Zeitverschie - dene Autoregressive Moving Average Modelle für Kovarianzschätzungen Zitate 20 Referenzen Referenzen 29tatsächlich werden die spezifischen Strukturen linear oder affin gewählt. Zu den populärsten Beispielen gehören solche Modelle wie Toeplitz Abramovich et al. (2007) Asif und Moura (2005) Fuhrmann (1991) Kavcic und Moura (2000) Roberts und Ephraim (2000) Snyder et al. (1989) Soloveychik und Wiesel (2014) Sun et al. (2015) Wiesel et al. (2013), Gruppe symmetrisch Shah und Chandrasekaran (2012) Soloveychik und Wiesel (2016), spärlich Banerjee et al. (2008) Ravikumar et al. (2011) Rothman et al. (2008), niedriger Rang Fan et al. (2008) Johnstone und Lu (2009) Lounici et al. (2014) und viele andere. Nichtlineare Strukturen sind auch bei technischen Anwendungen sehr häufig. ZUSAMMENFASSUNG: Wir betrachten die Gaußsche und robuste Kovarianz-Schätzung unter der Annahme, dass die wahre Kovarianzmatrix das Kronecker-Produkt zweier niederdimensionaler quadratischer Matrizen ist. In beiden Fällen definieren wir die Schätzer als Lösungen für eingeschränkte Maximum-Likelihood-Programme. Im robusten Fall betrachten wir den Tylerx27s-Schätzer als Maximum-Likelihood-Schätzer einer bestimmten Verteilung auf einer Kugel. Wir entwickeln dicht genug Bedingungen für die Existenz und Eindeutigkeit der Schätzungen und zeigen, dass im Gaußschen Fall mit dem unbekannten Mittel frac frac 2 fast sicher genug ist, um die Existenz und Eindeutigkeit zu garantieren, wobei p und q die Dimensionen der Kronecker Produktfaktoren von sind Die wahre Kovarianz. In robusten Fall mit dem Mittel bekannt ist die entsprechende ausreichende Anzahl von Proben maxfrac, frac 1. Artikel Dec 2015 Ilya Soloveychik Dmitry Trushin quotUnter dieser Hypothese werden zwei GLRT-basierte Detektoren abgeleitet und die Performance-Analyse auf realen Daten zeigt die Überlegenheit der vorgeschlagenen Detektoren in Bezug auf ihre nicht-Bayesischen Gegenstücke, wenn das Trainingsset klein ist. Das Bayesschen Gerüst kann auch zusammen mit der strukturellen Information über die Interferenzkovarianzmatrix 11, wie in 12 gezeigt, verwendet werden, wobei die Störung als mehrkanaliges autoregressives Verfahren mit einer zufälligen Coschannel-Kovarianzmatrix modelliert wird (siehe auch 13, 14) . Bei Radaranwendungen, bei denen Systeme mit einer Reihe von Sensoren ausgerüstet sind, ergibt sich strukturelle Information über die Interferenzkovarianzmatrix aus der Ausnutzung einer bestimmten Klasse von Geometrien. Zusammenfassung Abstraktes Abstraktes ABSTRAKT: Wir adressieren die adaptive Radardetektion von Targets, die in durch Erdboden dominierte Umgebungen eingebettet sind, die durch eine symmetrisch strukturierte Leistungsspektraldichte charakterisiert sind. In der Entwurfsphase greifen wir auf die Spektrumsymmetrie für die Interferenz zurück, um Entscheidungsschemata herzustellen, die in der Lage sind, die a-priori-Information über die Kovarianzstruktur zu aktivieren. Zu diesem Zweck beweisen wir, dass das vorliegende Erkennungsproblem in Form von reellen Variablen formuliert werden kann und wir dann Entwurfsverfahren anwenden, die auf dem GLRT, dem Rao-Test und dem Wald-Test beruhen. Insbesondere werden die Schätzungen der unbekannten Parameter unter der Zielpräsenzhypothese durch einen iterativen Optimierungsalgorithmus erhalten, dessen Konvergenz - und Qualitätsgarantie durchaus bewiesen ist. Die Leistungsanalyse, sowohl auf simulierten als auch auf realen Radardaten, bestätigt die Überlegenheit der betrachteten Architekturen gegenüber ihren konventionellen Pendants, die die Störspektralsymmetrie nicht nutzen. Volltext Artikel November 2015 Antonio De Maio Danilo Orlando Chengpeng Hao Goffredo Foglia Das Grau-System-Modell eignet sich besonders für kleine Proben und schlechte Informationen, die in technischen Anwendungen auftauchen. Aufgrund der zunehmenden Komplexität, der Unsicherheit und des Chaos der systemx27s-Struktur werden traditionelle statistische Methoden wie das autoregressive gleitende Durchschnittsmodell (Wiesel et al., 2013), das bilineare Modell (Matsubara und Morimoto, 2013), das nichtlineare autoregressive Modell (Li et al ) Den evolutionären Trend nicht genau annähern. Um diesen Nachteil zu überwinden, wurde die graue Systemtheorie ursprünglich von Deng vorgeschlagen, um die Unsicherheit von Systemen zu untersuchen (Liu et al., 2013b). Datendateien August 2015 IEEE-Transaktionen bei der Signalverarbeitung von A. P. Dempster, N. M. Laird, D. B. Rubin - ZEITSCHRIFT DER KÖNIGLICHEN STATISTISCHEN GESELLSCHAFT, REIHE B. 1977. Ein breit anwendbarer Algorithmus zur Berechnung von Maximum-Likelihood-Schätzungen aus unvollständigen Daten wird auf verschiedenen Ebenen der Allgemeinheit präsentiert. Die Theorie, die das monotone Verhalten der Likelihood und Konvergenz des Algorithmus zeigt, wird abgeleitet. Viele Beispiele sind skizziert, einschließlich fehlenden Wert situat. Situationen, Anwendungen zu gruppierten, zensierten oder abgeschnittenen Daten, Finite-Mix-Modelle. Abweichungskomponentenschätzung. Hyperparameter-Schätzung. Iterativ wiedergewichtete kleinste Quadrate und Faktorenanalyse. Zeitabhängige autoregressive gleitende Durchschnittsmodelle für die Kovarianzschätzung von Ami Wiesel, Ofir Bibi, Amir Globerson - IEEE Transactions on Signal Processing. 2013. AbstractWir betrachten eine umfangreiche Kovarianz-Schätzung unter Verwendung einer kleinen Anzahl von Proben in Anwendungen, bei denen es eine natürliche Ordnung zwischen den Zufallsvariablen gibt. Die beiden klassischen Ap-proaches zu diesem Problem beruhen auf banded Kovarianz und banded in-verse Kovarianzstrukturen, entsprechend. (MA) und autoregressive (AR) Modelle. beziehungsweise. Mo-tiviert durch diese Analogie zur spektralen Schätzung und der bekannten Modellierungskraft von autoregressiven Moving Average-Prozessen (ARMA) schlagen wir eine neuartige zeitvariable ARMA-Kovarianzstruktur vor. Ähnlich zu bekannten Ergebnissen Generalisierte autoregressive bedingte Heteroskedastizität von Tim Bollerslev - JOURNAL OF ECONOMETRICS. 1986. Eine natürliche Verallgemeinerung des ARCH-Prozesses (Autoregressive Conditional Heteroskedastic), der in Engle (1982) eingeführt wurde, um vergangene bedingte Abweichungen in der gegenwärtigen bedingten Varianzgleichung zu ermöglichen, wird vorgeschlagen. Stationaritätsbedingungen und Autokorrelationsstruktur für diese neue Klasse von Parametri. Von parametrischen Modellen abgeleitet werden. Maximale Likelihood Schätzung und Prüfung werden ebenfalls berücksichtigt. Schließlich wird ein empirisches Beispiel zur Unsicherheit der Inflationsrate vorgestellt. Effiziente Tests für eine Autoregressionseinheit Wurzel von Graham Elliott, Thomas J. Rothenberg, James H. Stock - ECONOMETRICA. 1996 Abstract nicht gefunden Dynamische bedingte Korrelation: Eine einfache Klasse multivariate generalisierte autoregressive bedingte Heteroskedastizitätsmodelle von Robert Engle - Journal of Business and Economic Statistics. 2002. Zeitabhängige Korrelationen werden oft mit multivariaten Garch-Modellen geschätzt, die in Quadraten und Kreuzprodukten der Daten linear sind. Eine neue Klasse von multivariaten Modellen mit dem Namen Dynamic Conditional Korrelation (DCC) wird vorgeschlagen. Diese haben die Flexibilität der univariate GARCH Modelle gekoppelt wi. Zeitabhängige Korrelationen werden oft mit multivariaten Garch-Modellen geschätzt, die in Quadraten und Kreuzprodukten der Daten linear sind. Eine neue Klasse von multivariaten Modellen mit dem Namen Dynamic Conditional Korrelation (DCC) wird vorgeschlagen. Diese haben die Flexibilität der univariate GARCH Modelle gekoppelt Time Varying World Market Integration von Geert Bekaert - Journal of Finance. 1995. Wir schlagen ein Maß für die Kapitalmarktintegration vor, das aus einem bedingten Regime-Switching-Modell resultiert. Mit unserer Maßnahme können wir die erwarteten Renditen in Ländern beschreiben, die in einem Teil der Stichprobe von den Weltkapitalmärkten getrennt sind und später in die Stichprobe integriert werden. Wir finden, dass eine Taubheit. Zahl der Emerging Markets weisen eine zeitintensive Integration auf. Einige Märkte scheinen stärker integriert zu sein, als man erwarten könnte, basierend auf Vorkenntnissen über Anlagebeschränkungen. Andere Märkte erscheinen segmentiert, obwohl Ausländer relativ freien Zugang zu ihren Kapitalmärkten haben. Während es eine nichtparametrische Schätzung der durchschnittlichen Behandlungseffekte unter Exogenität gibt: eine Überprüfung durch Guido W. Imbens - REVIEW OF ECONOMICS UND STATISTICS. 2004. Vor kurzem gab es einen Anstieg in der ökonometrischen Arbeit konzentriert sich auf die Schätzung der durchschnittlichen Behandlung Auswirkungen unter verschiedenen Sätzen von Annahmen. Ein Strang dieser Literatur hat Methoden zur Schätzung der durchschnittlichen Behandlungseffekte für eine binäre Behandlung unter Annahmen entwickelt, die verschieden als Exogen beschrieben werden. Vor kurzem gab es einen Anstieg in der ökonometrischen Arbeit konzentriert sich auf die Schätzung der durchschnittlichen Behandlung Auswirkungen unter verschiedenen Sätzen von Annahmen. Ein Strang dieser Literatur hat Methoden für die Schätzung der durchschnittlichen Behandlungseffekte für eine binäre Behandlung unter Annahmen entwickelt, die verschiedenartig beschrieben sind. Zeitabhängige Strukturvektorautoregressionen und Geldpolitik von Giorgio E. Primiceri, Giovanni Favara, Paolo Giordani, Hidehiko Ichimura, Ro Justiniano, Siem Jan Koopman , Michele Lenza - Wirtschaftstudien. 2005. Die Geldpolitik und das privatwirtschaftliche Verhalten der US-Wirtschaft werden als zeitvariable Strukturvektorautoregression modelliert, wobei die Quellen der Zeitvariation sowohl die Koeffizienten als auch die Varianz-Kovarianzmatrix der Innovationen sind. Das Papier entwickelt eine neue, einfache Modellierungsstrategie f. Die Geldpolitik und das private Verhalten der US-Wirtschaft werden als zeitvariable Strukturvektorautoregression modelliert. Wo die Quellen der Zeitvariation sowohl die Koeffizienten als auch die Varianz-Kovarianzmatrix der Innovationen sind. Das Papier entwickelt eine neue, einfache Modellierung Strategie darstellen Moving Images mit Schichten von John Y. A. Wang, Edward H. Adelson. 1994. Wir beschreiben ein System zur Darstellung von bewegten Bildern mit Sätzen von überlappenden Schichten. Jede Schicht enthält eine Intensitätskarte, die die additiven Werte jedes Pixels zusammen mit einer Alpha-Karte definiert, die als Maske dient, die die Transparenz anzeigt. Die Schichten sind in der Tiefe geordnet und sie verschließen jedes o. Wir beschreiben ein System zur Darstellung von bewegten Bildern mit Sätzen von überlappenden Schichten. Jede Schicht enthält eine Intensitätskarte, die die additiven Werte jedes Pixels zusammen mit einer Alpha-Karte definiert, die als Maske dient, die die Transparenz anzeigt. Die Schichten sind in der Tiefe geordnet, und sie schließen jede Modell-gebundene Clusterbildung, Diskriminanzanalyse und Dichte-Schätzung durch Chris Fraley, Adrian E. Raftery - JOURNAL DER AMERIKANISCHEN STATISTISCHEN ASSOCIATION. 2000. Die Clusteranalyse ist die automatisierte Suche nach Gruppen von verwandten Beobachtungen in einem Datensatz. Die meisten Clustering in der Praxis basiert weitgehend auf heuristischen aber intuitiv angemessenen Verfahren und die meisten Clustering-Methoden in kommerziellen Software sind auch von dieser Art. Allerdings gibt es wenig. Für Modell-basierte Clustering, die eine prinzipielle statistische Ansatz für diese Fragen bietet. Wir zeigen auch, dass dies für andere Probleme in der multivariaten Analyse, wie Diskriminanzanalyse und multivariate Dichteabschätzung, nützlich sein kann. Wir geben Beispiele aus der medizinischen Diagnose, Mineeld-Erkennung, Cluster von Alessandro Chiuso. 2006. Die Subraum-Identifikation für Systeme mit geschlossenem Kreis wurde kürzlich von mehreren Autoren untersucht. Eine Klasse neuer und konsistenter Subraum-Algorithmen basiert auf der Identifikation eines Prädiktionsmodells, ähnlich wie die Vorhersagefehlermethoden (PEM). Experimentelle Ergebnisse deuten darauf hin, dass die. Die Subraum-Identifikation für Systeme mit geschlossenem Kreis wurde kürzlich von mehreren Autoren untersucht. Eine Klasse neuer und konsistenter Subraum-Algorithmen basiert auf der Identifikation eines Prädiktionsmodells, ähnlich wie die Vorhersagefehlermethoden (PEM). Experimentelle Ergebnisse deuten darauf hin, dass diese Methoden ein Verhalten, das sehr nah an PEM in bestimmten Beispielen ist. Die asymptotischen statistischen Eigenschaften einer dieser Methoden wurden kürzlich untersucht, um zu zeigen, (i) ihre Beziehung mit CCA und (ii), dass Cramr Rao unteren Grenze im Allgemeinen nicht erreicht wird. Sehr wenig ist jedoch über ihre relative Leistungsfähigkeit bekannt. In diesem Papier werden wir die Verbindung zwischen diesen prädiktorbasierten Methoden zu diesem Zweck diskutieren wir nutzen die Rolle, die Vector AutoRegressive mit eXogenous Eingänge Modelle spielen in all diesen Algorithmen. Die Ergebnisse dieser Arbeit bieten einen einheitlichen Rahmen, unter dem alle diese Algorithmen betrachtet werden können auch die Verknüpfung mit VARX-Modellierung haben wichtige Auswirkungen auf die Computationalität Komplexität betrifft, was zu sehr rechnerisch attraktiven Implementierungen. Wir hoffen auch, dass dieser Rahmen, insbesondere die Beziehung zur VARX-Modellierung mit anschließender Modellreduktion, in zukünftigen Entwicklungen der Subraum-Identifikation sinnvoll sein wird, wie die Suche nach effizienten Prozeduren und die statistische Analyse mit Finite-Daten. Von Jorge Mari, Anders Dahln, Anders Lindquist - Automatica J. IFAC. 1998. In dieser Arbeit betrachten wir ein dreistufiges Verfahren zur Identifizierung von Zeitreihen, basierend auf Kovarianz-Erweiterung und Modellreduktion und präsentieren eine vollständige Analyse der statistischen Konvergenzeigenschaften. Eine Teilkovarianzsequenz wird aus statistischen Daten abgeschätzt. Dann eine höhere Ordnung. In dieser Arbeit betrachten wir ein dreistufiges Verfahren zur Identifizierung von Zeitreihen, basierend auf Kovarianz-Erweiterung und Modellreduktion und präsentieren eine vollständige Analyse der statistischen Konvergenzeigenschaften. Eine Teilkovarianzsequenz wird aus statistischen Daten abgeschätzt. Dann wird ein Maximum-Entropie-Modell höherer Ordnung ermittelt, welches schließlich durch ein Modell niedrigerer Ordnung durch eine stochastisch ausgeglichene Modellreduktion approximiert wird. Solche Verfahren wurden zuvor in verschiedenen Kombinationen untersucht, aber eine Gesamtkonvergenzanalyse, die alle drei Schritte umfasst, fehlt. Angenommen, die Daten werden aus einem echten finiten-dimensionalen System erzeugt, das minimalphasig ist, wird gezeigt, dass die Übertragungsfunktion des geschätzten Systems in H zu der wahren Übertragungsfunktion neigt, wenn die Datenlänge zu unendlich ist, wenn die Kovarianz-Erweiterung und die Modellreduktion durchgeführt werden richtig. Die vorgeschlagene Identifizierung Verfahren, und einige Variationen von it, werden durch Simulationen ausgewertet. 1. ore wahr für die neueren Ergebnisse 16, 40, 37, 27 auf orthogonalen Polynomen. Die Idee der Verwendung von Modellreduktion für die Systemidentifikation erscheint in der Arbeit von Wahlberg 50 und dem darauffolgenden Papier -51-, wobei der Schwerpunkt auf der frequenzgewichteten Reduktion liegt. Stattdessen verwenden wir eine stochastisch ausgeglichene Trunkierung, für die wir ein einfaches Rechenverfahren entwickeln , Die Ausnutzung der speziellen Struktur von t. Von Michael Jachan (korrespondierend mit Franz Hlawatsch, Gerald Matz, 2005. AbstractTime-frequency autoregressive moving-average (TFARMA) - Modelle wurden vor kurzem als parsimoniöse parametrische Modelle für unterversprechende nichtstationäre Zufallsverfahren und lineare zeitveränderliche (LTV) Systeme eingeführt (TFARMA) - Modellen wurden vor kurzem als parsimoniöse parametrische Modelle für unterversprechende nichtstationäre Zufallsverfahren und lineare zeitvariable (LTV) Systeme eingeführt , Schlagen wir lineare Verfahren zur Approximation eines unterversprechenden LTV-Systems durch ein TFARMA-System vor, wobei die erhaltenen linearen Gleichungen eine Toeplitzblock-Toeplitz-Struktur aufweisen und somit effizient durch den Wax-Kailath-Algorithmus gelöst werden können.1 Von Andrey Barabanov, Yulia Gel. In diesem Papier Zeitreihe Identifizierung Problem betrifft die Schätzung der unbekannten Parameter eines ARMA-Modell, das in ein unendliches AR-Modell umgewandelt wird. Eine Modifikation der Least-Squares-Methode wird zur Identifizierung eines AR-Modells unendlicher Ordnung vorgeschlagen. Die Analyse der Konvergenz von. In diesem Papier Zeitreihe Identifizierung Problem betrifft die Schätzung der unbekannten Parameter eines ARMA-Modell, das in ein unendliches AR-Modell umgewandelt wird. Eine Modifikation der Least-Squares-Methode wird zur Identifizierung eines AR-Modells unendlicher Ordnung vorgeschlagen. Die Analyse der Konvergenz der LS-Schätzungen mit der Wahrscheinlichkeit 1 wird für einen unendlichen Fall durchgeführt. Darüber hinaus wird das Ergebnis der Schätzung des Konvergenzgrades der LS-Schätzungen für das unendliche AR-Modell ermittelt. Ein solcher Ansatz wurde zuvor für die ampquotlongampquot AR-Modelle untersucht, aber eine Gesamtkonvergenzanalyse fehlt. Darüber hinaus ist ein unendliches AR-Modell ein neues Identifikationsobjekt, das bisher nicht berücksichtigt wurde. Darüber hinaus wird in diesem Papier ein komplementäres Ergebnis über die Konvergenz von Halb-Martingalen, die ein Eckstein für den Nachweis aller Theorems hier, sondern ist von Interesse für sich. Von Andrey Barabanov, Yulia Gel. 2002. In diesem Papier Zeitreihe Identifizierung Problem betrifft die Schätzung der unbekannten Parameter eines ARMA-Modell, das in ein unendliches AR-Modell umgewandelt wird. Eine Modifikation der Least-Squares-Methode wird zur Identifizierung eines AR-Modells unendlicher Ordnung vorgeschlagen. Die Analyse der Konvergenz von. In diesem Papier Zeitreihe Identifizierung Problem betrifft die Schätzung der unbekannten Parameter eines ARMA-Modell, das in ein unendliches AR-Modell umgewandelt wird. Eine Modifikation der Least-Squares-Methode wird zur Identifizierung eines AR-Modells unendlicher Ordnung vorgeschlagen. Die Analyse der Konvergenz der LS-Schätzungen mit der Wahrscheinlichkeit 1 wird für einen unendlichen Fall durchgeführt. Darüber hinaus wird das Ergebnis der Schätzung des Konvergenzgrades der LS-Schätzungen für das unendliche AR-Modell ermittelt. Ein solcher Ansatz wurde bisher für die langen AR-Modelle untersucht, aber eine Gesamtkonvergenzanalyse fehlt. Darüber hinaus ist ein unendliches AR-Modell ein neues Identifikationsobjekt, das bisher nicht berücksichtigt wurde. Darüber hinaus wird in diesem Papier ein komplementäres Ergebnis über die Konvergenz von Halb-Martingalen, die ein Eckstein für den Nachweis aller Theorems hier, sondern ist von Interesse für sich.
Comments
Post a Comment