scholarly journals When Was Westerhus Churchyard in Use?

2021 ◽  
Vol 13 (1) ◽  
pp. 161-182
Author(s):  
Claes-Henric Siven
Keyword(s):  
Monte Carlo ◽  
Maximum Likelihood ◽  
Monte Carlo Simulations ◽  
Maximum Likelihood Estimator ◽  
Maximum Likelihood Method ◽  
Likelihood Method ◽  
Likelihood Estimator ◽  
Raw Data ◽  
Mass Graves ◽  
Point Estimates

The period of use for the Swedish medieval churchyard of Westerhus has been estimated by the maximum likelihood method. Raw data consist of 30 calibrated '4C-dates of some of the skeletons from the site. Bias and other properties of the maximum likelihood estimator are analyzed via a number of Monte Carlo simulations. The point estimates imply that the site was used in the period 1073-1356, that is, a somewhat longer period than previously assumed. The estimated length of the period of use affects the interpretation ofthe great number ofburied children. Population calculations lead to the conclusion that the six agglomerations of children's graves cannot be interpreted as mass graves.

scholarly journals Statistical Inference for the Inverted Scale Family under General Progressive Type-II Censoring

Symmetry ◽  
2020 ◽  
Vol 12 (5) ◽  
pp. 731
Author(s):  
Jing Gao ◽  
Kehan Bai ◽  
Wenhao Gui
Keyword(s):  
Monte Carlo ◽  
Maximum Likelihood ◽  
Monte Carlo Simulations ◽  
Maximum Likelihood Estimator ◽  
Confidence Intervals ◽  
Interval Estimation ◽  
Bayesian Estimator ◽  
Small Samples ◽  
Likelihood Estimator ◽  
Scale Family

Two estimation problems are studied based on the general progressively censored samples, and the distributions from the inverted scale family (ISF) are considered as prospective life distributions. One is the exact interval estimation for the unknown parameter θ , which is achieved by constructing the pivotal quantity. Through Monte Carlo simulations, the average 90 % and 95 % confidence intervals are obtained, and the validity of the above interval estimation is illustrated with a numerical example. The other is the estimation of R = P ( Y < X ) in the case of ISF. The maximum likelihood estimator (MLE) as well as approximate maximum likelihood estimator (AMLE) is obtained, together with the corresponding R-symmetric asymptotic confidence intervals. With Bootstrap methods, we also propose two R-asymmetric confidence intervals, which have a good performance for small samples. Furthermore, assuming the scale parameters follow independent gamma priors, the Bayesian estimator as well as the HPD credible interval of R is thus acquired. Finally, we make an evaluation on the effectiveness of the proposed estimations through Monte Carlo simulations and provide an illustrative example of two real datasets.

A Monte Carlo Maximum Likelihood Method for Estimating Uncertainty Arising from Shared Errors in Exposures in Epidemiological Studies of Nuclear Workers

2007 ◽  
Vol 168 (6) ◽  
pp. 757-763 ◽  
Author(s):  
Leslie Stayner ◽  
Martine Vrijheid ◽  
Elisabeth Cardis ◽  
Daniel O. Stram ◽  
Isabelle Deltour ◽  
...  
Keyword(s):  
Monte Carlo ◽  
Maximum Likelihood ◽  
Maximum Likelihood Method ◽  
Epidemiological Studies ◽  
Likelihood Method ◽  
Nuclear Workers ◽  
Monte Carlo Maximum Likelihood

scholarly journals مقارنة طرائق تقدير معلمات توزيع كاما ذي المعلمتين في حالة البيانات المفقودة باستخدام المحاكاة

2008 ◽  
Vol 14 (51) ◽  
Author(s):  
ظافر حسين رشيد ◽  
اوات سردار وادي
Keyword(s):  
Monte Carlo ◽  
Maximum Likelihood ◽  
Maximum Likelihood Method ◽  
Likelihood Method ◽  
Shrinkage Method

المستخلص تم في هذا البحث تقدير معلمات توزيع كاما ذي المعلمتين في حالة البيانات المفقودة وذلك باستخدام اثنين من الطرائق المهمة وهما: طريقة الامكان الأعظم (Maximum Likelihood Method) والتي تضمنت ثلاث طرائق لحل معادلات الإمكان غير الخطية التي يتم الحصول من خلالها على ثلاث مقدرات للإمكان الأعظم وهي: طريقة نيوتن- رافسن وطريقتين تم تطويرهما في هذا البحث لتلائم حالة البيانات المفقودة وهما تطوير طريقة (Thom) وتطوير طريقة (Sinha)، فضلاً عن تطوير طريقة أخرى تعتمد على توزيع كاما ذي المعلمات الثلاث في إيجاد مقدرات الإمكان الأعظم وهي تطوير طريقة (Bowman, Shenton and Lam) وطريقة التقلص (Shrinkage Method). وتم إجراء مقارنة بين أفضلية هذه الطرائق في الجانب التجريبي من خلال أسلوب المحاكاة باستخدام طريقة مونت كارلو (Monte Carlo) وإجراء عدة تجارب مستخدمين المقياس الإحصائي متوسط مربعات الخطأ (MSE) لغرض الحصول على افضل طريقة تقدير.

A Hybrid Data Cloning Maximum Likelihood Estimator for Stochastic Volatility Models

2013 ◽  
Vol 5 (2) ◽  
pp. 193-229 ◽  
Author(s):  
Márcio Poletti Laurini
Keyword(s):  
Monte Carlo ◽  
Maximum Likelihood ◽  
Maximum Likelihood Estimator ◽  
Stochastic Volatility ◽  
Great Accuracy ◽  
Stochastic Volatility Models ◽  
Likelihood Estimator ◽  
Simulated Maximum Likelihood ◽  
Volatility Models ◽  
Data Cloning

Abstract: In this article, we analyze a maximum likelihood estimator using Data Cloning for Stochastic Volatility models. This estimator is constructed using a hybrid methodology based on Integrated Nested Laplace Approximations to calculate analytically the auxiliary Bayesian estimators with great accuracy and computational efficiency, without requiring the use of simulation methods such as Markov Chain Monte Carlo. We analyze the performance of this estimator compared to methods based on Monte Carlo simulations (Simulated Maximum Likelihood, MCMC Maximum Likelihood) and approximate maximum likelihood estimators using Laplace Approximations. The results indicate that this data cloning methodology achieves superior results over methods based on MCMC, comparable to results obtained by the Simulated Maximum Likelihood estimator. The methodology is extended to models with leverage effects, continuous time formulations, multifactor and multivariate stochastic volatility.

On the Convergence of the Monte Carlo Maximum Likelihood Method for Latent Variable Models

2002 ◽  
Vol 29 (4) ◽  
pp. 615-635 ◽  
Author(s):  
OLIVIER CAPPE ◽  
RANDAL DOUC ◽  
ERIC MOULINES ◽  
CHRISTIAN ROBERT
Keyword(s):  
Monte Carlo ◽  
Maximum Likelihood ◽  
Latent Variable ◽  
Maximum Likelihood Method ◽  
Latent Variable Models ◽  
Likelihood Method ◽  
Monte Carlo Maximum Likelihood

Semiparametric efficient adaptive estimation of the GJR-GARCH model

2018 ◽  
Vol 35 (3-4) ◽  
pp. 141-160
Author(s):  
Nicola Ciccarelli
Keyword(s):  
Monte Carlo ◽  
Maximum Likelihood ◽  
Maximum Likelihood Estimator ◽  
Adaptive Estimation ◽  
Conditional Variance ◽  
Likelihood Estimator ◽  
Adaptive Estimator ◽  
Asymptotically Normal ◽  
Semiparametric Estimator ◽  
Quasi Maximum Likelihood

Abstract In this paper we derive a semiparametric efficient adaptive estimator for the GJR-GARCH {(1,1)} model. We first show that the quasi-maximum likelihood estimator is consistent and asymptotically normal for the model used in analysis, and we secondly derive a semiparametric estimator that is more efficient than the quasi-maximum likelihood estimator. Through Monte Carlo simulations, we show that the semiparametric estimator is adaptive for the parameters included in the conditional variance of the GJR-GARCH {(1,1)} model with respect to the unknown distribution of the innovation.

scholarly journals مقارنة بين طريقة التقلص وطريقة الإمكان الأعظم لتقدير المعلمات ودالة المعولية لتوزيع ويبل بثلاثة معلمات باستخدام المحاكاة

2013 ◽  
Vol 19 (73) ◽  
pp. 414
Author(s):  
صباح هادي الجاسم ◽  
فراس صدام عبد
Keyword(s):  
Monte Carlo ◽  
Maximum Likelihood ◽  
Maximum Likelihood Method ◽  
Likelihood Method ◽  
Shrinkage Method

المستخلص في هذا البحث تم استعمال توزيع ويبل بثلاثة معلمات هي معلمة الشكل ، معلمة القياس ومعلمة الموقع . أن هذا التوزيع يعتبر من توزيعات الفشل الملائمة عندما تكون معدلات الفشل عاليه نسبياً في بداية   تشكيل المكائن ومن ثم تبدأ هذه المعدلات بالتناقص تدريجياً بزيادة الزمن. أما بالنسبة للجانب الرئيسي من هذا البحث وهو الجانب التجريبي ، فقد تم في هذا الجانب أجراء مقارنه بين مقدرات طريقة التقلص(Shrinkage Method) وطريقة الإمكان الأعظم(Maximum likelihood Method) لمعلمات ودالة المعوليه لهذا التوزيع باستعمال المقياسين الإحصائيين (MSE) و(MAPE) وذلك بعد أن تم توظيف طريقة (Monte – Carlo) مونت-كارلو للمحاكاة ،علماً بأن حجوم العينات المستعملة والملائمة لطبيعة البحوث من هذا النوع هي العينة الصغيرة n=20,30)) ، والعينة المتوسطة (n=50) والعينة الكبيرة (n=100)، ولقد تم التوصل في هذا البحث الى أفضلية طريقة التقلص لتقدير المعلمات في حين كانت الافضليه لطريقة الإمكان الأعظم لتقدير دالة المعوليه .

Sign in / Sign up

Export Citation Format

Share Document