A Methode Für Autoregressive Moving Average Schätzung

Die autoregressiven Durchschnitt Modell bewegt, ist ein stationärer stochastischer Prozess Sumpf betaky sumq alphagnu erfüllt, in dem die (nicht beobachtbare) Prozess unabhängig identisch verteilten Zufallsvariablen besteht. Die Koeffizienten in dieser Gleichung und die Varianz von vt sind aus einer beobachteten Folge y1, cdots, yT zu schätzen. Um das Verfahren der Maximum-Likelihood unter Normalität gelten das Modell modifiziert wird (i) durch Einstellen y0 y cdots y 0 und NU0 v cdots 0 V und alternativ (ii) durch y0 equiv yT Einstellen cdots, y equiv Y und v0 equiv vT, Cdots, v-Äquivalente führen zu Prozeduren im Zeitbereich und letztere zu Prozeduren im Frequenzbereich. Matrix-Methoden werden für eine einheitliche Entwicklung der Newton-Raphson und Scoring iterative Verfahren die meisten der Verfahren wurden zuvor durch verschiedene Methoden erhalten. Die Schätzung der Kovarianzen des gleitenden Mittelteils wird ebenfalls behandelt. Artikelinformationen Termine erstmals in Project Euclid zur Verfügung: 12. April 2007 Permanentlink zu diesem Dokument projecteuclid. orgeuclid. aos1176343942 Digital Object Identifier doi: 10.1214aos1176343942 Anderson, T. W. Schätzung für Autoregressiven Moving Average Modelle in der Zeit - und Frequenzbereich. Ann. Statist. 5 (1977), Nr. 5, 842 & ndash; 865. Doi: 10,1214aos1176343942. Projecteuclid. orgeuclid. aos1176343942. Export citationParameter Schätzung eines autoregressiven Durchschnitt Modell bewegen empfangen: 9. Oktober 1980 Stand: 6. Juli 1981 Diesen Artikel zitieren als: Nakano, J. Ann Inst Stat Math (1982) 34: 83. doi: 10.1007BF02481009 55 Downloads Ein Schätzer des Satzes Von Parametern eines autoregressiven gleitenden Durchschnittsmodells erhalten wird, indem das Verfahren der kleinsten Quadrate auf das logarithmierte geglättete Periodogramm angewandt wird. Es zeigt sich als asymptotisch effizient und normal verteilt unter der Normalität und den Kreiszustand des Erzeugungsprozesses. Ein Berechnungsverfahren wird nach dem Newton-Raphson-Verfahren konstruiert. Mehrere Computersimulationsergebnisse werden gegeben, um die Nützlichkeit des vorliegenden Verfahrens zu demonstrieren. References Anderson, T. W. (1977). Schätzung für autoregressive gleitende Durchschnittsmodelle im Zeit - und Frequenzbereich, Ann. Statist. , 5. 842865. MATH MathSciNet Google Scholar Cleveland, WS (1972 Die inverse Autokorrelationen einer Zeitreihe und deren Anwendungen, Techno, 14. 277298. MATH CrossRef Google Scholar Clevenson, ML (1970). Asymptotisch effizient Schätzungen der Parameter eines gleitenden Durchschnitts Zeitreihe, Dissertation, Institut für Statistik der Universität Stanford. Davis, HT und Jones, RH (1968). die Einschätzung der Innovations Varianz einer stationären Zeitreihen, J. Amer. Statist. Ass., 63. 141149 MATH MathSciNet CrossRef Google Scholar