Modelos semiparamétricos (Kernel+regresores): notas adicionales

Antonio Sala, UPV

Dificultad: ***** ,       Relevancia: ,      Duración: 09:00

Resumen:

Este vídeo amplía ciertos detalles del vídeo [semipar1]. Los primeros dos minutos resumen rápidamente las ideas de dicho vídeo.

Luego. considera la estimación de la confianza de los parámetros explícitos estimados (matriz de varianzas-covarianzas a posteriori de $\widehat{𝜃}$), y considera los casos particulares de identificación “kernel” (proceso gaussiano) pura (${\mathrm{\Sigma }}_{𝜃}=0$) y los mínimos cuadrados recursivos ($\kappa (x_1,x_2)=0$). Por último, enfatiza el caso particular de proceso gaussiano con media $\mu$ no nula que debe ser estimada (conocido como ordinary krigging en la literatura), que corresponde a $\varphi (x)=1$ de modo que $y(x)=z(x)+\mu +𝜖$, siendo $\mu$ constante y $𝜖$ ruido (blanco) de medida de una cierta varianza.

Colección completa [VER]:

• Anterior   Modelos semiparamétricos (Kernel+regresores): estimación de salidas y parámetros

• Siguiente Modelos semiparamétricos (Kernel+regresores): clase Matlab para ejemplos