Gleitende Durchschnittliche Darstellung

Vorhersage und grundlegende gleitende Mittelwerte für diskrete multidimensionale harmonisierbare Prozesse Marc H Mehlman University of Pittsburgh in Johnstown USA erhielt 11. Juni 1991. Überarbeitet am 13. Februar 1992. Online verfügbar am 30. Juni 2004. Übermittelt von den Herausgebern Die gleitenden Durchschnittsdarstellungen diskreter multidimensionaler stationärer Prozesse werden verallgemeinert Zu grundlegenden gleitenden Durchschnittsdarstellungen von schwach harmonisierbaren Prozessen. Für stark harmonisierbare Prozesse werden notwendige und ausreichende Bedingungen für Kovarianzfunktionen für die Existenz derartiger gleitender Durchschnittsdarstellungen erhalten. Diese werden verwendet, um Vorhersageformeln für kleinste Quadrate für solche Prozesse zu erhalten. Harmonisierbare Prozesse Gleitende Mittelwerte Vorhersage Referenzen 1 D Chang. M. M Rao Bimeasures und nichtstationäre Prozesse Reale und stochastische Analyse. M. M. Rao. 1986. John Wiley, New York. S. 7118 2 Cramr, H. Zusammensetzungen orthoganales de certains processus stochastiques. Ann. Fac. Sci Univ. Clermont 11 1521. 3 H Cramr Auf dem linearen Prädiktionsproblem für bestimmte stochastische Prozesse Ark. Mat. Band 4. Ausgabe 6. 1959. pp. 4553 4 K Hoffmann, Banach Räume der analytischen Funktionen. 1962. Prentice-Hall, New Jersey 5 Kakihara, Y. Eine Anmerkung zu harmonisierbaren und V-beschränkten Prozessen. J. Multivariate Anal. 16 (1) 140156. 6 Y Katznelson, Eine Einführung in die Harmonische Analyse. 1976. Dover, New York 7 M. H Mehlman Struktur und gleitende Durchschnittsdarstellung für multidimensionale, stark harmonisierbare Prozesse Stochastische Anal. Appl. Band 9. Ausgabe 3. 1991. p. 323361 8 R. A Penrose Eine verallgemeinerte Inverse für Matrizen, Proc. Cambridge Philos. Soc. Band 51. 1955. pp. 406413 9 M. M. Rao Harmonisierbare Prozesse: Strukturtheorie LEnseignement Mathematik. Band 28. Ausgabe 2. 1992. pp. 295351 10 Yu. A Rozanov, Stationäre Zufallsverfahren. 1967. Holden-Day, San Francisco Copyright 1992 Erschienen bei Elsevier Inc. Zitieren von Artikeln () Gleitende durchschnittliche Darstellung autoregressiver Approximationen Peter Bhlmann 1 Institut für Statistik, Universität von Kalifornien, Evans Hall, Berkeley, CA 94720, USA Online verfügbar am 5. April Wir untersuchen die Eigenschaften einer MA () - Darstellung einer autoregressiven Näherung 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 von 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 Mittelwertkoeffizienten über autoregressive Approximation, die über alle ganzen Zahlen gleich ist. AR () Causal Komplexe Analyse Impulsantwortfunktion Invertierbar Linearer Prozess MA () Mischen Zeitreihe Übertragungsfunktion Stationärer Prozess Referenzen An et al. 1982 H.-Z. Ein. Z.-G Chen. E. J. Hannan Autokorrelation, Autoregression und autoregressive Annäherung Ann. Statist. Band 10. 1982. pp. 926936 Corr: H.-Z. Ein. Z.-G Chen. E. J. Hannan Autokorrelation, Autoregression und autoregressive Annäherung Ann. Statist. Band 11, 1982. p. 1018 Berk, 1974 K. N. Berk Konstante autoregressive Spektralschätzungen Ann. Statist. Band 2. 1974. pp. 489502 Bhansali, 1989 R. J. Bhansali Schätzung der gleitenden durchschnittlichen Darstellung eines stationären Prozesses durch autoregressive Modellierung J. Zeitreihe Anal. Band 10, 1989. pp. 215232 Bhansali, 1992 R. J. Bhansali Autoregressive Schätzung der Vorhersage mittlere quadratische Fehler und ein R 2 Maßnahme: eine Anwendung Neue Richtungen in der Zeitreihenanalyse. D. Brillinger. P. Caines. J. Geweke. E. Parzen. M. Rosenblatt. FRAU. Taqqu. 1992. Springer, New York. S. 924, Teil I, Bickel und Bhlmann, 1995, P. J. Bickel. P. Bhlmann Mischeigenschaft und funktionale zentrale Grenzwertsätze für einen Siebbootstrap in Zeitreihen, Tech. Rep. 440, 1995. Abt. Statistik, UC Berkeley, Berkeley, CA Brillinger, 1975, D. R. Brillinger Zeitreihe Datenanalyse und Theorie. 1975. Holt, Rinehart und Winston, New York Brockwell und Davis, 1987 P. J. Brockwell. R. A. Davis Zeitreihe: Theorie und Methoden 1987. Springer, New York Bhlmann, 1995 P. Bhlmann Siebbootstrap für Zeitreihen, Tech. Rep. 431. 1995. Abt. Statistik, UC Berkeley, Berkeley, CA Deistler und Hannan, 1988, M. Deistler. E. J. Hannan Die Statistische Theorie der Linearen Systeme 1988. Wiley, New York Doukhan, 1994 P. Doukhan Mischeigenschaften und Beispiele. Vorlesungsverzeichnis Statistik. Vol. 85. 1994. Springer, New York Durbin, 1960 J. Durbin Die Montage von Zeitreihenmodellen Rev. Internat. Statist. Inst. Band 28. 1960. pp. 233244 Efron, 1979 B. Efron Bootstrap-Methoden: ein weiterer Blick auf das Messer Ann. Statist. Band 7. 1979. pp. 126 Gelfand et al. 1964 I. Gelfand. D. Raikov. G. Shilov Commutative Normed Rings 1964. Chelsea, New York Hannan, 1987, E. J. Hannan Rationale Übertragungsfunktion Approximation Stat. Sci Band 5, 1987, S. 105138 Hannan und Kavalieris, 1986, E. J. Hannan. L. Kavalieris Regression, Autoregressionsmodelle J. Zeitreihe Anal. Band 7. 1986. S. 2749 Kreiss, 1988, J.-P. Kreiss Asymptotische statistische Schlussfolgerung für eine Klasse stochastischer Prozesse 1988. Habilitationsschrift, Universitt Hamburg, Hamburg, Deutschland Kromer, 1970 R. E Kromer Asymptotische Eigenschaften des autoregressiven Spektralschätzers, Ph. D. These. 1970. Abt. Statistik, Stanford University, Stanford, CA Lewis und Reinsel, 1985, R. A. Lewis. G. C. Reinsel Vorhersage multivariater Zeitreihen durch autoregressive Modellanpassung J. Multivariate Anal. Band 16 1985. pp. 393411 Ljung, 1978 L. Ljung Konvergenzanalyse von parametrischen Identifikationsverfahren IEEE Trans. Automat. Steuerung AC-23. 1978. pp. 770783 Ltkepohl, 1989 H. Ltkepohl Ein Hinweis zur asymptotischen Verteilung von Impulsantwortfunktionen von geschätzten VAR-Modellen mit orthogonalen Residuen J. Ökonometrie. Band 42. 1989. pp. 371376 Ltkepohl, 1991 H. Ltkepohl Einführung in die Zeitreihenanalyse 1991. Springer, Heidelberg Parzen, 1982 E. Parzen ARMA-Modelle zur Zeitreihenanalyse und Prognose J. Prognose. Band 1. 1982. pp. 6782 Paparoditis und Streitberg, 1992 E. Paparoditis. B. Streitberg Ordnungskennzahlen in stationären autoregressiven gleitenden Durchschnittsmodellen: Vektor Autokorrelationen und dem Bootstrap J. Zeitreihe Anal. Volume 13, 1992. pp. 415434 Ptscher, 1987, B. M. Ptscher-Konvergenz-Ergebnisse für Maximum-Likelihood-Typ-Schätzer in multivariaten ARMA-Modellen J. Multivariate Anal. Band 21 1987. pp. 2952 Saikonen, 1986 P. Saikonen Asymptotische Eigenschaften einiger Vorabschätzer für autoregressive gleitende mittlere Zeitreihenmodelle J. Zeitreihe Anal. Band 7. 1986. S. 133155 Silvia und Robinson, 1979, M. T. Silvia. E. A. Robinson Dekonvolution der geophysikalischen Zeitreihen in der Exploration für Erdöl und Erdgas 1979. Elsevier, Amsterdam Wiener, 1993 N. Wiener Das Fourier-Integral und einige seiner Anwendungen 1993. Cambridge Univ. Press, Cambridge Withers and Withers, 1981 C. S. Withers Zentrale Grenzwertsätze für abhängige Variablen I Z. Wahrsch. Verw. Gebiete Band 57. 1981. pp. 509534 Corr: C. S. Withers Zentrale Grenzwertsätze für abhängige Variablen I Z. Wahrsch. Verw. Gebiete Band 63. 1981. p. 555 Zygmund, 1959 A. Zygmund, Trigonometrische Reihe. Vol. 1. 1959. Cambridge Univ. Presse, Cambridge 1 Unterstützt vom Schweizerischen Nationalfonds. Copyright 1995 Erschienen bei Elsevier B. V Zitieren von Artikeln () Moving-Average Darstellung autoregressiver Approximationen Wir untersuchen die Eigenschaften einer unendlichen MA-Darstellung 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 Mittelwertkoeffizienten über autoregressive Approximation, die über alle ganzen Zahlen gleich ist. 423.pdf