The Method of Moments Estimator for Gaussian Mixture Models
音频处理是数字信号处理 (DSP) 和机器学习最重要的应用领域之一。对声学环境进行建模是开发数字音频处理系统（例如：语音识别、语音增强、声学回声消除等）的重要步骤。声学环境中充满了背景噪音，这些噪音可能来自多个来源。例如，[…]The post The Method of Moments Estimator for Gaussian Mixture Models appeared first on Towards Data Science.
Visual explanations of machine learning models to estimate charge states in quantum dots
研究人员使用机器学习来调整量子位，从而自动识别量子点设备中的电荷状态。文章“机器学习模型的视觉解释，用于估计量子点中的电荷状态”首次出现在《科学询问者》上。
A Direct Algorithm for Multi-Gyroscope Infield Calibration
在本文中，我们解决了估计旋转外部参数以及刚性安装在同一设备上的两个陀螺仪的比例因子的问题。具体来说，我们将问题公式化为最小二乘最小化，并引入一种直接算法，该算法无需任何迭代即可计算估计量，从而避免局部最小值并提高效率。此外，我们表明，对于陀螺仪的一般配置，旋转外部参数是可观测的，而比例因子可以确定为全局尺度。为此，我们还研究了特殊……
Principal Components Analysis (PCA) Through a Latent Variable Lens
概述 PPCA（经典 PCA 的扩展）及其通过 EM 算法应用于不完整数据照片由 Dhruv Weaver 在 Unsplash 上拍摄。随着 EM 算法的 E 和 M 步骤重复，该算法收敛到局部最大似然估计量。概率主成分分析 (PPCA) 是一种降维技术，利用潜在变量框架恢复数据中最大方差的方向。当噪声遵循各向同性高斯分布时，概率主成分将与经典主成分紧密相关，在缩放因子和正交旋转方面相同。因此，PPCA 可用于许多与经典 PCA 相同的应用，例如数据可视化和特征提取。PPCA 背后的潜在变量框架还提供了经典 PCA 所不具备的功能。例如，PPCA 可以轻松扩展以适应具有缺失值的数据，而经典
Range-Based Volatility Seminar, MONDAY 2/21
应该很有趣！SoFiE 研讨会与 Jia Li 和 Francis X. Diebold 主持人：Dacheng Xiu（芝加哥大学布斯商学院）演讲者：Jia Li（杜克大学）论文：“阅读蜡烛图：波动率的 OK 估计量”讨论者：Francis X. Diebold（宾夕法尼亚大学）日期：2022 年 2 月 21 日时间：纽约上午 11 点/圣地亚哥上午 8 点/伦敦下午 4 点/巴黎下午 5 点/北京中午 12 点Zoom 链接：https://nyu.zoom.us/j/93619106089录制：活动结束后将很快提供视频录制链接。SoFiE 研讨会提交SoFiE 研讨会系列欢迎提交有关金
Range-Based ("Candlestick") Volatility Estimation Slides
解读蜡烛图：波动率的 OK 估计量论文作者：J. Li, D. Wang 和 Q. Zhang(LWZ)讨论者：F.X. Diebold金融计量经济学会2002 年 2 月 21 日 解读蜡烛图：波动率的 OK 估计量论文作者：J. Li, D. Wang 和 Q. Zhang(LWZ)讨论者：F.X. Diebold金融计量经济学会2002 年 2 月 21 日（***）考虑不同的标题……经典传统：芝加哥大学，《商业杂志》，Al Madansky，......n 与现代宏观/BC 现在预测相关的 CLI、CCI 分析（Zarnowitz、Neftci 等）n 与现代金融波动率现在预测相关的基
好了，我们到了——已经是六月了。以下是我的阅读建议：Abadie, A., S. Athey, G. Imbens, & J. Wooldridge, 2017. 何时应调整聚类的标准误差？Mimeo。Berk, R., A. Buja, L. Brown, E. George, A. K. Kuchibhotla, W. Su, & L, Shazo, 2019. 假设精益回归。American Statistician，即将出版。Ghosh, T., M. Ghosh, & T. Kubokawa, 2019. 论最小二乘估计量的损失稳健性，American Statistician，即将
以下是本月推荐阅读的精选：Athey, S. & G. W. Imbens，2019 年。经济学家应该了解的机器学习方法。Mimeo。Bhagwat, P. & E. Marchand，2019 年。关于适当的贝叶斯但不可接受的估计量。美国统计学家，在线。Canals, C. & A. Canals，2019 年。什么时候 n 足够大？寻找合适的样本量来估计比例。《统计计算与模拟杂志》，89，1887-1898。Cavaliere, G. & A. Rahbek，2019 年。时间序列模型中假设的引导检验入门：应用于双自回归模型。讨论文件 19-03，哥本哈根大学经济学系。Chudik, A.
Including More History in Your Econometrics Teaching
如果您关注此博客（或者如果您查看右侧栏词云中的“计量经济学史”标签），您就会知道我对我们学科的历史有着浓厚的兴趣。从这段历史中可以学到很多东西。除此之外，我们可以深入了解某些方法流行的原因，并可以降低重复早期错误的风险！当我教书时，我喜欢在课堂上注入一些历史事实/轶事/趣闻。我认为这让主题变得生动起来。毕竟，各种定理、测试和估计量背后的名字都是真实存在的人。有一些关于计量经济学史的优秀书籍，包括 Epstein (1987)、Morgan (1990) 以及 De Marchi 和 Gilbert (1991) 的书籍。 （另请参阅 Stephen Pollock 于 2014 年撰写的短文。
New savings estimate of Medicare competitive bidding
罗杰·费尔德曼（Roger Feldman），罗伯特·库拉姆（Robert Coulam）和布莱恩·道德（Bryan Dowd）*先前估计，Medicare的竞争性投标溢价支持计划可以节省8％的Medicare支出（PDF）。他们在最近发表的AEI论文（PDF）中描述的新估计量将增加到Medicare Advantage（MA）以及ACA中嵌入的MA支付政策的修订。 （技术[…] Medicare竞争性竞标的新储蓄估算首次出现在附带的经济学家中。
クラメル・ラオの不等式の活用－たまには学問の理論を振り返ってみよう
统计领域之一是“推论统计”。这涉及根据有限的样本推断被调查的整个人群的特征。 例如，这适用于电视收视率调查和工厂产品抽样检验。各种媒体经常进行的民意调查通常也是推测性的统计数据。 推论统计包括“估计”和“检验”，“估计”用于估计表征总体的参数（均值、方差等），“检验”用于统计确定有关样本统计的假设是否正确。 这次，我们将通过一个例子来了解“点估计”，这是一种根据单个值精确估计参数的方法。首先，我们举一个具体的例子。 （估计硬币正面朝上的概率）现在我手里有一枚普通的硬币。假设您想知道抛掷这枚硬币时出现正面的概率。通过抛硬币最多 10 次来预测正面朝上的概率的最佳方法是什么？硬币突然出现了，但是说
