Estimation of a covariance matrix in multivariate skew-normal distribution
Estimation of a covariance matrix in multivariate skew-normal distribution
复制标题
DOI：
10.1080/03610926.2018.1554137
复制
发表时间：
2020-03
期刊：
影响因子：
--
通讯作者：
Hisayuki Tsukuma;T. Kubokawa
中科院分区：
文献类型：
--
作者：
Hisayuki Tsukuma;T. Kubokawa
摘要 本文解决了相对于两种不同损失估计多元偏斜正态分布中的协方差矩阵的问题。估计问题可以简化为非中心 Wishart 分布的尺度矩阵的问题。非中心参数矩阵是一个令人讨厌的参数，它导致最佳三角不变估计量在正态性下是极小极大的非最优性。事实证明，正态性下的一些改进技术在多元偏态正态分布下仍然保持稳健。
Abstract This article addresses the problem of estimating a covariance matrix in a multivariate skew-normal distribution relative to two different losses. The estimation problem can be reduced to that of a scale matrix of a noncentral Wishart distribution. The noncentrality parameter matrix, which is a nuisance parameter, brings about non optimality of the best triangular invariant estimators which are minimax under normality. Some improving techniques under normality are proven to remain robust under the multivariate skew-normal distribution.