Moving Average Model Parameter Schätzung

Parameterschätzung eines Arma-Modell 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 Werden Parameter eines autoregressiven gleitenden Durchschnittsmodells durch Anwenden der Methode der kleinsten Quadrate auf das geglättete Periodogramm des Protokolls erhalten. Es zeigt sich als asymptotisch effizient und normal verteilt unter der Normalität und den Kreiszustand des Erzeugungsprozesses. Ein Berechnungsverfahren wird durch die Newton-Raphson-Methode 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 Moving Average Modell Parameter Estimation MathSciNet CrossRef Google ScholarA neue Methode für MATH 2-D. Dieses Papier eine neue Methode stellt für den kausalen Viertel Ebene Unterstützungsbereich zweidimensionale (2-D) gleitenden Durchschnitt (MA) Modell Parameterschätzung. die neuen Ansatz zur Angleichung der 2-D-MA durch den 2-D-AR-Modell basiert. um dieses Ziel zu erreichen, werden die entsprechenden Beziehungen zu einer 2-D-Fall erweitert und die damit verbundene Algorithmus vorgestellt. In diesem Verfahren wird ein 2-D Serie mit dem MA-Modell wurde durch ein 2-D-AR-Modell mit höherer Ordnung angenähert und dann werden die Parameter des AR-Modells durch die neue Methode, die präsentiert wird, geschätzt. Dann wird die Beziehung zwischen den Parametern des 2-D-AR und des 2-D-MA-Modells erhalten, und schließlich werden unter Verwendung dieser Beziehung die Parameter des 2-D-MA-Modells erhalten. Da das vorgeschlagene Verfahren keine komplexen und zeitaufwändigen Matrixberechnungen erfordert, ist es rechnerisch effizient. Das vorgestellte Verfahren weist auch eine gute Genauigkeit bei Standardabweichung und Mittelwert auf, was durch Anwendung dieses Verfahrens auf ein numerisches Beispiel und Darstellen der Ergebnisse der Simulation gezeigt wurde. Weitere Informationen über den Autor Mahdi Zeinali Mahdi Zeinali erhielt den Bachelor-Abschluss in der Steuerungstechnik von der Sahand University of Technology, Tabriz, Iran, in den Jahren 2001 und seinen Master-Abschluss in der Steuerungstechnik von Sharif University of Technology, Teheran, Iran, im Jahr 2004. Er ist derzeit Der Doktoranden in der Abteilung für Regelungstechnik, der Technischen Universität Amirkabir (Teheran Polytechnic), Teheran, Iran. Er ist Autor von über sieben Forschungsarbeiten. Seine Interessen liegen im Bereich der multidimensionalen Systeme (M-D), der Systemidentifikation und der digitalen Signalverarbeitung. Eine neue Methode für 2-D-Moving-Average Modellparameter-Schätzung Eine neue Methode für 2-D-Moving-Average Modellparameter-Schätzung IETE Journal of Research Menschen lesen auch Durchsuchen Zeitschriften nach Thema