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