P.J.布罗克韦尔。;R·A·戴维斯。 创新表征在时间序列分析中的应用。 （英文） Zbl 0673.62085号 《概率与统计》，《纪念富兰克林·A·格雷比尔的论文》，61-84（1988）。 摘要：[有关整个系列，请参阅Zbl 0667.00023号.]如果（X_t）是一个零位二阶过程，则已知基于（X_1，…，X_n）的（X_{n+1}）的最佳线性均方预测器（X_n+1）可以用创新（（X_j-X_j）来表示^{无}_{j=1}\theta{nj}（X{n+1-j}-\hat X{n+1-j}），其中系数（theta{ny}）和均方误差（v_n=E（X{n+1}-\h X{n+1}）^2）可以从（{X_t}）的协方差函数递归找到。如果（X_t）是由方程定义的ARMA（p，q）过程，（φ（B）X_t=θ（B）Z_t，\[\帽子X{n+1}=\phi_1X_n++\phi_ pX_{n-p}+\总和^{q}_{j=1}\theta{nj}（X{n+\quad 1-j}-\hat X{n+1-j}），\quad n\geq\max（p，q）。\]研究了这些表示在时间序列推理问题中的应用。 引用于261文件 MSC公司： 62M20型 随机过程推断和预测 62M15型 随机过程和谱分析的推断 62M10个 统计学中的时间序列、自相关、回归等（GARCH） 关键词：高斯似然;线性过程;谱密度估计;模拟;识别;零位二阶过程;最佳线性均方预报器;均方误差;ARMA（p，q）过程 引文：Zbl 0667.00023号 PDF格式BibTeX公司 XML格式