×
弗洛里安·希尔德布兰特；马蒂亚斯·特拉布斯

基于时间和空间离散观测的SPDE参数估计。 （英语） Zbl 1471.62276号

电子。J.统计。 15，编号1，2716-2776（2021）.
摘要：研究了一类一维抛物型线性随机偏微分方程在固定有界区域离散网格上的解场的参数估计问题。考虑两个坐标系中的填充渐近区域，我们证明了基于时间和空间增量以及时间和空间双重增量的已实现二次变分的中心极限定理。扩散率和波动率参数的矩估计的结果方法继承了渐近正态性，并且可以根据时间和空间上的采样频率稳健地构造。上下界表明，参数联合估计的最优收敛速度通常比通常的参数收敛速度慢。通过一个数值例子说明了理论结果。

引用于13文件

MSC公司：

2012年12月62日 参数估计量的渐近性质
2009年6月26日 非马尔可夫过程：估计
60甲15 随机偏微分方程（随机分析方面）
60F05型 中心极限和其他弱定理

关键词：

中心极限定理；填充渐近；最优收敛速度；实现的二次变量；随机偏微分方程
PDF格式BibTeX公司 XML格式引用
\textit{F.Hildebrandt}和\textit{M.Trabs}，电子。J.Stat.15，No.1，2716--2776（2021；Zbl 1471.62276）
全文： 内政部 arXiv公司

参考文献：

[1] Altmeyer，R.和Reiß，M.（2021）。局部测量线性SPDE的非参数估计。附录申请。普罗巴伯。, 31(1):1-38. ·Zbl 1476.60099号
[2] Bibinger，M.和Trabs，M.（2019年）。关于随机热方程解的功率变化的中心极限定理。在随机模型、统计及其应用。Springer数学与统计论文集第294卷，第69-84页·Zbl 1434.60064号
[3] Bibinger，M.和Trabs，M.（2020年）。使用高频观测的随机偏微分方程的波动率估计。随机过程。申请。, 130(5):3005-3052. ·Zbl 1462.60082号
[4] Chong，C.（2019）。带乘性噪声抛物线随机偏微分方程的高频分析：第一部分。arXiv预打印arXiv：1908.04145.
[5] Chong，C.（2020年）。抛物线随机偏微分方程的高频分析。安。统计师。, 48(2):1143-1167. ·兹比尔1450.62122
[6] Cialenco，I.（2018）。SPDE的统计推断：概述。统计推断统计。过程。, 21(2):309-329. ·兹比尔1394.60067
[7] Cialenco，I.和Huang，Y.（2020年）。离散采样SPDE参数估计的注记。斯托克。动态。, 20(3). ·Zbl 1451.60063号
[8] Cialenco，I.和Kim，H.-J.（2020年）。修正了纯空间噪声驱动的离散采样随机热方程的参数估计。arXiv预打印arXiv：2003.08920.
[9] Cont，R.（2005）。术语结构动力学建模：无限维方法。国际J.Theor。申请。财务, 8(3):357-380. ·Zbl 1113.91020号
[10] Da Prato，G.和Zabczyk，J.（2014）。无穷维随机方程剑桥大学出版社，剑桥·Zbl 1317.60077号
[11] Dacunha-Castelle，D.和Duflo，M.（1986年）。概率和统计。第二卷Springer-Verlag，柏林-海德堡-纽约·Zbl 0586.62004号
[12] Devroye，L.、Mehrabian，A.和Reddad，T.（2020）。高维高斯函数之间的总变化距离。arXiv预打印arXiv：1810.08693v5·Zbl 1445.62069号
[13] Dostal，L.（2019）。非线性薛定谔方程中随机风力的影响。流体, 4(3):121.
[14] Hildebrandt，F.（2020年）。在区间上生成随机热方程的完全离散样本。统计师。普罗巴伯。莱特。, 162. 第108750条·Zbl 1437.60038号
[15] Hildebrandt，F.（2021）。基于时空离散观测的SPDE参数估计博士论文，汉堡国立大学图书馆卡尔·冯·奥西茨基。即将到来·Zbl 1471.62276号
[16] Hottovy，S.和Stechmann，S.N.（2015）。热带降水和水汽动力学时空随机模型。大气科学杂志。, 72(12):4721-4738.
[17] Huebner，M.、Khasminskii，R.和Rozovskii，B.（1993年）。随机偏微分方程参数估计的两个例子。在随机过程，第149-160页。斯普林格·Zbl 0783.60058号
[18] Huebner，M.和Rozovskii，B.L.（1995年）。抛物型随机偏微分方程极大似然估计的渐近性质。普罗巴伯。理论相关领域, 103(2):143-163. ·Zbl 0831.60070号
[19] Ibragimov，I.和Rozanov，Y.（1978年）。高斯随机过程Springer-Verlag，柏林-海德堡-纽约·Zbl 0392.60037号
[20] Ibragimov，I.A.和Has’minskii，R.Z.（1981）。统计估计，第16卷，共页数学应用Springer-Verlag，纽约-柏林。渐进理论，塞缪尔·科茨从俄语翻译而来·Zbl 0467.62026号
[21] Isserlis，L.（1918）。关于任意数量变量的正态频率分布的任意阶乘积矩系数的公式。生物特征, 12:134-139.
[22] Kaino，Y.和Uchida，M.（2021年）。基于离散观测的抛物线线性SPDE模型的参数估计。J.统计。计划。推断, 211:190-220. ·Zbl 1455.62055号
[23] Koski，T.和Loges，W.（1985年）。随机热流问题的渐近统计推断。统计师。普罗巴伯。莱特。, 3:185-189. ·Zbl 0589.62075号
[24] Kriz，P.和Maslowski，B.（2019年）。线性随机发展方程的中心极限定理和最小对比度估计。随机性, 0(0):1-32.
[25] Liu，J.和Tudor，C.A.（2016）。具有移动时间的热方程解的中心极限定理。无限维分析、量子概率及相关主题, 19(01):1650005. ·Zbl 1335.60113号
[26] Lototsky，S.V.（2009）。随机抛物方程的统计推断：谱方法。出版物。材料。, 53(1):3-45. ·Zbl 1157.62057号
[27] Mahdi Khalil，Z.和Tudor，C.（2019年）。通过功率变化估计分数阶随机热方程的漂移参数。国防部。斯托克。理论应用。, 6(4):397-417. ·Zbl 1458.60043号
[28] Markussen，B.（2013）。离散观测随机偏微分方程的似然推断。伯努利, 9(5):745 - 762. ·兹比尔1040.62072
[29] Mathai，A.M.和Provost，S.B.（1992年）。随机变量中的二次型Marcel Dekker，inc.，纽约·Zbl 0792.62045号
[30] Neveu，J.（1968年）。高斯进程。数学监督学院。蒙特利尔大学出版社·Zbl 0192.54701号
[31] 帕克卡宁，M.S.（2014）。白噪声驱动的边界场功率变化的极限定理。随机过程。申请。, 124(5):1942-1973. ·Zbl 1319.60110号
[32] Piterbarg，L.I.和Ostrovskii，A.G.（1997）。随机介质中的平流和扩散：海面温度异常的含义Springer科学与商业媒体。
[33] Réveillac，A.、Stauch，M.和Tudor，C.A.（2012年）。分数布朗片的厄米变体。斯托克。动态。, 12(3):1150021. ·Zbl 1263.60035号
[34] Santa Clara，P.和Sornette，D.（2000年）。具有随机字符串冲击的远期利率曲线的动力学。Rev.财务研究。, 14(1):149-185.
[35] Shevchenko，R.、Slaoui，M.和Tudor，C.A.（2020年）。基于Malliavin演算的分数阶波动方程的广义（k）-变分和Hurst参数估计。J.统计。计划。推断，207:155-180·Zbl 1456.60089号
[36] Torres，S.、Tudor，C.和Viens，F.（2014）。分数色随机热方程的二次变分。电子。J.概率。, 19. ·Zbl 1314.60132号
[37] Tsybakov，A.B.（2010年）。非参数估计简介纽约州施普林格。
[38] Tuckwell，H.C.（2013）。神经生物学中的随机偏微分方程：尖峰神经元的线性和非线性模型。在随机生物数学模型第149-173页。斯普林格·Zbl 1390.92034号
[39] Whittle，P.（1953年）。多重平稳时间序列的分析。J.R.统计社会服务。B, 15:125-139. ·Zbl 0053.41002号
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。