Estimasi Matriks Kovariansi Berukuran Besar dan Jarang (Sparse)

Abstract

Estimating sparse covariance based on penalized likelihood with penalty when the variables have a natural ordering. Using cholesky decomposition on the inverse, a banded structure on the cholesky factor, and select the bandwidth adaptively for each row of the cholesky factor such as Lasso penalty method, banding and adaptive banding. An iterative Dynamic Weighted Lasso (DWL) algorithm use for solving estimation of large and sparse which the estimators compare the estimation result for obtain the best result.

Estimasi matriks kovariansi berukuran besar dan jarang (sparse) didasarkan pa da kemungkinan penalti ketika variabel-variabel mempunyai sebuah aturan awal. Dengan menggunakan dekomposisi cholesky pada inversnya, sebuah bentuk faktor cholesky dengan memilih penambahan sisi untuk setiap baris pada faktor cholesky menggunakan berbagai metode antara lain Lasso penalty method, banding dan adaptive banding. Sebuah iterasi Dynamic Weighted Lasso (DWL) algorithm di gunakan untuk memecahkan masalah pada estimasi matriks berukuran besar dan jarang ini dimana estimatornya membandingkan hasil estimasi untuk mendapat kan hasil yang lebih baik.