Bootstrapping-Periodogramm und Kreuzperiodogrammstatistik von vektorautoregressiven gleitenden Durchschnittsmodellen Efstathios Paparoditis Institut für Mathematik und Statistik, Universität von Zypern, Kallipoleos 75, P. O. Box 537, Nicosia, Cyprus Verfügbar online am 12. Februar 1999. Einige Eigenschaften einer Bootstrap-Prozedur, die angewandt wird, um die Verteilung der Periodogrammmatrix für die aus einem stationären vektorautoregressiven gleitenden Durchschnittsprozess erhaltenen Proben zu bewerten, werden diskutiert. Bootstrap Periodogramm Matrix Vector autoregressiven gleitenden Durchschnitt Prozess Copyright 1996 veröffentlicht von Elsevier B. V. Unter Berufung auf Artikel () Bootstrapping gleitenden Durchschnitt Modelle zeigen abstrakte ausblenden Zusammenfassung Zusammenfassung: Die komplexen Zusammenhänge der Natur der multivariaten Systeme in Beziehungen und Kovarianzstrukturen zur Folge haben kann, die im Laufe der Zeit ändern. Glatte Hauptkomponentenanalyse wird als ein Mittel zur Untersuchung, ob und wie die Kovarianzstruktur mehrerer Antwortvariablen Änderungen über die Zeit vorgeschlagen, nach dem eine glatte Funktion für den Mittelwert zu entfernen, und dies wird motiviert und illustriert von Daten von einer Flugzeugtechnik Studie mit und See Ökosystem. Inferentielle Verfahren werden in den Fällen von unabhängigen und abhängigen Fehlern untersucht, wobei ein Bootstrapping-Verfahren vorgeschlagen wird, um Änderungen in der Richtung oder Varianz der Komponenten zu detektieren. Artikel November 2012 Claire Miller Adrian Bowman anzeigen abstrakt ausblenden Zusammenfassung Zusammenfassung: Wir stellen die theoretische Begründung von stationären umkehrbar Echelon Vektor autoregressiven gleitenden Mittelwert Bootstrapping (VARMA) Modelle lineare Methoden. Die asymptotische Gültigkeit des Bootstraps wird mit starkem weißem Rauschen unter parametrischen und nichtparametrischen Annahmen ermittelt. Unsere Methoden sind praktisch und nützlich für den Aufbau zuverlässiger simulationsbasierter Inferenz - und Prognoserechnungen ohne Implementierung nichtlinearer Schätzmethoden wie zB ML, die in der Regel belastbar, zeitaufwendig oder unpraktisch ist, insbesondere bei großen oder stark persistenten Systemen. Die Bedeutung unserer Vorgehensweisen ist im Kontext dynamischer Simulationsverfahren, wie maximierte Monte Carlo (MMC) - Tests, siehe Dufour J-M. Monte Carlo-Tests mit Störungsparametern: ein allgemeiner Ansatz für Finite-Sample-Inferenz und nicht standardisierte Asymptotiken in der Ökonometrie. J Wirtschaftlichkeit. 2006133 (2): 443 & ndash; 477 und Dufour J-M, Jouini T. Finite-Beispiel-Simulations-basierte Tests in VAR-Modellen mit Anwendungen auf Granger-Kausalitätstests. J Wirtschaftlichkeit. 2006135 (1-2): 229-254 für den Fall VAR. Simulation Beweise zeigen, dass im Vergleich zu herkömmlichen Asymptotiken, unsere Bootstrap-Methoden haben gute Finite-Probeneigenschaften bei der Angleichung der tatsächlichen Verteilung der studentisierten Echelon VARMA Parameterschätzungen und Vertrauen bei der Bereitstellung von Echelon Parametersätze mit zufriedenstellenden Abdeckung. Artikel Dezember 2014 Tarek Jouini anzeigen abstrakt ausblenden Zusammenfassung Zusammenfassung: In dieser Studie stellen wir eine algorithmische Struktur basierend auf der parakonsistenten kommentierten Logik (PAL), die die Kalküle der durchschnittlichen Werte in einem Datensatz zu simulieren und die Veränderungen der durchschnittlichen erkennen nur zu PAL Konzepte. Wir nennen die Struktur als paraconsistentes künstliches neuronales Netzwerk zur Extraktion von gleitendem Durchschnitt (PANnet (Mathrm)). Als Beispiel für ihre Anwendung, verwenden wir PANnet (Mathrm), um bei der Analyse eines endgültigen Produktqualitätsindex im Zusammenhang mit der Elektrotechnik zu unterstützen. Um das endgültige Ergebnis zu erhalten, haben wir PANnet (mathrm) angewandt, um das statistische Verhalten der Statistical Process Control (SPC) zu simulieren, indem wir Werte vergleichen, die mit einem Ranking erzielt wurden, das Qualitätsindexstandards auf Basis der elektrischen Energieverteilung festlegt. Zuerst wurden Tests unter Verwendung von Daten mit zufälligen Werten durchgeführt, um das Verhalten von PANnet (mathrm) zu verifizieren und die optimale Anzahl von Algorithmen einzustellen, um eine optimierte Rechenstruktur zu bilden. Dann nutzten wir eine Datenbank mit tatsächlichen elektrischen Spannungswerten, die von einem elektrischen Energieversorgungsnetz eines Stromversorgungsnetzes in Brasilien erzeugt wurden. In den verschiedenen Tests, PANnet (Mathrm) geeignet erkannt Veränderungen und identifiziert Variationen der elektrischen Spannung in 220-V-Übertragungsleitungen. Die Ergebnisse zeigen, dass PANnet (mathrm) verwendet werden kann, um eine effiziente Architektur für die Ermittlung und Überwachung von Qualitäts-Scores mit Anwendungen in verschiedenen Bereichen der Technik, insbesondere für die Erkennung von Qualitätsindex in einem Stromverteilungsnetz zu erstellen. Kapitel Jan 2016 Zeitschrift für Statistische Berechnung und Simulation
No comments:
Post a Comment