Empirical Likelihood Redux

Tenho trabalhado bastante na revisão e um novo artigo utilizando verossimilhança empírica. Boa parte do trabalho foi gasto na robustificação dos estimadores clássicos de verossimilhança empírica em relação a problemas de valores iniciais. Embora a maximização da parte não-paramétrica funcione bem (na formulação dual usando multiplicadores de lagrange), a parte paramétrica tem um comportamento bem mais instável.  A solução até agora foi baseada em um algoritmo de linearização para encontrar um vetor de valores iniciais, e o uso de um algoritmo bem mais robusto para a maximização da parte paramétrica.
O segundo artigo, ainda em construção, discute o uso de verossimilhanças empíricas em problemas de estimação Bayesiana. Nessa situação a construção de aproximações numéricas é surpreendentemente mais simples e numericamente estável. A ideia é formular uma metodologia geral de estimação não-paramétrica em problemas Bayesianos, e explorar a conexão com algoritmos de Approximate Bayesian Computing.
Vou  dar um seminário na próxima sexta feira com os resultados iniciais deste projeto.