Academic Journal

Оценивание параметрической регрессии с импульсными шумами по дискретным наблюдениям

Λεπτομέρειες βιβλιογραφικής εγγραφής
Τίτλος: Оценивание параметрической регрессии с импульсными шумами по дискретным наблюдениям
Πηγή: Вестник Томского государственного университета. Математика и механика.
Στοιχεία εκδότη: Федеральное государственное бюджетное образовательное учреждение высшего профессионального образования «Национальный исследовательский Томский государственный университет», 2012.
Έτος έκδοσης: 2012
Θεματικοί όροι: НЕГАУССОВСКАЯ ПАРАМЕТРИЧЕСКАЯ РЕГРЕССИЯ, УЛУЧШЕННОЕ ОЦЕНИВАНИЕ, МЕТОД НАИМЕНЬШИХ КВАДРАТОВ, ИМПУЛЬСНЫЙ ШУМ, ПРОЦЕСС ОРНШТЕЙНА УЛЕНБЕКА, КВАДРАТИЧЕСКИЙ РИСК, МИНИМАКСНОСТЬ
Περιγραφή: Рассматривается задача оценивания параметров в модели периодической регрессии с непрерывным временем с шумами, описываемыми негауссовским процессом Орнштейна Уленбека, по наблюдениям в дискретные моменты времени. Предлагаются улучшенные оценки неизвестных параметров регрессии, превосходящие по среднеквадратической точности оценки по методу наименьших квадратов. Получены явные формулы для минимального выигрыша в среднеквадратическом риске. Устанавливается асимптотическая минимаксность оценок при неограниченном росте числа периодов и частоты наблюдений процесса.
The paper considers the problem of parametric estimation in a continuous time linear parametric regression model with a nonGaussian Ornstein Uhlenbeck process by discrete time observations. Improved estimates with smaller mean square risk as compared with the ordinary least square estimates are proposed for the unknown regression parameters. The asymptotic minimaxity of these estimates in the sense of the robust risk has been proved.
Τύπος εγγράφου: Article
Περιγραφή αρχείου: text/html
Γλώσσα: Russian
ISSN: 2311-2255
1998-8621
Σύνδεσμος πρόσβασης: http://cyberleninka.ru/article_covers/13982395.png
http://cyberleninka.ru/article/n/otsenivanie-parametricheskoy-regressii-s-impulsnymi-shumami-po-diskretnym-nablyudeniyam
Αριθμός Καταχώρησης: edsair.od......2806..dba09a078a967d72edd23b71bb143b9e
Βάση Δεδομένων: OpenAIRE