Buchumschlag

Likelihood Inference for Possibly Non-Stationary Processes via Adaptive Overdifferencing

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Griffin, Maryclare, Samorodnitsky, Gennady, Matteson, David S.
Format:	Preprint
Veröffentlicht:	2020
Schlagworte:	Methodology
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Review and Demonstration of a Mixture Representation for Simulation from Densities Involving Sums of Powers
von: Griffin, Maryclare
Veröffentlicht: (2024)

Smoothing Variances Across Time: Adaptive Stochastic Volatility
von: Cho, Jason B., et al.
Veröffentlicht: (2024)

Trend and Variance Adaptive Bayesian Changepoint Analysis & Local Outlier Scoring
von: Wu, Haoxuan, et al.
Veröffentlicht: (2020)

Bayesian changepoint detection via logistic regression and the topological analysis of image series
von: Thomas, Andrew M., et al.
Veröffentlicht: (2024)

Information-Enriched Selection of Stationary and Non-Stationary Autoregressions using the Adaptive Lasso
von: Reinschlüssel, Thilo, et al.
Veröffentlicht: (2024)

Stationary Point Constrained Inference via Diffeomorphisms
von: Price, Michael, et al.
Veröffentlicht: (2025)

Pseudo Empirical Likelihood Inference for Non-Probability Survey Samples
von: Chen, Yilin, et al.
Veröffentlicht: (2025)

Likelihood-Free Adaptive Bayesian Inference via Nonparametric Distribution Matching
von: Lu, Wenhui Sophia, et al.
Veröffentlicht: (2025)

Copula-Based Time Series for Non-Gaussian and Non-Markovian Stationary Processes
von: Pappert, Sven, et al.
Veröffentlicht: (2026)

Likelihood-Free Inference via Structured Score Matching
von: Jiang, Haoyu, et al.
Veröffentlicht: (2026)

Testing Simultaneous Diagonalizability
von: Xu, Yuchen, et al.
Veröffentlicht: (2021)

Robust Quickest Change Detection in Multi-Stream Non-Stationary Processes
von: Hou, Yingze, et al.
Veröffentlicht: (2024)

BASTION: A Bayesian Framework for Trend and Seasonality Decomposition
von: Cho, Jason B., et al.
Veröffentlicht: (2026)

Active Learning with Adaptive Non-Stationary Kernel for Continuous-Fidelity Surrogate Models
von: Boutelet, Romain, et al.
Veröffentlicht: (2025)

Efficient Bayesian Inference in the Cox Model via Rank-Ordered Likelihood
von: Ohigashi, Tomohiro, et al.
Veröffentlicht: (2026)

Bayesian Inference for Stationary Points in Gaussian Process Regression Models for Event-Related Potentials Analysis
von: Yu, Cheng-Han, et al.
Veröffentlicht: (2020)

Fast Machine-Precision Spectral Likelihoods for Stationary Time Series
von: Geoga, Christopher J.
Veröffentlicht: (2024)

Selective Inference in Graphical Models via Maximum Likelihood
von: Guglielmini, Sofia, et al.
Veröffentlicht: (2025)

Pseudo-Empirical Likelihood Methods for Causal Inference
von: Huang, Jingyue, et al.
Veröffentlicht: (2024)

Sample Empirical Likelihood Methods for Causal Inference
von: Huang, Jingyue, et al.
Veröffentlicht: (2024)

Generalized Bayesian Likelihood-Free Inference
von: Pacchiardi, Lorenzo, et al.
Veröffentlicht: (2021)

Simultaneous Inference for Non-Stationary Random Fields, with Application to Gridded Data Analysis
von: Zhang, Yunyi, et al.
Veröffentlicht: (2024)

Modeling Dynamic Correlation Matrices with Shrinkage Priors
von: Coulson, Daniel Andrew, et al.
Veröffentlicht: (2026)

Robust Quickest Change Detection in Non-Stationary Processes
von: Hou, Yingze, et al.
Veröffentlicht: (2023)

Statistical Inference for Random Unknowns via Modifications of Extended Likelihood
von: Lee, Hangbin, et al.
Veröffentlicht: (2023)

Regularized Exponentially Tilted Empirical Likelihood for Bayesian Inference
von: Kim, Eunseop, et al.
Veröffentlicht: (2023)

Distributed Empirical Likelihood Inference With or Without Byzantine Failures
von: Wang, Qihua, et al.
Veröffentlicht: (2024)

The Marginal Likelihood of two-way tables and Ecological Inference
von: Forcina, Antonio
Veröffentlicht: (2025)

Empirical Likelihood Inference over Decentralized Networks
von: Du, Jinye, et al.
Veröffentlicht: (2024)

Revisiting Penalized Likelihood Estimation for Gaussian Processes
von: Mutoh, Ayumi, et al.
Veröffentlicht: (2025)

Misspecification-robust Sequential Neural Likelihood for Simulation-based Inference
von: Kelly, Ryan P., et al.
Veröffentlicht: (2023)

Drift vs Shift: Decoupling Trends and Changepoint Analysis
von: Wu, Haoxuan, et al.
Veröffentlicht: (2022)

Empirical Bayes Estimation and Inference via Smooth Nonparametric Maximum Likelihood
von: Kim, Taehyun, et al.
Veröffentlicht: (2026)

Vector AutoRegressive Moving Average Models: A Review
von: Düker, Marie-Christine, et al.
Veröffentlicht: (2024)

Neural Likelihood Surfaces for Spatial Processes with Computationally Intensive or Intractable Likelihoods
von: Walchessen, Julia, et al.
Veröffentlicht: (2023)

Differentially Private One-Shot Federated Inference for Linear Mixed Models via Lossless Likelihood Reconstruction
von: Hanada, Keisuke, et al.
Veröffentlicht: (2026)

Accounting for Multiple Covariates in Non-Stationary Geostatistical Modelling
von: Johnson, Olatunji, et al.
Veröffentlicht: (2024)

Adaptive Penalized Likelihood method for Markov Chains
von: Zhou, Yining, et al.
Veröffentlicht: (2024)

Empirical Likelihood Meets Prediction-Powered Inference
von: Wang, Guanghui, et al.
Veröffentlicht: (2025)

Predictive Causal Inference via Spatio-Temporal Modeling and Penalized Empirical Likelihood
von: Lee, Byunghee, et al.
Veröffentlicht: (2025)