尤伊玛

离散观测分数阶Ornstein-Uhlenbeck过程和yuimar包的参数估计。本文提出了参数的一致渐近高斯估计λ, σ 随机微分方程dyt离散观测分数阶Ornstein-Uhlenbeck过程解的H和H=-λY t日期+σdW t H,其中(W t H,t0)是分数布朗运动。对于漂移的估计λ, 本文还提供了基于YUIMA软件包的R统计环境软件。


zbMATH中的参考文献(参考文献42条,2标准条款)

显示第1到第20个结果,共42个。
按年份排序(引用)
  1. Arsalane Chouaib Guidoum,Kamal Boukhetala:为Ito和Stratonovich随机微分系统执行并行蒙特卡罗和矩方程方法:R软件包Sim.DiffProc(2020)不是zbMATH
  2. 阿西酮,贾科莫;三浦,玉丽雅;Enrica Pirozzi:时间变化的分数Ornstein-Uhlenbeck过程(2020)
  3. Kříž, Pavel:线性随机演化方程最小对比度估计的空间一致性版本(2020)
  4. 沈光军;王清波;尹秀伟:小分式L离散观测vasicek模型的参数估计é维伊噪声(2020)
  5. 阿拉兹米,F。;杜伊斯,S。;Es Sebaiy,Kh.:具有离散观测的混合分数阶Ornstein-Uhlenbeck过程漂移参数估计的Berry-Esseen界和ASCLTs(英语。俄文原件)(2019年)
  6. 千叶,科海:分数布朗运动驱动的两个随机过程之间的超前-滞后参数估计(2019)
  7. 杜伊斯,苏凯纳;塞巴伊,哈利法;Viens,Frederi G.:一般高斯过程参数估计的Berry-Essen界(2019)
  8. 江口,昭一;Masuda,Hiroki:高斯准似然推断中的数据驱动时间尺度(2019)
  9. 塞巴伊,哈利法;Viens,Frederi G.:平稳高斯过程参数估计的最佳速率(2019)
  10. 福川,Masaaki;平稳高阶噪声下渐近有效的Batake自估计(2019年)
  11. 加塞ía、 奥斯卡:通过转换为最小二乘问题估计可约随机微分方程(2019)
  12. 希塔杰,阿斯梅里尔达;莫库里,洛伦佐;罗吉,编辑:Lé死亡率冲击的vy-CARMA模型(2019年)
  13. 刘阳辉;努亚拉特,尤拉利亚;Tindel,Samy:具有加性分数噪声和连续时间观测的随机微分方程的LAN特性(2019)
  14. 拉希米·塔巴尔,M。Reza:复杂非线性动力系统的分析与数据重建。使用随机过程方法(2019)
  15. 沈光军;于谦:分数L驱动的Ornstein-Uhlenbeck过程的最小二乘估计é离散观测的vy过程(2019年)
  16. 沈光军;于谦;李云梦:分数L驱动的Ornstein-Uhlenbeck过程的最小二乘估计é周期平均vy过程(2019年)
  17. Uehara,Yuma:错误指定遍历L的统计推断évy驱动的随机微分方程模型(2019)
  18. 贝利尼,法比奥;莫库里,洛伦佐;Roroji,编辑:隐含预期值和隐含波动性度量(2018)
  19. 冯文峰;Bailey,Richard M.:共生生态社区中复杂性与稳定性的统一关系(2018)
  20. 聚会,吉姆;杰森,蒂堡;罗森鲍姆,马修:波动性很粗糙(2018)