Problems with likelihood estimation of covariance functions of spatial Gaussian processes
空间高斯过程协方差函数似然估计的问题AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要研究空间高斯过程的协方差估计，未明确对应时间序列、金融波动率或其他所列方向。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
空间高斯过程协方差函数似然估计的问题
- 研究问题
- 使用极大似然估计空间高斯过程协方差参数时，似然多峰与全局最大值对应不合理参数的问题会如何影响估计解释？
- 方法与思路
- 作者讨论基于模拟数据的简单例子，并用真实数据示例展示剖面似然的多峰性，以及全局最大值可能对应不合理参数。
- 材料陈述的贡献
- 摘要提供反例式证据，说明空间协方差参数的剖面似然可能多峰，全局似然最大值也未必具有合理的参数解释。
- 阅读关注点
- 应核对协方差函数形式、空间采样布局、剖面化参数和优化过程，并查明作者判断参数值不合理所依据的标准。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；例子的具体模型和数据未提供，不能将所示问题推广为所有空间似然估计均失效。
原文摘要
Maximum likelihood has frequently been suggested as a way to estimate covariance parameters in spatial Gaussian processes. The results of some simple examples based on simulated data are discussed. It is shown by an example with real data that the profile likelihood can be multimodal, and that the global maximum may not correspond to a sensible value of the parameters.