Minimax-robust estimation problems for stationary stochastic sequences
本综述探讨了平稳随机序列未知值线性泛函的最优估计问题,在谱确定性与谱不确定性情形下分别推导了估计公式,并应用极小化极大稳健方法给出了最不利谱密度与极小化极大谱特征的确定公式。
2024-06-25 math.ST stat.TH
Moderate deviations for stationary sequences of bounded random variables
本文在鞅型条件下导出了平稳有界随机变量序列的中偏差原理。给出了它在$ϕ$ -混合序列、收缩马尔可夫链、区间扩张映射和圆上对称随机游动等函数中的应用。
2007-11-25 math.PR math.ST stat.TH
On minimax estimation problem for stationary stochastic sequences from observations in special sets of points
研究了随机平稳序列的未知值所依赖的线性泛函的均方最优估计问题。在谱确定的条件下,当序列的谱密度精确已知时,导出了泛函的最优线性估计的均方误差和谱特征的计算公式.极小极大(鲁棒)估计方法适用于谱密度的情况下,不知道确切的序列,而一些集的容许谱密度。对于某些特殊的容许密度集,导出了确定最不利谱密度和极小极大谱特征的公式。
2021-10-17 math.ST stat.TH
Some notes on ergodic theorem for $U$-statistics of order $m$ for stationary and not necessarily ergodic sequences
本文研究了非必然遍历的严格平稳序列上m阶U-统计量的收敛性,给出了其几乎必然收敛及在L^p中收敛的充分条件。
2024-02-19 math.PR math.ST stat.TH
On the Marginal Distributions of Stationary AR(1) Sequences
在本文中,我们纠正了我们的论文(Satheesh和Sandhya,2005)中定义半自分解律的一个遗漏,并通过例子证明了平稳AR(1)过程的边缘分布甚至不需要是无限可分的。
2007-04-25 math.PR math.ST stat.TH
Statistical estimation of quadratic Rényi entropy for a stationary m-dependent sequence
雷尼熵是香农熵的推广,广泛应用于数学统计和应用科学中,用于量化概率分布中的不确定性。本文研究了平稳m相依序列的边缘分布的二次Rényi熵及其相关泛函的估计. U-统计量的估计是基于相应样本中ε-接近向量观测值的数量。获得了这些估计量的各种渐近性质(例如,一致性、渐近正态性、Poisson收敛)。结果可以用于各种统计和计算机科学问题,只要传统的独立性假设太强(例如,时间序列数据库中的ε-键、相关样本的分布识别问题)。
2013-03-07 math.ST stat.TH
Extrapolation Problem for Multidimensional Stationary Sequences with Missing Observations
Taras Shevchenko National University of Kyiv(基辅塔拉斯舍甫琴科国立大学);Kyiv National Taras Shevchenko University(基辅国立塔拉斯舍甫琴科大学)
本文研究多维平稳序列在缺失观测下的最优估计问题,提出在频谱确定和不确定情况下,通过频谱特性推导最优线性估计的均方误差公式。
2025-11-10 math.ST stat.TH
Filtering problem for sequences with periodically stationary multiseasonal increments with spectral densities allowing canonical factorizations
针对融合循环平稳、多季节与分数积分特征的周期平稳多重增量随机序列,研究已知及未知谱密度下的最优与极小极大线性滤波方法。
2023-04-26 math.ST stat.TH
Minimax-robust estimation problems for sequences with periodically stationary increments observed with noise
考虑了由周期平稳增量随机序列的未观测值构造的线性泛函的最优估计问题。对于已知谱密度的序列,我们得到了计算均方误差值和泛函最优估计的谱特征的公式。在序列的谱密度不完全已知而给定若干组容许谱密度的情况下,给出了确定泛函的最优线性估计的最不利谱密度和极小极大稳健谱特征的公式.
2021-10-15 math.PR math.ST stat.TH
On the least squares estimator in a nearly unstable sequence of stationary spatial AR models
研究了平稳空间自回归过程的一个近似不稳定序列,当自回归系数的绝对值之和趋于1时。结果表明,经过适当的规范,这些系数的最小二乘估计有一个正常的极限分布。如果没有一个参数等于零,则典型的收敛速率为n。
2008-03-17 math.PR math.ST stat.TH
Robust filtering of sequences with periodically stationary multiplicative seasonal increments
研究了具有周期平稳、多季节、积分和分数积分模式的分数阶广义多重增量随机序列$ξ(k)$。我们解决了线性泛函的滤波问题,构造的随机序列$ξ(k)$的未观测值的基础上与周期平稳噪声序列的观察。对于已知矩阵的谱密度序列,我们得到的公式计算值的均方误差和最佳估计的泛函的谱特性。在序列的谱密度不完全已知的情况下,给出了确定泛函的最优线性估计的最不利谱密度和极小极大(鲁棒)谱特征的公式.
2021-10-14 math.PR math.ST stat.TH
Filtering Problem for Functionals of Stationary Sequences
本文研究带噪声平稳序列泛函的均方最优线性估计问题,在谱确定性和谱不确定性情形下分别推导了相关估计公式,为滤波问题提供了理论方法。
2024-06-23 math.ST stat.TH
Robust extrapolation problem for stochastic sequences with stationary increments
Taras Shevchenko National University of Kyiv(基辅塔拉斯舍甫琴科国立大学)
针对具有平稳 $n$ 阶增量的随机序列,研究基于过去观测的无穷与有限加权泛函外推,给出已知谱密度时的最优估计公式及谱密度不确定时的极小极大稳健方法。
2025-10-19 math.ST stat.TH
Minimax-robust forecasting of sequences with periodically stationary long memory multiple seasonal increments
引入了具有周期平稳、多季节、积分和分数积分模式的广义多重增量的分数阶随机序列$ζ(k)$。本文解决了随机序列$ζ(k)$的未观测值根据其在点$ k<0$的观测值所构造的线性泛函的最优估计问题。对于已知谱密度的序列,我们得到了计算均方误差值和泛函最优估计的谱特征的公式。给出了在序列的谱密度不完全已知的情况下,确定泛函的最优线性估计的最不利谱密度和极小极大(鲁棒)谱特征的公式.
2020-07-22 math.PR math.ST stat.TH
Weighted maxima and sums of non-stationary random length sequences in heavy-tailed models
规则变化随机变量的加权非平稳随机长度序列的和和最大值可能具有相同的尾部和极值指数,Markovich和Rodionov(2020)。其主要约束条件是:最小尾指数级数格式中存在唯一级数,尾项数小于尾项数,权系数为正常数.这些假设在这里被改变:一个有界的随机数的系列被允许有最小的尾部索引,尾部的项数可以比尾部的项重,并且权重可以是实值的。在新的假设下,我们得到了加权非平稳随机长度序列的尾指数和极值指数。
2022-09-18 math.PR math.ST stat.TH
Joint Limiting Distribution of Minima and Maxima of Complete and Incomplete Samples of Stationary Sequences
在文献[4]中,在较弱的渐近条件下,得到了弱相依平稳序列的最大值和最小值的联合弱收敛性。在本文中,我们解决另外的情况下,不完整的样本,假设不完整的平均比例收敛于概率的一些随机变量。我们证明了完整样本和不完整样本的最大值和最小值的联合弱收敛性。结果表明,对于特殊情况,最大值和最小值是渐近独立的。
2013-09-24 math.PR math.ST stat.TH
Interpolation of functionals of stochastic sequences with stationary increments from observations with noise
Taras Shevchenko National University of Kyiv(基辅塔拉斯舍甫琴科国立大学)
本文研究带噪声观测下平稳增量随机序列线性泛函的最优估计问题,提出谱已知时的精确估计公式及谱不确定时的极小极大鲁棒估计方法。
2025-10-26 math.ST stat.TH
On the Glivenko-Cantelli theorem for real-valued empirical functions of stationary $α$-mixing and $β$-mixing sequences
本文将经典Glivenko-Cantelli定理扩展至$α$-混合与$β$-混合相依结构下的实值经验函数,研究满足一致熵条件的函数类在适当衰减的混合系数下的GC性质与偏差界,通过放宽独立性假设改进了现有文献。
2025-04-30 math.ST stat.TH
Filtering of Multidimensional Stationary Sequences with Missing Observations
针对带噪声和缺失观测的多维平稳序列,研究线性泛函的均方最优线性估计,在谱已知时给出精确公式,谱不确定时采用极小极大稳健方法并确定最不利谱密度。
2018-04-12 math.PR math.ST stat.TH
Statistical inference for continuous-time locally stationary processes using stationary approximations
我们建立了$M$ -估计量的渐近性质,定义在一个对比函数和观察从连续时间局部平稳过程。利用序列的平稳逼近、$θ$ -弱依赖和遗传性质,给出了对比函数的充分条件,保证了$M$ -估计的相合性和渐近正态性.作为例子,我们得到了时变Lévy驱动的Ornstein-Uhlenbeck过程序列观测值的局部最小二乘估计的相合性和渐近正态性.此外,对于一个序列的时变Lévy驱动的状态空间模型,我们证明了一个本地化的Whittle估计和$M$估计,是基于准最大似然对比的一致性。仿真研究表明,估计程序的适用性。
2021-05-10 math.PR math.ST stat.TH
Scaling Exponent for Incremental Records
我们调查记录在一个不断增长的序列相同和独立分布的随机变量。记录等于序列中的最大值,我们的重点是增量,定义为两个连续记录之间的差值。研究了所有增量单调递减的序列,发现具有这种性质的序列的分数I_N随序列长度N代数衰减,即I_N ~ N^{-nu}为N -->无穷大。我们分析的情况下,随机变量是从一个均匀分布与紧支持,并获得指数nu = 0.317621…使用分析方法。我们还研究了记录分布和增量分布。而前者是一个狭窄的分布与指数尾部,后者是广泛的,并有一个幂律尾部的特点是指数nu。对连续地震间等待时间序列记录的经验分析与理论结果一致。
2013-08-19 cond-mat.stat-mech math.PR math.ST
The Mann-Whitney U-statistic for $α$-dependent sequences
本文给出了两个独立平稳序列的Mann-Whitney U-统计量的渐近性质。这一结果适用于一大类短程相依序列,包括许多Rosenblatt意义下的非混合过程。在长程相关情形下,我们也给出了一些部分结果,并研究了其它相关问题。基于理论结果,我们提出了一些简单的校正通常的测试随机支配,接下来我们模拟不同的(非混合)平稳过程,看看校正后的测试表现良好。
2016-11-21 math.ST stat.TH
Statistics of Superior Records
我们研究随机变量序列中记录的统计。这些相同且独立分布的变量从父分布rho中提取。运行记录等于序列中直到给定点的所有元素的最大值。我们定义一个优越的序列作为一个所有的运行记录都高于平均记录,预期的父分布ρ。我们发现优良序列的分数S_N随序列长度N代数衰减,在极限N->infty内S_N ~ N^{-beta}.有趣的是,衰减指数β是非平凡的,是积分方程的根。例如,当rho是一个均匀分布与紧支持,我们发现β =0.450265。一般来说,母分布的尾部决定指数β。我们还考虑了所有记录都低于平均值的劣序列的对偶问题,并发现劣序列的分数I_N以代数方式衰减,尽管具有不同的衰减指数I_N ~ N^{-alpha}。我们使用上述统计方法来分析地震数据。
2013-08-13 cond-mat.stat-mech math.PR math.ST
Strictly stationary solutions of multivariate ARMA equations with i.i.d. noise
得到了带独立同分布噪声的多元ARMA方程严平稳解存在的充要条件。对于一般的ARMA $(p,q)$方程,这些条件用定义方程的特征多项式和驱动噪声序列的矩来表示,而对于$p=1$方程,则用自回归矩阵、移动平均系数矩阵和噪声序列的Jordan正则分解来表示.对驱动噪声序列或系数矩阵都没有先验假设。
2011-05-18 math.PR math.ST stat.TH
Can we further improve the central limit theorem for stationary $ρ$-mixing sequences $?$
Graduate School of Economics, The university of Osaka(大阪大学经济学研究科)
该研究针对平稳ρ-混合序列的中心极限定理,在现有条件接近必要的基础上,提出迭代块大小技术改进不可和系数情形的条件,填补边界空白并论证准则尖锐性。
2026-09-07 math.PR math.ST stat.TH
On Minimax Detection of Gaussian Stochastic Sequences and Gaussian Stationary Signals
研究了协方差矩阵未知的高斯随机序列(信号)的Minimax检测问题。对于一个固定的虚警概率(第一类错误概率),极大极小检测的性能是由丢失概率(第二类错误概率)的最佳指数衰减率表征的,因为观测间隔的长度趋于无穷大.我们的目标是找到最大的一组协方差矩阵,使这组(复合假设)的极大极小稳健检验可以替换为测试只有一个特定的协方差矩阵(简单假设)没有任何损失的检测特性。在本文中,我们完全描述了这一最大的协方差矩阵集。一些推论解决了嵌入在高斯白噪声中的高斯随机信号的极小极大检测和高斯平稳信号的检测。
2021-04-13 cs.IT math.IT math.ST
Asymptotic behavior of the prediction error for stationary sequences
离散时间二阶平稳过程$X(t)$预测理论中的一个主要问题是描述当$n$趋于无穷大时,在给定$X(0)$的最佳线性均方预测误差的渐近行为.这种行为取决于规则性(确定性或非确定性)和基础观测过程$X(t)$的依赖结构。在本文中,我们认为这个问题的确定性和非确定性的过程和调查最近的一些结果。我们专注于较少研究的情况下-确定性过程。结果表明,对于非确定性过程,预测误差的渐近行为由观测过程$X(t)$的相关结构及其谱密度$f$的微分性质决定,而对于确定性过程,预测误差的渐近行为由$X(t)$谱的几何性质及其谱密度$f$的奇异性决定.
2022-10-12 math.PR math.ST stat.TH
The cluster index of regularly varying sequences with applications to limit theory for functions of multivariate Markov chains
本文引入了多元正则变平稳序列的聚类指数,并利用谱尾过程刻画了该指数。这个指数在规则变化序列的部分和的极限理论中起着重要作用。我们说明了使用的集群指数的特点无穷方差稳定的极限分布和精确的大偏差结果的总和作用于一个平稳的马尔可夫链漂移条件下的多元函数。
2013-03-31 math.PR math.ST stat.TH
Extreme value theory for a sequence of suprema of a class of Gaussian processes with trend
研究了一类由具有趋势的聚集自相似高斯过程的全时上确界定义的随机序列的极值理论。这项研究的动机是它在各个领域的潜在应用和它的理论兴趣。我们考虑平稳序列和非平稳序列通过考虑是否相同的趋势函数。我们表明,一个序列的适当规范化的$k$ th顺序统计量收敛于分布的限制随机变量,它可以是一个负对数变换的Erlang分布的随机变量,一个正常的随机变量或它们的混合物,根据三个条件推导出的模型参数。值得注意的是,这种现象类似于平稳的正态序列。我们还表明,归一化的$k$ th顺序统计量的各种时刻收敛到相应的限制随机变量的时刻。所得结果使我们能够分析这些随机序列的各种性质,揭示了这类随机序列在极值理论中的有趣的特殊性。
2022-11-08 math.PR math.ST stat.TH
On asymptotic behavior of the prediction error for a class of deterministic stationary sequences
平稳过程$X(t)$预测理论中的一个主要问题是描述在给定$ X(t),$ $-n\le t\le-1$的情况下,当$n$趋于无穷大时,预测$X(t)$的最佳线性均方预测误差的渐近行为。此行为取决于进程$X(t)$的规律性(确定性或非确定性)。在他的开创性论文{ \it '一些纯粹的确定性过程'(数学与机械,} { \bf 6}(6),801-810,1957),对于具有与零M的非常高阶接触的特定谱密度。Rosenblatt表明,预测误差表现得像$n\to\f$的幂。在Babayan等人的论文{ \it 'Extensions of Rosenblatt's results on the asymptomatic behavior of the prediction error for deterministic stationary sequences'(J. Time Ser. Anal.} { \bf 42},622-652,2021),Rosenblatt的结果被扩展到形式为$f=f_dg$的谱密度类,其中$f_d$是具有与零的非常高阶接触的确定性过程的谱密度,而$g$是可以具有多项式型奇点的函数。在本文中,我们描述了新的情况下,上述引用的结果$g$函数可以有{ \it任意幂型奇点}。实例说明了所得结果。
2021-11-22 math.PR math.ST stat.TH
Mapping the intensity function of a non-stationary point process in unobserved areas
地震台网提供的数据可作为公共安全决策和科学研究的依据。它们的配置影响数据的完整性,这反过来又严重影响几个地震科学目标(例如,地震预报、地震危险性.)。在这方面,一个关键的方面是如何根据审查数据绘制孕震区的地震密度图,甚至绘制网络未覆盖地区的地震密度图。我们建议从存在位置和地质关系的知识来预测地震的空间分布,同时考虑到记录之间的任何相互作用。也就是说,在一个更一般的设置,我们的目标是估计一个点过程的强度函数,有条件的审查实现,在地质统计连续过程。我们将预测因子定义为观测点模式的最佳线性无偏组合。我们表明,与预测的权重函数是第二类Fredholm方程的解决方案。Fredholm方程的核项和源项都通过强度和对相关函数与点过程的一阶和二阶特征有关。模拟非平稳点过程和真实的数据映射希腊希腊地震活动在一个地区的不可靠和不完整的记录的结果和说明。
2022-06-03 math.ST stat.ME stat.TH
Stationary underdispersed INAR(1) models based on the backward approach
大多数平稳的一阶自回归整数值(INAR(1))模型是针对给定的稀疏算子,使用前向方法或后向方法建立的。在前向方法中,指定时间序列的边缘分布,并寻求新息序列的适当分布。而在反向设置中,角色是颠倒的。定义了新息序列的一般分布,研究了时间序列的边缘分布的分布性质。在这篇文章中,我们专注于在二项式细化算子的存在下的向后方法。我们建立了一些理论结果,我们继续使用开发平稳的INAR(1)模型与有限的平均。我们通过提出一些新的INAR(1)模型来说明我们的结果。
2021-03-18 math.PR math.ST stat.TH