-
1Academic Journal
Authors: Yu. S. Kharin, S. A. Shibalko, Ю. С. Харин, С. А. Шибалко
Source: Doklady of the National Academy of Sciences of Belarus; Том 68, № 4 (2024); 271-281 ; Доклады Национальной академии наук Беларуси; Том 68, № 4 (2024); 271-281 ; 2524-2431 ; 1561-8323 ; 10.29235/1561-8323-2024-68-4
Subject Terms: статистическое прогнозирование, Markov chain of order s, neural network-based model, statistical estimation, statistical forecasting, цепь Маркова порядка s, нейросетевая модель, статистическое оценивание параметров
File Description: application/pdf
Relation: https://doklady.belnauka.by/jour/article/view/1199/1200; Anderson, T. W. The Statistical Analysis of Time Series / T. W. Anderson. – New York, 1971. – 704 p. https://doi.org/10.1002/9781118186428; Nelder, J. Generalized linear models / J. Nelder, R. Wedderburn // J. R. Stat. Soc. Ser. A. – 1972. – Vol. 135, N 3. – P. 370–384. https://doi.org/10.2307/2344614; Biswas, A. Discrete-valued ARMA processes / A. Biswas, P. X.-K. Song // Statist. Probab. Lett. – 2009. – Vol. 79, N 17. – P. 1884–1889. https://doi.org/10.1016/j.spl.2009.05.025; Cameron, A. C. Regression Analysis of Count Data / A. C. Cameron, P. K. Trivedi. – Cambridge, 2013. – 567 p. https://doi.org/10.1017/cbo9781139013567; Kim, C. Dynamic linear models with Markov-switching / C. Kim // J. Econometrics. – 1994. – Vol. 60, N 1–2. – P. 1–22. https://doi.org/10.1016/0304-4076(94)90036-1; Hamilton, J. D. Time Series Analysis / J. D. Hamilton. – Princeton, NJ, 1994. – 799 p. https://doi.org/10.1515/9780691218632; Statistical analysis of multivariate discrete-valued time series / K. Fokianos [et al.] // J. Multivariate Anal. – 2022. – Vol. 188. – Art. 104805. https://doi.org/10.1016/j.jmva.2021.104805; Харин, Ю. С. Нейросетевые модели биномиальных временных рядов в задачах анализа данных / Ю. С. Харин // Докл. Нац. акад. наук Беларуси. – 2021. – Т. 65, № 6. – С. 654–660. https://doi.org/10.29235/1561-8323-2021-65-6-654-660; Billingsley, P. Statistical methods in Markov chains / P. Billingsley // Ann. Math. Stat. – 1961. – Vol. 32, N 1. – P. 12–40. https://doi.org/10.1214/aoms/1177705136; Kharin, Yu. Robust estimation for binomial conditionally nonlinear autoregressive time series based on multivariate conditional frequencies / Yu. Kharin, V. Voloshko // J. Multivariate Anal. – 2021. – Vol. 185. – Art. 104777. https://doi.org/10.1016/j.jmva.2021.104777; Ширяев, А. Н. Вероятность: в 2 кн. / А. Н. Ширяев. – М., 2004.; Kollo, T. Advanced Multivariate Statistics and Matrices / T. Kollo, D. Rosen. – Dordrecht, 2005. – 506 p. https://doi.org/10.1007/1-4020-3419-9; Magnus, J. Matrix Differential Calculus with Applications in Statistics and Econometrics / J. Magnus, H. Neudecker. – New York, 2019. – 482 p.; Харин, Ю. С. Оптимальность и робастность в статистическом прогнозировании / Ю. С. Харин. – Минск, 2008. – 263 с.; https://doklady.belnauka.by/jour/article/view/1199
-
2Academic Journal
Authors: Yu. S. Kharin, M. W. Maltsew, N. S. Sologub, Ю. С. Харин, М. В. Мальцев, Н. С. Сологуб
Source: Doklady of the National Academy of Sciences of Belarus; Том 60, № 6 (2016); 14-21 ; Доклады Национальной академии наук Беларуси; Том 60, № 6 (2016); 14-21 ; 2524-2431 ; 1561-8323 ; undefined
Subject Terms: векторная цепь Маркова с частичными связями, критерий эргодичности, статистическое оценивание параметров, ergodicity conditions, statistical estimation of parameters
File Description: application/pdf
Relation: https://doklady.belnauka.by/jour/article/view/366/367; Кемени, Дж. Г. Конечные цепи Маркова / Дж. Г. Кемени, Дж. Л. Снелл. – М.: Наука, 1970. – 272 с.; Уотермен, М. С. Математические методы для анализа последовательностей ДНК / М. С. Уотермен. – М.: Мир, 1999. – 350 с.; Bonacich, P. Asymptotics of a matrix valued Markov chain arising in sociology / P. Bonacich, T. M. Liggett // Stochastic Processes and their Applications. – 2003. – Vol. 104, Issue 1. – P. 155–171. doi:10.1016/S0304-4149(02)00231-4.; Криптология / Ю. С. Харин [и др.]. – Минск: БГУ, 2013. – 512 с.; Зубков, А. М. Датчики псевдослучайных чисел и их применения / А. М. Зубков // Московский университет и развитие криптографии в России: материалы конф. в МГУ. – М.: МЦНМО, 2003. – С. 200–206.; Дуб, Дж. Л. Вероятностные процессы / Дж. Л. Дуб. – М.: Изд-во иностранной литературы, 1956. – 605 с.; Kharin, Yu. Parsimonious models for high-order Markov chains and their statistical analysis / Yu. Kharin // VIII World Congress on Probability and Statistics. – Istanbul: Publ. House of Koc. Univ., 2012. – P. 168–169.; Харин, Ю. С. Цепи Маркова с r-частичными связями и их статистическое оценивание / Ю. С. Харин // Докл. НАН Беларуси. – 2004. – Т. 48, № 1. – С. 40–44.; Ширяев, А. Н. Вероятность / А. Н. Ширяев. – Изд. 2-е – М.: Наука, 1989. – 640 с.; Харин, Ю. С. Алгоритмы статистического анализа цепей Маркова с условной глубиной памяти / Ю. С. Харин, М. В. Мальцев // Информатика. – 2011. – № 1. – С. 34–43.; Боровков, А. А. Теория вероятностей / А. А. Боровков. – М.: Наука, 1986. – 432 с.; Basawa, I. V. Statistical inference for stochastic processes / I. V. Basawa, B. L. S. Prakasa Rao. – London: Academic Press, 1980. – 438 p.; Крамер, Г. Математические методы статистики / Г. Крамер. – М.: Мир, 1975. – 648 с.; Cawley, G. C. On over-fitting in model selection and subsequent selection bias in performance evaluation / G. C. Cawley, N. L. C. Talbot // The Journal of Machine Learning Research. – 2010. – Vol. 11. – P. 2079–2107.; Csiszar, I. The consistency of the BIC Markov order estimator / I. Csiszar, P. C. Shields // The Annals of Statistics. – 2000. – Vol. 28, N 6. – P. 1601–1619. doi:10.1214/aos/1015957472.; https://doklady.belnauka.by/jour/article/view/366; undefined
Availability: https://doklady.belnauka.by/jour/article/view/366