Recap Explorations done for Referee 2: Confidence intervals using the methods of Blasques

[domenicodigangi]

• [x] Recall and repeat what has been done
• [x] Is it enough? Probably Not
• [x] Discuss remaining analysis

[domenicodigangi]

Ho cercato di ricostruire quanto fatto per associare gli intervalli di confidenza ai filtrati: Avevamo deciso di usare il metodo di Blasques, che cattura la parameter uncertainty. Questo consiste nel campionare ripetutamente i parametri statici da una normale, centrata nelle stime, e con matrice di varianza covarianza stimata con il metodo di white. Per ogni campionamento dei parametri statici si applica il filtro score driven alle osservazioni, ottenendo cosí una distribuzione di filtrati.

Visti i dubbi sulla pseudo, siamo partiti dal fitness model. Ho implementato il fitness model SD in python (per una serie di motivi non importanti ora).

Se non ricordo male, per una sottorete di eMid, il metodo produceva intervalli di confidenza ragionevoli. Purtroppo, anche se ho il codice usato, non ho fatto in tempo a riprodurre quanto fatto su eMid per qualche intoppo tecnico con python e i pacchetti necessari.

Non ero riuscito a applicare il metodo al modello pseudo likelihood usato nella seconda applicazione empirica del paper (non ricordo il motivo).

Vorrei chiarire quale applicazione pratica del metodo ci serve realmente, ai fini della revisione. Punterei a implementare (o correggere) solo quello che é strettamente necessario, visto che comunque il metodo é ben definito e noto in letteratura.

[domenicodigangi]

Abbiamo deciso di fare un analisi della coverage nel toy model.

32