547, version 1
  • ARXIV : 1603.09059

Collections

Citation

Velandia Daira, Bachoc François, Bevilacqua Moreno, Gendre Xavier, Loubes Jean-Michel. Maximum likelihood estimation for a bivariate Gaussian process under fixed domain asymptotics. 2016. 〈hal-01294547〉

Partager

Métriques

Consultations de
la notice

116

Téléchargements du document

35