Zobrazeno 1 - 10
of 50
pro vyhledávání: '"Gugushvili, S."'
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Autor:
Gugushvili, S., van der Meulen, F., Schauer, M., Spreij, P., Wood, D.R., de Gier, J., Praeger, C.E., Tao, T.
Publikováno v:
2017 MATRIX Annals ISBN: 9783030041601
2017 MATRIX Annals, 279-302
STARTPAGE=279;ENDPAGE=302;TITLE=2017 MATRIX Annals
2017 MATRIX Annals, 279-302
STARTPAGE=279;ENDPAGE=302;TITLE=2017 MATRIX Annals
Given discrete time observations over a fixed time interval, we study a nonparametric Bayesian approach to estimation of the volatility coefficient of a stochastic differential equation. We postulate a histogram-type prior on the volatility with piec
Externí odkaz:
https://explore.openaire.eu/search/publication?articleId=doi_dedup___::02447c0272eda312d32d1b9daba7aed5
https://doi.org/10.1007/978-3-030-04161-8_19
https://doi.org/10.1007/978-3-030-04161-8_19
Autor:
Gugushvili, S., Peeters, C.F.W.
Publikováno v:
Bayesian Analysis, 16(14), 1450-1451
Bayesian Analysis 16 (2021) 14
Bayesian Analysis 16 (2021) 14
Externí odkaz:
https://explore.openaire.eu/search/publication?articleId=dedup_wf_001::fb70cbede8c831298721bef924747030
https://research.wur.nl/en/publications/contributed-discussion-of-bayesian-restricted-likelihood-methods-
https://research.wur.nl/en/publications/contributed-discussion-of-bayesian-restricted-likelihood-methods-
We study the problem of non-parametric Bayesian estimation of the intensity function of a Poisson point process. The observations are n independent realisations of a Poisson point process on the interval [0, T]. We propose two related approaches. In
Externí odkaz:
https://explore.openaire.eu/search/publication?articleId=dedup_wf_001::40b8f514b42c5679cea017d3e5dffde4
https://dare.uva.nl/personal/pure/en/publications/fast-and-scalable-nonparametric-bayesian-inference-for-poisson-point-processes(f09a7d8f-353a-42a5-b828-aeb236b0bf28).html
https://dare.uva.nl/personal/pure/en/publications/fast-and-scalable-nonparametric-bayesian-inference-for-poisson-point-processes(f09a7d8f-353a-42a5-b828-aeb236b0bf28).html
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Autor:
Gugushvili, S., Peter Spreij
Publikováno v:
Alea, 9(2), 609-635. Instituto Nacional de Matematica Pura e Aplicada
Scopus-Elsevier
Scopus-Elsevier
We study the problem of parameter estimation for a univariate discretely observed ergodic diffusion process given as a solution to a stochastic differential equation. The estimation procedure we propose consists of two steps. In the first step, which
Externí odkaz:
https://explore.openaire.eu/search/publication?articleId=doi_dedup___::961b739158d630393032ddf343ac9064
https://dare.uva.nl/personal/pure/en/publications/parametric-inference-for-stochastic-differential-equations-a-smooth-and-match-approach(b560df70-a1fe-4e15-92d6-3376276b99c0).html
https://dare.uva.nl/personal/pure/en/publications/parametric-inference-for-stochastic-differential-equations-a-smooth-and-match-approach(b560df70-a1fe-4e15-92d6-3376276b99c0).html