Von W. Meiring, P. Guttorp, P. D. Sampson. 1997. Wir präsentieren einen Ansatz zur Schätzung der prozentualen Ozonkonzentrationen auf der Basis von Beobachtungen von Punktüberwachungsstellen im Weltraum zum Vergleich mit gridbasierten Ergebnissen des photochemischen Luft-Qualitätsmodells von SARMAP für eine Region Nordkaliforniens. Statistische Schätzung wird durchgeführt. Wir präsentieren einen Ansatz zur Schätzung der prozentualen Ozonkonzentrationen auf der Basis von Beobachtungen von Punktüberwachungsstellen im Weltraum zum Vergleich mit gridbasierten Ergebnissen des photochemischen Luft-Qualitätsmodells von SARMAP für eine Region Nordkaliforniens. Die statistische Schätzung wird auf einer transformierten (Quadratwurzel) Skala durchgeführt, gefolgt von einer Rücktransformation in die ursprüngliche Ozongröße in Teilen pro Milliarde, wobei die Vorspannung und Varianz eingestellt wird. Wir schätzen eine räumlich veränderliche diurnale Mittelstruktur und eine nicht-trennbare Raum-Zeit-Korrelationsstruktur auf der transformierten Skala. Dem zeitlichen Vorkonditionieren folgt eine Modellierung einer räumlich nicht stationären, diurnal variierenden räumlichen Korrelationsstruktur unter Verwendung eines räumlichen Deformationsansatzes. Vergleiche von SARMAP-Modell-Ergebnissen mit den geschätzten Raster-Ozon-Niveaus werden vorgestellt. Schlüsselwörter: Kriging, Nichttrennbare Raum-Zeit-Korrelation, Räumliche Skala, Transformation 1 Einleitung Photochemische Luftqualitätsmodelle wurden entwickelt. Von Paul L. Anderson, Mark M. Meerschaert - Water Resour. Res. 1998. Abstrakt. Jüngste Fortschritte in der Zeitreihenanalyse bieten alternative Modelle für Flussströme, in denen die Innovationen schwere Schwänze haben, so dass einige der Momente nicht existieren. Die Wahrscheinlichkeit großer Fluktuationen ist viel größer als bei Standardmodellen. Wir befassen uns mit einigen neueren theoretischen Entwicklungen. Abstrakt. Jüngste Fortschritte in der Zeitreihenanalyse bieten alternative Modelle für Flussströme, in denen die Innovationen schwere Schwänze haben, so dass einige der Momente nicht existieren. Die Wahrscheinlichkeit großer Fluktuationen ist viel größer als bei Standardmodellen. Wir untersuchen einige aktuelle theoretische Entwicklungen für schwere Tail-Zeitreihen-Modelle und zeigen ihre praktische Anwendung auf Flussfluss-Daten aus dem Salt River in der Nähe von Roosevelt, Arizona. Wir schließen auch einige einfache Diagnosen ein, die der Praktiker verwenden kann, um zu identifizieren, wenn die Methoden dieses Papiers nützlich sein können. 1. von Bypaull Anderson, Mark, M. Meerschaert - Stat. 1997. In dieser Arbeit wird die grundlegende asymptotische Theorie für periodisch sich bewegende Mittelwerte von i. i.d. Zufällige Variablen mit regelmäßig variierenden Schwänzen. Die gleitenden Durchschnittskoeffizienten können je nach Jahreszeit variieren. Eine einfache Reformulierung liefert die entsprechenden Ergebnisse für gleitende Mittelwerte von ran. In dieser Arbeit wird die grundlegende asymptotische Theorie für periodisch sich bewegende Mittelwerte von i. i.d. Zufällige Variablen mit regelmäßig variierenden Schwänzen. Die gleitenden Durchschnittskoeffizienten können je nach Jahreszeit variieren. Eine einfache Reformulierung liefert die entsprechenden Ergebnisse für gleitende Mittelwerte von Zufallsvektoren. Unser Hauptresultat ist, dass, wenn die zugrunde liegenden Zufallsvariablen eine endliche Varianz, aber ein unendliches viertes Moment haben, die Probenau-Korrekturen asymptotisch stabil sind. Es ist in diesem Fall gut bekannt, dass Probenautokorrelationen im klassischen stationären gleitenden Durchschnittsmodell asymptotisch normal sind. Einführung. Regelmäßige Variation wird verwendet, um jene i. i.d. Sequenzen von Zufallsvariablen, für die eine Version des zentralen Grenzwertsatzes gilt. Wenn diese Zufallsvariablen eine unendliche Varianz aufweisen, ist die Summe asymp-total stabil anstatt asymptotisch normal. Stabile Zufallsvariablen haben viele praktische Anwendungen gefunden, die mit der Arbeit von Holts beginnen - von Marius Ooms, Philip Hans Franses. 1998. Basierend auf einfachen Zeitreihenplots und periodischen Probenautokorrelationen, dokumentieren wir, dass monatliche Flussflussdatenanzeige lange Gedächtnis zusätzlich zu ausgeprägter Saisonalität. In der Tat scheint es, dass die lange Speichermerkmale mit der Jahreszeit variieren. Um diese beiden Eigenschaften gemeinsam zu beschreiben, haben wir. Basierend auf einfachen Zeitreihenplots und periodischen Probenautokorrelationen, dokumentieren wir, dass monatliche Flussflussdatenanzeige lange Gedächtnis zusätzlich zu ausgeprägter Saisonalität. In der Tat scheint es, dass die lange Speichermerkmale mit der Jahreszeit variieren. Um diese beiden Eigenschaften gemeinsam zu beschreiben, schlagen wir ein saisonal periodisches Langzeitgedächtnismodell vor und passen es an die bekannten Fraser-Flussdaten an (die von Statlib unter lib. stat. cmu. edudatasets zu beziehen sind). Wir bieten eine statistische Analyse und bieten Impulsantwort-Funktionen zu zeigen, dass Schocks in bestimmten Monaten des Jahres haben eine länger anhaltende Wirkung als die in anderen Monaten. Langzeitgedächtnis, PARFIMA, SPARFIMA 1 Einleitung Seit den frühen Arbeiten von Hurst auf Nil-Daten ist es bekannt, dass Flussflüsse anhaltende Schwankungen aufweisen, die durch lange Erinnerungen gekennzeichnet sein können. Zusätzlich zum langen Gedächtnis zeigen die meisten Flussflußdatenanzeige ausgeprägte Saisonalität, sowohl im Mittel als auch in der Abweichung. Von Paul L. Anderson, Mark M. Meerschaert, Aldo V. Vecchia - Proceedings of the IEEE Sonderausgabe über Kryptographie und Sicherheitsprobleme. 2004. Periodische ARMA oder PARMA, Zeitreihen werden verwendet, um periodisch stationäre Zeitreihen zu modellieren. In diesem Papier entwickeln wir den Innovationsalgorithmus für periodisch stationäre Prozesse. Wir zeigen dann, wie der Algorithmus verwendet werden kann, um Parameterschätzungen für das PARMA-Modell zu erhalten. Diese Schätzungen sind prov. Periodische ARMA oder PARMA, Zeitreihen werden verwendet, um periodisch stationäre Zeitreihen zu modellieren. In diesem Papier entwickeln wir den Innovationsalgorithmus für periodisch stationäre Prozesse. Wir zeigen dann, wie der Algorithmus verwendet werden kann, um Parameterschätzungen für das PARMA-Modell zu erhalten. Diese Schätzungen sind für PARMA-Prozesse, deren zugrunde liegende Rauschsequenz entweder endliches oder unendliches viertes Moment ist, als schwach konsistent erwiesen. Da viele Zeitreihen aus den Bereichen Ökonomie und Hydrologie schwere Schwänze aufweisen, sind die Ergebnisse des unendlichen vierten Momentenfalles von besonderem Interesse. Von Paul L. Anderson, Mark M. Meerschaert - Zeitschrift für Zeitreihenanalyse. 2003. Der Innovationsalgorithmus kann verwendet werden, um Parameterschätzungen für periodisch stationäre Zeitreihenmodelle zu erhalten. In diesem Papier berechnen wir die asymptotische Verteilung für diese Schätzungen für den Fall, dass die Innovationen ein endliches viertes Moment haben. Diese asymptotischen Ergebnisse sind nützlich, um zu bestimmen. Der Innovationsalgorithmus kann verwendet werden, um Parameterschätzungen für periodisch stationäre Zeitreihenmodelle zu erhalten. In diesem Papier berechnen wir die asymptotische Verteilung für diese Schätzungen für den Fall, dass die Innovationen ein endliches viertes Moment haben. Diese asymptotischen Ergebnisse sind nützlich, um zu bestimmen, welche Modellparameter signifikant sind. Dabei entwickeln wir auch Asymptotiken für die Yule-Walker-Schätzungen. 1 von A. I. Mcleod. 1993. dieses Papier. Diese Diagnoseprüfung wird für die routinemäßige Verwendung von saisonalen ARMA-Modellen empfohlen. Es wird gezeigt, dass diese diagnostische Überprüfung zeigt, dass viele saisonale ökonomische Zeitreihen auch periodische Korrelation aufweisen. Da die Standard-Prognosemethoden hierfür nicht ausreichen, dieses Papier. Diese Diagnoseprüfung wird für die routinemäßige Verwendung von saisonalen ARMA-Modellen empfohlen. Es wird gezeigt, dass diese diagnostische Überprüfung zeigt, dass viele saisonale ökonomische Zeitreihen auch periodische Korrelation aufweisen. Da die Standardprognosemethoden hierfür nicht ausreichen, lässt sich daraus schließen, dass die Prognosen in vielen Fällen suboptimal sind. Schließlich wird auch eine Begrenzung der willkürlichen Kombination von Prognosen dargestellt. Das Kombinieren von Prognosen aus einem adäquaten sparsamen Modell mit einem unzureichenden Modell verbesserte nicht die Prognosen, während die Kombination der beiden Prognosen von zwei unzureichenden Modellen eine Verbesserung bei der Prognose der Leistung lieferte. Diese Befunde unterstützen auch die Modellbauphilosophie von Box ampamp Jenkins. Die nicht-intuitive Befunde von Newbold ampamp Granger (1974) und Winkler ampamp Makridakis (1983), dass die scheinbar willkürliche Kombination von Prognosen von ähnlichen Modellen zur Prognoseperformance führen wird, wird von unserer Fallstudie mit der Flussflussvorhersage nicht unterstützt. Schlüsselwörter: Kombinierte Prognosen Diagnostische Kontrolle Periodische Korrelation Prognose Saison Zeitreihe Modell Adequacy Parameter Parsimony. 1 von Abdelhakim Aknouche, Abdelouahab Bibi. 709. Dieses Papier stellt die starke Konsistenz und die asymptotische Normalität des Quasi-Maximum-Likelihood-Schätzers (QMLE) für einen GARCH-Prozess mit periodisch zeitveränderlichen Parametern her. Wir geben zunächst eine notwendige und hinreichende Bedingung für die Existenz einer streng periodisch stationären Lösung. Dieses Papier stellt die starke Konsistenz und die asymptotische Normalität des Quasi-Maximum-Likelihood-Schätzers (QMLE) für einen GARCH-Prozess mit periodisch zeitveränderlichen Parametern her. Wir geben zunächst eine notwendige und hinreichende Bedingung für die Existenz einer streng periodisch stationären Lösung für die periodische GARCH (P-GARCH) - Gleichung. Als Ergebnis wird gezeigt, dass das Moment einer positiven Ordnung der P-GARCH-Lösung endlich ist, unter der wir die starke Konsistenz und asymptotische Normalität (CAN) des QMLE ohne jegliche Bedingung für die Momente des zugrunde liegenden Prozesses beweisen. Von Philip Hans Franses, Richard Paap. 2005. Dieses Kapitel befasst sich mit der Prognose von univariaten saisonalen Zeitreihendaten unter Verwendung von periodischen autoregressiven Modellen. Wir zeigen, wie Faktorenwurzeln und deterministische Begriffe bei der Erstellung von Prognosen berücksichtigt werden sollen. Wir illustrieren die Modelle für die vierteljährlichen britischen Verbrauchsreihen Thi. Dieses Kapitel beschäftigt sich mit der Prognose von univariaten saisonalen Zeitreihendaten unter Verwendung von periodischen autoregressiven Modellen. Wir zeigen, wie man die Wurzeln der Einheiten und die deterministischen Begriffe bei der Erstellung von Prognosen berücksichtigen soll. Wir illustrieren die Modelle für die vierteljährlichen britischen Verbrauchsreihen Kapitel, das für die potentielle Einbeziehung in den Companion to Economic Forecasting vorbereitet werden soll, herausgegeben von Michael Clements und David Hendry Oxford Basil von M. Karanasos, AG Paraskevopoulos, S. DafnosPeriodische autoregressive gleitende Durchschnittsmethoden basierend auf Fourier-Darstellung periodischer Koeffizienten Methoden zur Schätzung von Parametern Von periodischen autoregressiven gleitenden durchschnittlichen PARMA-Systemen, wenn die periodischen Koeffizienten durch Fourier-Reihen repräsentiert werden, müssen in der Praxis eingesetzt werden und bieten weiterhin Problembereiche für die zukünftige Forschung. Wie von frühen Schriftstellern zu diesem Thema, wie Hannan (1955) und Jones und Brelsford (1967) hervorgehoben wird, wenn die periodischen Schwankungen innerhalb der Grundperiode glatt sind, wie es in vielen physikalischen Zeitreihen zu erwarten war, Kann die Anzahl der geschätzten Parameter realisiert werden, indem viele der Fourierkoeffizienten auf Null gesetzt werden, was die geschätzten Lösungen auf einen Unterraum beschränkt. Das Identifikationsproblem wird zur Bestimmung von Verzögerungen und Frequenzen mit signifikanten Amplituden. Während in diesem Bereich Fortschritte erzielt wurden, sind Verbesserungen und neue Methoden erforderlich. Bei der Überprüfung der Entwicklung von FourierPARMA-Verfahren sehen wir natürlich viele der wichtigsten Fortschritte in der PARMA-Zeitreihenanalyse unter der üblichen Parametrisierung. Es werden zwei Simulationen vorgestellt, die weitere potenzielle und offene Probleme im Zusammenhang mit den Fourier-Methoden aufzeigen. WIREs Comput Stat 2016, 8: 130149. Doi: 10.1002wics.1380 Empirische Verteilungen von parmsef Parameterschätzungen, NSAMP 500 Realisierungen, N 4096 für ein 1,1 1.1 1.100. .014. Lilliefors P-Wert 0.5 Boxplots von Parameterschätzungen für die Simulation mit NSAMP 100 und NLEN 600. Parameterkennungen entsprechen Tabellenzeilen, in denen wahre Werte gefunden werden können. Die Abhängigkeit von NLEN für Parameter b 21 NLEN 300, 600, 1200, 2400 mit NSAMP 100 (fest) und normaler Kleinste-Quadrate-Anpassung m b 0,552. 0,425 (gestrichelt). Die Abhängigkeit von auf NLEN für Parameter a 21 NLEN 300, 600, 1200, 2400 mit NSAMP 100 (fest) und gewöhnlichen kleinsten Quadraten passen m b 0,525. 0,368 (gestrichelt).
No comments:
Post a Comment