High-Dimensional Covariance Matrix Estimation - Aygul Zagidullina

Blick ins Buch

High-Dimensional Covariance Matrix Estimation (eBook)

An Introduction to Random Matrix Theory

Aygul Zagidullina (Autor)

eBook Download: PDF

2021 | 1st ed. 2021
XIV, 115 Seiten
Springer International Publishing (Verlag)
978-3-030-80065-9 (ISBN)

Lese- und Medienproben

Ebook-Leseprobe (PDF)

This book presents covariance matrix estimation and related aspects of random matrix theory. It focuses on the sample covariance matrix estimator and provides a holistic description of its properties under two asymptotic regimes: the traditional one, and the high-dimensional regime that better fits the big data context. It draws attention to the deficiencies of standard statistical tools when used in the high-dimensional setting, and introduces the basic concepts and major results related to spectral statistics and random matrix theory under high-dimensional asymptotics in an understandable and reader-friendly way. The aim of this book is to inspire applied statisticians, econometricians, and machine learning practitioners who analyze high-dimensional data to apply the recent developments in their work.

Aygul Zagidullina received her Ph.D. in Quantitative Economics and Finance from the University of Konstanz, Germany, with a specialization in the areas of financial econometrics and statistical modeling. Her research interests include estimation of high-dimensional covariance matrices, machine learning, factor models and neural networks.

Erscheint lt. Verlag	29.10.2021
Reihe/Serie	SpringerBriefs in Applied Statistics and Econometrics
Reihe/Serie	SpringerBriefs in Applied Statistics and Econometrics
Zusatzinfo	XIV, 115 p. 26 illus. in color.
Sprache	englisch
Original-Titel	Three Essays on Covariance Matrix Estimation and Factor Models in High Dimensions
Themenwelt	Mathematik / Informatik ► Informatik ► Datenbanken
	Informatik ► Theorie / Studium ► Künstliche Intelligenz / Robotik
	Mathematik / Informatik ► Mathematik ► Statistik
	Mathematik / Informatik ► Mathematik ► Wahrscheinlichkeit / Kombinatorik
	Wirtschaft ► Allgemeines / Lexika
Schlagworte	Big Data • covariance matrix estimation • High-dimensional Asymptotics • high-dimensional covariance matrix estimation • High-Dimensional Statistics • linear spectral statistics for high-dimensional inference • Random Matrix Theory • sample covariance matrix estimator • shrinkage estimation of covariance matrices • Statistical Inference
ISBN-10	3-030-80065-2 / 3030800652
ISBN-13	978-3-030-80065-9 / 9783030800659

Haben Sie eine Frage zum Produkt?

PDF (Wasserzeichen)
Größe: 5,5 MB

DRM: Digitales Wasserzeichen
Dieses eBook enthält ein digitales Wasserzeichen und ist damit für Sie personalisiert. Bei einer missbräuchlichen Weitergabe des eBooks an Dritte ist eine Rückverfolgung an die Quelle möglich.

Dateiformat: PDF (Portable Document Format)
Mit einem festen Seitenlayout eignet sich die PDF besonders für Fachbücher mit Spalten, Tabellen und Abbildungen. Eine PDF kann auf fast allen Geräten angezeigt werden, ist aber für kleine Displays (Smartphone, eReader) nur eingeschränkt geeignet.

Systemvoraussetzungen:
PC/Mac: Mit einem PC oder Mac können Sie dieses eBook lesen. Sie benötigen dafür einen PDF-Viewer - z.B. den Adobe Reader oder Adobe Digital Editions.
eReader: Dieses eBook kann mit (fast) allen eBook-Readern gelesen werden. Mit dem amazon-Kindle ist es aber nicht kompatibel.
Smartphone/Tablet: Egal ob Apple oder Android, dieses eBook können Sie lesen. Sie benötigen dafür einen PDF-Viewer - z.B. die kostenlose Adobe Digital Editions-App.

Buying eBooks from abroad
For tax law reasons we can sell eBooks just within Germany and Switzerland. Regrettably we cannot fulfill eBook-orders from other countries.

Print-Ausgabe

Buch | Softcover

69,54 €