The problem of model discrimination has prompted a great amount ofresearch over last years. According to the specific characteristics of the rival models(nested, non-nested, linear or not) different optimum criteria have been proposedto select design points with the aim to discriminate between rival models. Ds-, T-and KL-criteria are the most known. Up to our knowledge, in the literature there isnot any study to evaluate the performance of these discrimination criteria. In thiswork, via a simulation study and focusing on rival copula models, we analyze theperformance of the KL-optimum design applying the likelihood ratio test for non-nested models.

Nel corso degli ultimi anni il problema di discriminare tra modelli rivaliha prodotto una grande quantit`a di ricerche. A seconda della tipologia di modellirivali (annidati, non annidati, lineari o non lineari), diversi criteri sono stati pro-posti con l’obiettivo di selezionare il disegno ottimo per la discriminazione. Tra ipi`u noti ricordiamo i criteri Ds-, T- e KL-. Per quanto ci consta, in letteratura nonesistono studi relativi alla valutazione della loro effettiva capacit`a discriminatoria.In questo lavoro, attraverso uno studio di simulazione in cui abbiamo applicato iltest del rapporto di verosimiglianza per modelli non annidati, abbiamo analizzatole prestazioni del disegno KL-ottimo per discriminare tra modelli bivariati la cuistruttura di dipendenza`e descritta attraverso una funzione copula.

An evaluation of KL-optimum designs to discriminate between rival copula models = Una valutazione della capacita del disegno KL-ottimo di discriminare tra modelli copula rivali / L. Deldossi, S.A. Osmetti, C. Tommasi - In: Book of Short Papers SIS 2018 / [a cura di] A. Abbruzzo, E. Brentari, M. Chiodi, D. Piacentino. - Prima edizione. - [s.l] : Pearson, 2018. - ISBN 9788891910233. - pp. 1-6 (( Intervento presentato al 49. convegno Scientific meeting of the Italian Statistical Society tenutosi a Palermo nel 2018.

An evaluation of KL-optimum designs to discriminate between rival copula models = Una valutazione della capacita del disegno KL-ottimo di discriminare tra modelli copula rivali

C. Tommasi
2018

Abstract

The problem of model discrimination has prompted a great amount ofresearch over last years. According to the specific characteristics of the rival models(nested, non-nested, linear or not) different optimum criteria have been proposedto select design points with the aim to discriminate between rival models. Ds-, T-and KL-criteria are the most known. Up to our knowledge, in the literature there isnot any study to evaluate the performance of these discrimination criteria. In thiswork, via a simulation study and focusing on rival copula models, we analyze theperformance of the KL-optimum design applying the likelihood ratio test for non-nested models.
Nel corso degli ultimi anni il problema di discriminare tra modelli rivaliha prodotto una grande quantit`a di ricerche. A seconda della tipologia di modellirivali (annidati, non annidati, lineari o non lineari), diversi criteri sono stati pro-posti con l’obiettivo di selezionare il disegno ottimo per la discriminazione. Tra ipi`u noti ricordiamo i criteri Ds-, T- e KL-. Per quanto ci consta, in letteratura nonesistono studi relativi alla valutazione della loro effettiva capacit`a discriminatoria.In questo lavoro, attraverso uno studio di simulazione in cui abbiamo applicato iltest del rapporto di verosimiglianza per modelli non annidati, abbiamo analizzatole prestazioni del disegno KL-ottimo per discriminare tra modelli bivariati la cuistruttura di dipendenza`e descritta attraverso una funzione copula.
Copula model; Cox’s test; Optimal experimental design
Settore SECS-S/01 - Statistica
2018
Book Part (author)
File in questo prodotto:
File Dimensione Formato  
DeldossiOsmettiTommasi_SIS.pdf

accesso aperto

Tipologia: Publisher's version/PDF
Dimensione 75.04 kB
Formato Adobe PDF
75.04 kB Adobe PDF Visualizza/Apri
Pubblicazioni consigliate

I documenti in IRIS sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.

Utilizza questo identificativo per citare o creare un link a questo documento: https://hdl.handle.net/2434/697560
Citazioni
  • ???jsp.display-item.citation.pmc??? ND
  • Scopus ND
  • ???jsp.display-item.citation.isi??? ND
social impact