×
P.J.布罗克韦尔。;R·达尔豪斯。

广义Levinson–Durbin和Burg算法。 （英语） 兹比尔1033.62091

《经济学杂志》。 118，编号1-2，129-149（2004）.
摘要：本文介绍了正交投影的一个基本递归性质，它很容易导致各种不同的预测算法。示例包括经典的Levinson–Durbin和Burg算法以及J.H.W.彭姆和R·D·特雷尔《时代期刊》第3期，第43–59页（1982年；Zbl 0514.62098号)]. 此外，还导出了一些新的算法，包括用于递归计算最佳步长预测器的易于应用的算法和用于最佳子集预测器（best subset predictor）的Burg算法。讨论了与格算法的关系。

引用于10文件

MSC公司：

62M20型 随机过程推断和预测

关键词：

递归自回归;Levinson–Durbin算法;伯格算法;子集建模;多步预测

引文：

Zbl 0514.62098号
PDF格式BibTeX公司 XML格式引用
\textit{P.J.Brockwell}和\textit{R.Dahlhaus}，J.Econom。118，编号1--2，129-149（2004；Zbl 1033.62091）
全文： 内政部

参考文献：

[1] Bhansali，R.J.，《多步预测顺序选择和相对于插入式预测器的性能的直接自回归预测器》，统计局，第7425-450页（1997年）·Zbl 0886.62082号
[2] Brockwell，P.J。；Davis，R.A.，《时间序列：理论和方法》（1991年），Springer:Springer New York·Zbl 0673.62085号
[3] Burg，J.P.，1968年。一种新的时间序列数据分析技术。北约信号处理高级研究所（NATO Advanced Study Institute of Signal Processing），重点研究水下声学。摘自：Childers，D.G.（编辑），《现代光谱分析》。IEEE出版社，纽约，1978年。；Burg，J.P.，1968年。一种新的时间序列数据分析技术。北约信号处理高级研究所（NATO Advanced Study Institute of Signal Processing），重点研究水下声学。摘自：Childers，D.G.（编辑），《现代光谱分析》。IEEE出版社，纽约，1978年。
[4] Dahlhaus，R.，时间序列分析中的小样本效应——一种新的渐近理论和一种新的估计，《统计年鉴》，16808-841（1988）·兹比尔0662.62100
[5] Durbin，J.，《时间序列模型的拟合》，《国际统计研究所评论》，第28期，第233-244页（1960年）·Zbl 0101.35604号
[6] 芬德利·D.F.，《莱文森一般算法的几何和晶格版本》（芬德利·D.F.著，《应用时间序列分析II》（1981年），学术出版社：纽约学术出版社），327-354·Zbl 0481.93056号
[7] 汉森，M.H。；Yu，B.，模型选择与最小描述长度原则，美国统计协会杂志，96，746-774（2001）·Zbl 1017.62004号
[8] Haykin，S.，《自适应滤波器理论》（1996），普伦蒂斯·霍尔：普伦蒂斯霍尔·恩格尔伍德·克利夫斯，新泽西州
[9] Itakura，F.，Saito，S.，1971年。语音分析和合成的数字滤波技术。第七届国际声学大会会议记录，布达佩斯，论文25-C-1，第261-264页。；Itakura，F.，Saito，S.，1971年。语音分析和合成的数字滤波技术。第七届国际声学大会会议记录，布达佩斯，论文25-C-1，第261-264页。
[10] 莱文森，N.，滤波器设计和预测中的维纳根平方误差准则，数学与物理杂志，25261-278（1946）
[11] Makhoul，J.，《线性预测的稳定高效格点法》，IEEE声学、语音和信号处理事务，25423-428（1977）·Zbl 0373.93042号
[12] Morettin，P.A.，《列文森算法及其在时间序列分析中的应用》，《国际统计评论》，52，83-92（1984）·Zbl 0562.62076号
[13] Morf，M.，Vieira，A.，Lee，D.T.，1977年。识别和语音处理的梯形图。1977年IEEE决策与控制会议记录，新奥尔良，第1074-1078页。；Morf，M.，Vieira，A.，Lee，D.T.，1977年。识别和语音处理的梯形图。1977年IEEE决策与控制会议记录，新奥尔良，第1074-1078页。
[14] 莫尔夫，M。；维埃拉，A。；Lee，D.T.L。；Kailath，T.，递归多通道最大熵谱估计，IEEE地球科学电子学事务，GE-16，85-94（1978）
[15] 彭，J.H.W。；Terrell，R.D.，关于子集自回归的递归拟合，时间序列分析杂志，343-59（1982）·Zbl 0514.62098号
[16] Seber，G.A.F.，线性回归分析（1977），Wiley:Wiley New York·Zbl 0354.62055号
[17] Shibata，R.，估计线性过程参数的模型阶的渐近有效选择，《统计年鉴》，8147-164（1980）·Zbl 0425.62069号
[18] Shibata，R.，回归变量的最佳选择，Biometrika，68，45-54（1981），（更正69492）·兹伯利0464.62054
[19] Taniguchi，M.，《关于平稳过程光谱密度模型阶数的选择》，《统计数学研究所年鉴》，32，a，401-419（1980）·Zbl 0455.62073号
[20] Whittle，P.W.，关于多元自回归拟合和谱密度矩阵的近似标准因式分解，Biometrika，50，129-134（1963）·Zbl 0129.11304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。