×

指数分散ARMA模型的参数估计。 (英语) Zbl 1097.62090号

提出的广义自回归滑动平均模型B.约根森P.X.-K.宋【J.Appl.Probab.35,No.1,78–92(1998年;Zbl 0906.60035号)]在观测时间序列(X_t)的边际分布遵循加性指数色散模型且AR定义中的乘法被一种特殊的细化算子取代的情况下,考虑。众所周知,\(X_t=Y_t+\delta_t,\)其中\(Y_t\)是一个常见的(Box-Jenkis,BJ)ARMA过程,称为\(X_t\)的投影,\(delta_t\)则是与\(X.t\)正交的剩余过程。时间序列(Y_t)和(X_t)对于除0以外的所有滞后具有相同的平均值和相同的自方差函数。这一事实使作者能够将几乎所有的BJ-ARMA技术应用于JS-ARMA模型参数的估计,并将(δ)视为测量误差。描述了仿真结果以及对实际医学数据的应用。

MSC公司:

62米10 统计学中的时间序列、自相关、回归等(GARCH)
10层62层 点估计
62页第10页 统计学在生物学和医学中的应用;元分析
PDF格式BibTeX公司 XML格式引用
全文: 内政部

参考文献:

[1] Albert P.S.,《生物统计学》第47页第1371页–(1991年)
[2] Ashley R.,《商业与经济统计杂志》第4期第95页-(1986年)
[3] 内政部:10.1198/016214503388619238·Zbl 1047.62076号 ·doi:10.1198/016214503388619238
[4] Box G.E.P.,《时间序列分析:预测和控制》(1976年)·Zbl 0363.62069号
[5] Brockwell P.J.,《时间序列:理论和方法》(1987)·Zbl 0604.62083号 ·doi:10.1007/978-1-4899-0004-3
[6] Franke J.,《时间序列分析的发展》,第310页–(1993年)·doi:10.1007/978-1-4899-4515-0_22
[7] Granger C.W.J.,《皇家统计学会期刊》A辑139页246–(1976)
[8] 霍普金斯A.,《神经病学档案》42第463页–(1985)·doi:10.1001/archneur.1985.04060050061009
[9] Joe H.,《应用概率杂志》,第33页,664页–(1996年)
[10] Jorgensen B.,色散模型理论(1997)
[11] 内政部:10.1239/jap/1032192553·Zbl 0906.60035号 ·doi:10.1239/jap/1032192553
[12] DOI:10.1093/biomet/86.1.169·Zbl 0916.62062号 ·doi:10.1093/biomet/86.1.169
[13] Le N.D.,《生物计量学》48,第317页–(1992年)
[14] Lewis P.A.W.,《统计学中的通信——随机模型5(1)》,第1页–(1989)
[15] Li W.K.,《生物统计学》,第50页,第506页–(1994年)
[16] 麦克唐纳I.L.,离散值时间序列的隐马尔可夫模型和其他模型(1997)·Zbl 0868.60036号
[17] Steutel F.W.,《概率年鉴》第7卷第893页–(1979年)
[18] Stout W.F.,《几乎肯定的收敛》(1974)·Zbl 0321.60022号
[19] Zeger S.L.,《生物特征》75第822页–(1988年)
[20] Zeger S.L.,《生物统计学》第44页第1019页–(1988年)
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。