Multivariate Gleitende Durchschnittsdarstellung

Moving-Average Darstellung autoregressiver Approximationen Wir untersuchen die Eigenschaften einer unendlichen MA-Repräsentation einer autoregressiven Approximation für einen stationären, realwertigen Prozess. Dabei geben wir eine Erweiterung des Wieners-Theorems im deterministischen Approximationsaufbau. Wenn wir mit Daten umgehen, können wir dieses neue Schlüsselelement verwenden, um einen Einblick in die Struktur unendlicher MA-Darstellungen von eingebauten autoregressiven Modellen zu erhalten, wobei die Ordnung mit der Stichprobengröße zunimmt. Insbesondere geben wir eine einheitliche Schranke für die Schätzung der gleitenden durchschnittlichen Koeffizienten über autoregressive Approximation, die über alle ganzen Zahlen gleich ist. 423.pdfTitre du document Dokumenttitel Forward Moving Average Representation in Multivariate MA (1) Prozesse Auteur (s) Autor / en Zugehörigkeit (en) du ou des auteurs Autor / en Zugehörigkeit (en) (1) Department of Statistics, Faculty Grundlagenwissenschaften, Universität Mazandaran, Babolsar, IRAN, REPUBLIQUE ISLAMIQUE D (2) Institut für Statistik und OR, Fakultät für Naturwissenschaften, Kuwait Universität, Safat, KOWEIT Rsum Abstract Vorwärtsbewegende Durchschnittskoeffizienten unterscheiden sich im allgemeinen von den entsprechenden Rückwärts - Gleitenden Mittelwertkoeffizienten in multivariaten stationären Zeitreihen. Es gibt fehlende praktische Methoden, um vorwärts-gehende mittlere Koeffizienten von den rückwärtigen abzuleiten. In diesem Artikel legen wir einen neuen praktischen Ansatz für die Ermittlung der vorwärts gehenden durchschnittlichen Koeffizienten für multivariate gleitende Durchschnittsprozesse der Ordnung eins fest. Revue Zeitschrift Titel Quelle Source 2010, vol. 39, no 3-5, pp. 729-737 9 Seite (n) (Artikel) (14 S.) Sprache Sprache Editeur Verleger Taylor amp Francis, Philadelphia, PA, ETATS-UNIS (1976) (Revue) Mots-cls anglais Soltani und Mohammadpour (2009) präsentierten einen Algorithmus für den besten linearen Interpolator von unaufgezeichneten Innovationen in diskreten zeitlichen multivariaten stationären Prozessen der zweiten Ordnung. In dieser Arbeit entwickeln wir ein Interpolationsverfahren für multivariate ARMA-Prozesse mit Hilfe der Interpolation der zugrundeliegenden Innovationen. In diesem Fall sind die Koeffizienten des Modells und die vergangenen und zukünftigen multivariaten Daten die Eingaben des Algorithmus. Wir erhalten auch einen geschlossenen Formausdruck für den besten linearen Interpolator des Einzelwerts für MA (1) und AR (1) Zeitreihenmodelle. (1997), S. 206-169, S. 206-56, S. 206-56), S. 206-52), die in der Zeitschrift "Zeitschrift für anorganische und allgemeine Chemie" 831841. CrossRef, Web of Science Alle Referenzen) beobachtet, dass im Allgemeinen die rückwärts und vorwärts gleitenden durchschnittlichen Koeffizienten, entsprechend für die multivariaten stationären Prozesse, anders als die univariate Prozesse, unterschiedlich sind. Dies hat Untersuchungen zur Ableitung von vorwärts gleitenden mittleren Koeffizienten in bezug auf die rückwärts gehenden mittleren Koeffizienten stimuliert. In diesem Artikel entwickeln wir ein praktisches Verfahren, wenn das zugrundeliegende Verfahren ein multivariat gleitender Durchschnitt (oder univariate periodisch korrelierte) Prozess der endlichen Ordnung ist. Unser Verfahren beruht auf zwei wichtigen Beobachtungen: Ordnungsreduktion (Li, 20058. Li. LM (2005) Faktorisierung der gleitenden mittleren Spektraldichten durch Zustandsraumdarstellungen und Stapelung J. Multivariate Analyse 96. 425 438. CrossRef, Web of (Mohammadpour und Soltani, 20109. Mohammadpour, M. Soltani, AR (2010)) Vorwärtslaufende Mittelwertdarstellung für multivariate MA (1) - Prozesse Kommune Statistische Theorie Meth. 39. 729 737. Taylor amp Francis Online, Web of Science Alle Referenzen anzeigen). Artikel Jan 2014 M. Mohammadpour A. R. Soltani