Package OneStep ver.0.9 pour R
La méthode d'estimation en une étape consiste à corriger un estimateur qui n'est pas asymptotiquement efficace par une étape de Fisher scoring sur la logvraisemblance. Ce nouvel estimateur est asymptotiquement efficace et généralement plus rapide à calculer que l'estimateur de maximum de vraisemblance. Nous travaillons sur les différentes expériences statistiques dans lesquelles cette méthodologie s'applique : échantillons de variables i.i.d., bruit gaussien fractionnaire, filtrage linéaire de Kalman, chainïes de Markov, processus de comptage, processus switching Markov, etc. La version du package disponible traite des expériences statistiques générées par des échantillons de variables i.i.d. pour des distributions classiques (Gamma, Beta, inverse binomiale, Weibull, etc.) utiles dans de nombreuses applications.
Collaboration
Logiciel et articles associés
- A. Brouste, C. Dutang and D. Noutsa Mieniedou (2020) OneStep ver. 0.9 [R].
- A. Brouste, C. Dutang and D. Noutsa Mieniedou (2021) OneStep - Le Cam's one-step estimation procedure, R Journal [article] [video].
- A. Brouste, M. Soltane and E. Votsi (2020) One-step estimation for the fractional Gaussian noise model at high-frequency, ESAIM PS, 24, 827-841 [article].
- A. Brouste and H. Masuda (2018) Efficient estimation of stable Lévy process with symmetric jumps, Statistical Inference for Stochastic Processes, 21, 289-307 [article].
Package Yuima ver.1.9 pour R
Le but du projet Yuima est d'implémenter (à travers le package Yuima développé en R) un outil de description des propriétés probabilistes et statistiques des processus de diffusion multidimensionnels ainsi que les derniers algorithmes en statistiques des processus.
Figure - Brownien fractionnaire échantillonné sur une grille régulière
Publication et Logiciel associés
- A. Brouste and S. Iacus (2012) Parameter estimation for the discretely observed fractional Ornstein-Uhlenbeck process and the Yuima R package, Computational Statistics, Computational Statistics, 28(4), 1529-1547 [article].
- A. Brouste, M. Fukasawa, H. Hino, S. Iacus, K. Kamatani Y. Koike, H. Masuda, R. Nomura, Y. Shimuzu, M. Uchida and N.Yoshida (2014) The YUIMA Project : a Computational Framework for Simulation and Inference of Stochastic Differential Equations, Journal of Statistical Software, 57(4), 1-51 [article].
- The YUIMA Team (2020) yuima ver.1.9.6 [R].
Collaboration
- The YUIMA Team.
Package FieldSim ver.3.2 pour R
Basé sur un algorithme de Cholesky raffiné, le package FieldSim, développé en R, permet de simuler les champs (et les simulations conditionnelles) gaussiens fractionnaires indexés par des variétés usuelles à partir de leur fonction de covariance.
Figure - Mouvement brownien fractionnaire (en haut à gauche), multifractionnaire (en bas à gauche), drap brownien fractionnaire (en haut à droite) et mouvement brownien hyperbolique (en bas à droite).
Figure - Champs brownien fractionnaire indexé par la sphère
Collaboration
- Jacques Istas, Sophie Lambert-Lacroix
Publication et Logiciel associés
- A. Brouste, J. Istas and S. Lambert-Lacroix (2016) Conditional fractional Gaussian fields with the package FieldSim, R Journal, 8(1), 38-47 [article].
- A. Brouste, J. Istas and S. Lambert-Lacroix (2010) On simulation of manifold indexed fractional Gaussian fields, Journal of Statistical Software, 36(4), 1-14 [article].
- A. Brouste, J. Istas and S. Lambert-Lacroix (2007) On fractional Gaussian random fields simulations, Journal of Statistical Software, 23(1), 1-23 [article].
- A. Brouste, S. Lambert-Lacroix (2015) FieldSim ver. 3.2.1 [R].