Exact maximum likelihood estimators for drift fractional Brownian motions
本文讨论离散时刻漂移分数阶布朗运动的均值和方差的极大似然估计的相合性和强相合性问题。利用Malliavin演算得到了这些估计量的一个中心极限定理。
2009-04-27 math.PR math.ST stat.AP
Asymptotic properties of parameter estimators in Vasicek model driven by tempered fractional Brownian motion
本文推导了由缓和分数布朗运动驱动的Vasicek模型中未知漂移参数最小二乘估计量的渐近分布,延续了此前关于该估计量强相合性的研究。
2024-06-04 math.PR math.ST stat.TH
Projection Estimators of the Stationary Density of a Differential Equation Driven by the Fractional Brownian Motion
本文研究在漂移函数耗散性条件下,由分数布朗运动驱动的微分方程平稳解密度的投影估计量,通过模型选择方法并借助集中不等式,为自适应估计量建立了 oracle 不等式。
2025-07-14 math.ST stat.TH
Estimation of the lead-lag parameter between two stochastic processes driven by fractional Brownian motions
本文考虑Hurst参数大于1/2的分数阶布朗运动(fBM)驱动的两个随机过程之间的超前滞后参数的估计问题.首先,我们提出了两个随机过程之间的领先-滞后模型涉及fBM,然后构造了一个一致的估计的领先-滞后参数的可能收敛速度。我们的估计器具有以下两个特征。首先,我们可以构造超前滞后估计,而不使用底层fBM的Hurst参数。其次,我们的估计可以处理一些非同步和不规则的观测。我们明确地计算可能的收敛速度时的观察时间是(1)同步和等距,(2)给定的泊松抽样计划。我们还提出了数值模拟,我们的结果使用R包YUIMA。
2018-03-12 math.ST stat.ME stat.TH
The maximum likelihood type estimator of SDEs with fractional Brownian motion under small noise asymptotics in the rough case
针对分数布朗运动驱动的随机微分方程,在漂移和扩散系数满足一定假设时,构造最大似然估计量,证明小噪声下漂移参数的渐近正态性与矩收敛。
2025-03-28 math.PR math.ST stat.TH
Parameter estimations for SPDEs with multiplicative fractional noise
研究了分数阶乘性噪声驱动的可对角化随机偏微分方程的参数估计问题,其中参数为任意Hurst参数$H\in(0,1)$。研究了两类估计:传统的极大似然型估计和一类新的闭型精确估计。最后将一般结果应用于分数阶布朗运动驱动的随机热方程。
2010-05-26 math.PR math.ST stat.TH
Asymptotic Properties of the Maximum Likelihood Estimator for Stochastic Parabolic Equations with Additive Fractional Brownian Motion
考虑了一类可对角化的随机发展方程的参数估计问题,利用解的有限个傅里叶系数估计方程的参数。该方程由空间上为白色、时间上为分数的加性噪声驱动,Hurst参数为$H\geq 1/2$。目的是研究极大似然估计随傅里叶系数增加的渐近性质。利用方程中算子的本征值给出了相容性和渐近正态性的一个充要条件。
2008-04-02 math.PR math.ST stat.TH
Linear fractional stable motion: a wavelet estimator of the $\al$ parameter
线性分式稳定运动,记作$\{X_{H,\al}(t)\}_{t\in \R}$,是最经典的稳定过程之一,它依赖于两个参数$H\in (0,1)$和$\al\in (0,2)$。参数$H$表征了$\{X_{H,\al}(t)\}_{t\in \R}$的自相似性,而参数$\al$控制其有限维分布的尾重;在本文中,我们假设后者的分布是对称的,即$H>1/\al$和$H$是已知的。我们表明,在间隔$[0,1]$,最大值的渐近行为,在给定的尺度$j$,绝对值的小波系数的$\{X_{H,\al}(t)\}_{t\in \R}$,是相同的顺序为$2^{-j(H-1/\al)}$,然后我们从这个结果得出一个强一致的(即几乎肯定收敛)的参数$\al$的统计估计。
2013-02-07 math.ST stat.TH
On drift parameter estimation for reflected fractional Ornstein-Uhlenbeck processes
考虑由分数布朗运动驱动的反射Ornstein-Uhlenbeck过程$X$,其参数为$H\in (0, \frac12) \cup (\frac12, 1)$ .我们的目标是估计一个未知的漂移参数$α\in (-\infty,\infty)$的状态过程的连续观测的基础上。建立了过程$X$的Girsanov定理,导出了漂移参数$α$的标准极大似然估计,并证明了其强相合性和渐近正态性.作为一种改进的估计量,我们假设过程是可观测的,直到某个信息达到指定的精度水平,得到了序列极大似然估计量及其均方误差的显式表达式.估计被证明是无偏的,均匀正态分布,和有效的均方误差的意义。
2015-03-23 math.ST stat.TH
Estimating Drift Parameters in a Fractional Ornstein Uhlenbeck Process with Periodic Mean
本文构造了具有周期均值函数和长程相关的分数阶Ornstein-Uhlenbeck过程漂移参数的最小二乘估计。对于这个估计,我们证明了一致性和渐近正态性。与不含周期平均函数的经典分数阶Ornstein Uhlenbeck过程相比,收敛速率慢于Hurst参数$H$,即$n^{1-H}$ .
2015-09-10 math.ST stat.TH
Parameter estimation for fractional autoregressive process with periodic structure
本文提出由分数高斯噪声驱动的周期分数自回归过程(PFAR)以建模降水蒸散发,结合GLSE和GPH方法构建初始估计并经One-Step程序优化,证明了估计量的一致性与渐近正态性。
2025-09-14 math.ST stat.TH
Parameter estimation for fractional Ornstein-Uhlenbeck processes
研究了分数布朗运动驱动下的Ornstein-Uhlenbeck过程$dX_t=θX_t dt+σdB^H_t$的最小二乘估计$\hat θ_T$,该过程的参数为$H\ge \frac12$ .证明了$\hat θ_T$的强相合性($\hat θ_T$几乎必然收敛于真参数${% θ}$).我们还得到了这种收敛速度时,$1/2\le H<3/4$,应用中心极限定理的多个维纳积分。这个最小二乘估计量可以用来研究其他更适合模拟的估计量,如公式4.1定义的估计量$\tilde θ_T$。
2009-01-30 math.PR math.ST stat.TH
Statistical Inference in Fractional Poisson Ornstein-Uhlenbeck Process
本文研究了泊松分数噪声驱动的离散Ornstein-Uhlenbeck模型的参数估计问题。基于噪声的随机游动逼近,研究了最小二乘估计和极大似然估计。因此,估计的渐近行为进行,并示出了一个模拟研究来说明我们的结果。
2017-12-14 math.ST stat.TH
Asymptotic normality of least squares estimators to stochastic differential equations driven by fractional Brownian motions
我们将考虑下面的随机微分方程(EMM):\begin{equation} X_t=X_0+\int_0^tb(X_s,θ_0)ds+σB_t,~~~t\in(0,T], \end{equation}其中$\{B_t\}_{t\ge 0}$是具有Hurst指标$H\in(1/2,1)$的分数布朗运动,$θ_0$是包含有界和开凸子集$Θ\subset\mathbb{R}^d$的参数,$\{b(\cdot,θ),θ\inΘ\}$是具有$b(\cdot,θ):\mathbb{R}\rightarrow\mathbb{R}$的漂移系数族,并且假定$σ\in\mathbb{R}$是已知的扩散系数。
2021-12-23 math.PR math.ST stat.TH
Least squares estimator of fractional Ornstein Uhlenbeck processes with periodic mean
本文首先研究了具有周期均值的分数阶Ornstein-Uhlenbeck过程(f)对每个$\frac{1}{2}<H<1$的漂移参数估计。更确切地说,我们一方面将\cite{DFW}对$\frac{1}{2}<H<\frac{3}{4}$的相合性证明推广到对任何$\frac{1}{2}<H<1$的强相合性,另一方面也讨论了\cite{DFW}的渐近正态性.本文的第二部分研究了任意$\frac{1}{2}<H<1$的第二类具有周期均值的泛函的强相合性和渐近正态性。
2016-09-26 math.PR math.ST stat.TH
Nonparametric estimation for fractional diffusion processes with random effects
提出了一类具有随机效应的分数阶随机微分方程(Festival)的非参数估计。精确地考虑了一般线性分数阶随机微分方程,其漂移依赖于随机效应和非随机扩散。我们建立了普通的核估计和直方图估计,并研究了它们的Lp-风险(p =1或2),当H>1/2时。当T = T(N)和N都趋于无穷大时,渐近结果被评估。
2019-01-16 math.ST stat.TH
Random effects estimation in a fractional diffusion model based on continuous observations
本研究针对分数阶扩散模型的随机效应,结合最大似然参数估计与Bernstein多项式非参数逼近构建混合估计方法,推导其渐近性质,并通过数值模拟验证其密度估计性能优于标准核估计。
2025-06-12 math.ST stat.TH
Asymptotically Efficient Estimation of Ergodic Rough Fractional Ornstein-Uhlenbeck Process under Continuous Observations
研究了在连续观测下,当Hurst参数$H<1/2$及其平稳分布的均值不为零时,遍历分数阶Ornstein-Uhlenbeck过程漂移参数的渐近有效估计问题.本文给出了漂移参数估计的渐近有效率和方差,并证明了漂移参数极大似然估计的渐近有效性。
2022-04-11 math.ST stat.TH
Semiparametric stationarity and fractional unit roots tests based on data-driven multidimensional increment ratio statistics
本文证明了Bardet和Dola(2012)建立的记忆参数d的多维增量比(MIR)估计所满足的中心极限定理(CLT)可以推广到具有记忆参数$\in$(-0.5,1.25)的半参数类高斯分数积分过程.由于该CLT的渐近方差可以通过针对平稳性和非平稳性两种情况的数据驱动MIR检验来估计,因此构建了区分假设d \textless{} 0.5和d $\ge$ 0.5的两个检验,以及区分情况d = 1和情况d \textless{} 1的分数单位根检验。对多种短记忆、长记忆和非平稳过程的仿真结果表明,与常用的半参数估计相比,该估计具有较高的精度和稳健性。他们还证明了合理的效率MIR测试相比,其他常见的平稳性测试或分数单位根测试。保留字:高斯分数积分过程;记忆参数的半参数估计;长记忆检验;平稳性检验;分数单位根检验。
2016-01-21 math.ST stat.TH
Estimation of the drift of fractional Brownian motion
研究了分数布朗运动$H$的漂移的有效估计问题,其中Hurst参数$H$小于1/2。我们还构建了超高效的詹姆斯-斯坦型估计占主导地位,在通常的二次风险,自然最大似然估计。
2009-05-09 math.PR math.ST stat.TH
On a Calculable Skorokhod's Integral Based Projection Estimator of the Drift Function in Fractional SDE
Laboratoire Modal'X, Universit\'e Paris Nanterre, Nanterre, France
本文针对分数阶随机微分方程,提出基于Skorokhod积分的漂移函数投影估计量,并给出其可计算近似的L2误差界。
2024-01-15 math.PR math.ST stat.TH
Estimation of ordinal pattern probabilities in fractional Brownian motion
对于分数布朗运动(fBm)的等距离散,d=2阶序模式的概率与Hurst参数H单调相关.通过将表示上下变化的那些模式的样本频率插入到与H的单调关系中,人们得到Hurst参数的零交叉(ZC)估计,这在数学和应用研究中得到了相当大的关注。本文主要讨论fBm中有序模式概率的估计。事实证明,根据充分性原理,对于d=2阶的有序模式,任何合理的估计量都是样本变化频率的仿射函数。我们建立了估计量的强相合性,并证明了它们在H<3/4时是渐近正态的。此外,我们推导出赫斯特参数的置信区间。仿真研究表明,ZC估计比赫斯特参数的HEAF估计具有更大的方差和更小的偏差。
2008-01-10 math.PR math.ST stat.TH
A least square-type procedure for parameter estimation in stochastic differential equations with additive fractional noise
研究了Hurst参数H>1/2的加性分数阶噪声下随机微分方程漂移系数中未知参数的最小二乘估计。该估计是基于离散时间观测的随机微分方程,并利用遍历论和随机分析的工具,我们得到了它的强相合性。
2011-11-08 math.PR math.ST stat.TH
Moment estimator for an AR(1) model with non-zero mean driven by a long memory Gaussian noise
本文考虑了长记忆平稳高斯过程驱动的一阶非零均值自回归过程的一个推断问题。假设当$k$趋于无穷大时,噪声的协方差函数可以表示为$|k|^{2H-2}$乘以一个正常数,分数高斯噪声和分数ARIMA模型是满足该假设的特例。我们提出了矩估计,并证明了强相合性、渐近正态性和联合渐近正态性。
2022-08-03 math.ST stat.TH
Parameter estimation for fractional Ornstein-Uhlenbeck processes of general Hurst parameter
本文给出了分数布朗运动驱动的Ornstein-Uhlenbeck过程的漂移和波动参数的几种统计估计,其观测值可以是连续的,也可以是离散的.使用一阶和高阶幂变差来估计波动率参数。对于所有Hurst参数范围$H\in (0, 1)$,得到了估计的几乎必然收敛性和相应的中心极限定理.最小二乘估计器用于漂移参数。证明了Hurst参数$H \in (0, 1/2)$的中心极限定理和$H\in[3/4, 1)$的非中心极限定理.这样,Hu和Nualart(2010)的论文中留下的未解决的问题被完全解决,其中证明了$H\in [1/2, 3/4)$的最小二乘估计的中心极限定理。
2017-03-28 math.PR math.ST stat.TH
Estimation of the Hurst and the stability indices of a $H$-self-similar stable process
本文对H-自相似稳定过程的Hurst指数和稳定指数进行了估计。更精确地说,设$X$是一个$H$ -sssi(自相似平稳增量)对称$α$ -稳定过程.在点$\frac{k}{n}$、$k=0,\ldots,n$观察到过程$X$。我们的估计是基于$β$ -与$-\frac{1}{2}<β<0$的变化。我们得到了几个经典的$H$ -sssi $α$ -稳定过程(分数布朗运动,平衡线性分数稳定运动,Takenaka过程,Lévy运动)的相合估计及其收敛速度.此外,我们还得到了分数布朗运动和Lévy运动估计的渐近正态性。关键词:H-sssi过程;稳定过程;自相似参数估计;稳定参数估计。
2017-10-18 math.ST stat.TH
Quasi-Likelihood Analysis of Fractional Brownian Motion with Constant Drift under High-Frequency Observations
考虑在有限时间间隔的高频观测下,具有漂移项的分数布朗运动的Hurst参数$H\in(0,1)$和波动率参数$σ>0$的估计。在本文中,我们提出了一个一致的估计参数$θ=(H,σ)$结合的想法,准似然函数的基础上的局部高斯近似的高频观察的时间序列和它的频域近似。此外,我们证明了一个渐近正态性的估计所有$H\in(0,1)$时的漂移过程是常数。
2022-06-10 math.ST stat.TH
On a Computable Skorokhod's Integral Based Estimator of the Drift Parameter in Fractional SDE
针对分数阶随机微分方程的漂移参数估计问题,提出了基于Skorokhod积分的最小二乘估计量,证明了H=1/2时的收敛性,并给出H≠1/2时可计算近似估计量的收敛结果。
2023-12-28 math.PR math.ST stat.TH
Nonparametric inference for fractional diffusion
研究了一类带加性分数布朗运动噪声的非参数扩散模型。漂移是一个非参数函数,将通过两种方法进行估计。一方面,我们提出了一个局部线性估计的基础上的局部逼近的漂移的线性函数。另一方面,研究了Nadaraya-Watson核估计。在这两种情况下,通过偏差概率界给出了一些非渐近结果。在漂移的单侧耗散利普希茨条件下,得到了随机微分方程的估计量的相合性.我们的估计量首先在连续观测下构造。漂移函数,然后估计离散时间的观察,这是最重要的实际应用。
2014-03-12 math.PR math.ST stat.TH
Wavelet estimation for operator fractional Brownian motion
算子分数布朗运动(OFBM)是一元分数布朗运动的自然向量值推广。OFBM的定律不是标量参数,而是根据影响过程每个组成部分的Hurst矩阵进行缩放。本文研究了OFBM的小波分析,并提出了二元OFBM的Hurst矩阵的新估计。对于OFBM,分析小波谱作为(小波)尺度的函数的入口行为的单变量启发的方法充满了来自幂律的混合物的困难。所提出的方法包括考虑沿尺度的小波谱的特征结构的演变。这表明,产生一致的和渐近正常估计的赫斯特特征值,也是坐标系本身的假设下。模拟研究表明,在有限的样本量下的估计良好的性能。
2015-09-15 math.PR math.ST stat.TH
Second Moment Estimator for An AR(1) Model Driven by A Long Memory Gaussian Noise
本文考虑了长记忆平稳高斯过程驱动的一阶自回归过程的一个推断问题。假设噪声的协方差函数可以表示为$\abs{k}^{2H-2}$乘以在无穷远处缓慢变化的函数。分数阶高斯噪声和分数阶ARIMA模型以及其他一些高斯噪声是满足这一假设的特例。我们提出了一个二阶矩估计,证明了强相合性,并给出了渐近分布。此外,当极限分布为高斯分布时,利用四阶矩定理给出了Berry-Berryéen上界.
2020-12-02 math.ST stat.TH
Nonparametric Estimation of the Trend in Reflected Fractional SDE
本文讨论了由分数阶导数和Moreau扫描过程定义的Skorokhod反射问题中趋势的非参数估计的相合性、收敛速率和渐近分布。
2019-10-12 math.ST stat.TH
Maximum likelihood estimation for sub-fractional Vasicek model
研究了亚分数阶布朗运动驱动的分数阶Vasicek模型漂移参数极大似然估计的渐近性质。
2021-06-07 math.PR math.ST stat.TH
Maximum likelihood estimation for mixed fractional Vasicek processes
混合分数维Vasicek模型是传统Vasicek模型的扩展,在波动率、利率和汇率的建模中得到了广泛的应用。显然,如果某些现象是由混合分数Vasicek模型,统计推断这一过程是非常感兴趣的。基于连续时间观测,本文研究了混合分数阶Vasicek模型中漂移参数的估计问题。我们将提出混合分数阶布朗运动的Radon-Nikodym导数的混合分数阶Vasicek模型中漂移参数的极大似然估计。利用基本鞅和拉普拉斯变换,证明了所有$H\in(0,1)$,$H\neq 1/2$的极大似然估计的强相合性和渐近正态性.
2020-07-15 math.PR math.ST stat.TH
Least squares estimation for non-ergodic weighted fractional Ornstein-Uhlenbeck process of general parameters
设$B^{a,b}:=\{B_t^{a,b},t\geq0\}$是参数为$a>-1$,$|b|<1$,$|b|<a+1$的加权分数布朗运动.本文考虑用最小二乘法估计由$X_0=0; \ dX_t=θX_tdt+dB_t^{a,b}$定义的加权分数阶Ornstein-Uhlenbeck过程$X:=\{X_t,t\geq0\}$的漂移参数$θ>0$。在这项工作中,我们提供了最小二乘型估计$θ$为基础的连续时间和离散时间观测$X$。研究了所有$(a,b)$,如$a>-1$,$|b|<1$,$|b|<a+1$估计的强相合性和分布渐近性.本文推广了\cite{SYY2,SYY}(resp. \cite{CSC}),其中证明了估计量的强相合性和渐近分布,分别对$-\frac12<a<0$,$-a<b<a+1$($-1<a<0$,$-a<b<a+1$)。
2020-10-30 math.PR math.ST stat.TH
Fractional interacting particle system: drift parameter estimation via Malliavin calculus
Universitat Pompeu Fabra(庞培法布拉大学);Barcelona School of Economics(巴塞罗那经济学院)
本文针对分数布朗运动驱动的相互作用粒子系统,利用Malliavin分析与混沌传播理论构造可计算的漂移参数估计量,并证明其相合性与渐近正态性。
2025-11-11 math.PR math.ST stat.TH
Nonparametric Estimation for I.I.D. Paths of Fractional SDE
Laboratoire MAP5 UMR CNRS 8145, Universit\'e de Paris, Paris, France;Laboratoire Modal'X, Universit\'e Paris Nanterre, Nanterre, France
本文针对分数布朗运动驱动的随机微分方程,基于独立连续观测,提出漂移函数及其导数的非参数估计量,建立风险界并证明在三角基和Hermite基下的一致性与收敛速度。
2021-05-31 math.ST stat.TH
On a representation of fractional Brownian motion and the limit distributions of statistics arising in cusp statistical models
我们讨论了一些扩展的结果,从最近的论文由Jumyarov等人。(安。数学,2016年10月),涉及具有非正则尖点型信号的“信号加白噪声“模型中贝叶斯和最大似然估计量的极限分布。利用分数阶布朗运动(fBm)的一种新的尖函数表示,我们证明了当噪声强度趋于零时,对应于Hurst参数H(0<H<1)的非对称尖型信号的极限分布可用fBm表示.贝叶斯和最大似然估计的极限分布的密度和方差的模拟结果也提供。
2017-05-21 math.ST stat.TH
Asymptotic theory of least squares estimators for nearly unstable processes under strong dependence
本文研究了新息强相关的近似不稳定线性时间序列的最小二乘估计。在一个一般的框架和适当的缩放,它表明,普通的最小二乘程序收敛到分数Ornstein-Uhlenbeck过程的泛函。我们使用分数积分噪声作为例子来说明的重要思想。在这种情况下,泛函只承担形式上的类比,在经典框架与不相关的新息,维纳过程被取代的分数布朗运动。它还表明,极限定理的泛函涉及非标准标度和非标准极限分布。本文的结果揭示了几乎不稳定的长记忆过程的渐近行为。
2007-11-22 math.ST stat.TH
Estimation Of all parameters in the Fractional Ornstein-Uhlenbeck model under discrete observations
设分数布朗运动$B^{H }$驱动的Ornstein-Uhlenbeck过程$(X_t)_{t\ge0}$在离散时刻$t_k=kh$,$k=0, 1, 2, \cdots, 2n+2 $被观测到,由$dX_t = -θX_t dt + σdB_t^{H }$描述.本文提出了遍历型统计估计量$\hat θ_n $、$\hat H_n $和$\hat σ_n $,用于同时估计上述Ornstein-Uhlenbeck模型中的所有参数$θ$、$H $和$σ$.证明了估计量的强相合性和收敛速度。步长$h$可以任意固定,并且不会被迫变为零,这通常是现实。使用的工具是广义矩方法(通过遍历定理)和Malliavin演算。
2020-04-10 math.ST stat.TH
Parameter estimation of stochastic differential equation driven by small fractional noise
研究了Hurst指数为0<H<1/2和1/2<H<1的可加小分式布朗运动驱动的连续可观测随机过程的参数估计问题。在对漂移系数的一些假设下,得到了漂移参数极大似然估计的渐近正态性和矩收敛性。
2022-01-02 math.ST stat.TH
Fast convergence rates for estimating the stationary density in SDEs driven by a fractional Brownian motion with semi-contractive drift
Universitat Pompeu Fabra and Barcelona Graduate School of Economics(庞培法布拉大学和巴塞罗那高等经济研究院);Université d’Angers(昂热大学);Imperial College London(帝国理工学院)
本文提出了一种基于核的估计器,用于估计由分数布朗运动驱动且具有半收缩漂移的SDE的平稳密度,通过鞅分解和新的收敛界限实现了更快的收敛速率,并展示了在离散观测下的应用及数据驱动的带宽选择方法。
2025-12-21 math.PR math.ST stat.TH
Minimum $L_1$-norm estimation for fractional Ornstein-Uhlenbeck type process driven by a Hermite process
CR Rao Advanced Institute of Mathematics, Statistics and Computer Science(C.R. Rao 数学、统计与计算机科学高级研究所)
本文研究了由赫尔梅特过程驱动的分数奥尼施-乌伦贝克过程的漂移参数最小L1范数估计的渐近性质。
2025-11-22 math.PR math.ST stat.TH
Statistical aspects of the fractional stochastic calculus
利用分数阶布朗运动的随机积分技术和随机过程的正则性和上确界估计理论,研究了满足由分数阶布朗运动驱动的随机方程的随机过程的漂移参数的极大似然估计.证明了线性和非线性方程极大似然估计的存在性和强相合性。我们还证明了一个版本的MLE只使用离散观测仍然是一个强一致的估计。
2007-08-17 math.PR math.ST stat.TH
Discrete-time inference for slow-fast systems driven by fractional Brownian motion
研究了小噪声扰动下分数布朗运动驱动慢运动的多尺度动力系统的统计推断。我们开发的赫斯特指数,以及在模型中的一个单一的时间序列的观察,从缓慢的过程的基础上的未知参数的向量的统计估计。我们证明了这些估计是一致的和渐近正常的扰动和时间尺度分离参数的幅度趋于零。数值模拟验证了理论结果。
2021-03-25 math.DS math.PR math.ST
Data-driven calibration of linear estimators with minimal penalties
本文讨论了非参数回归中线性估计的选择问题,包括线性回归的模型选择,核岭回归中正则化参数的选择,样条平滑或局部加权回归,以及多核学习中核的选择。我们提出了一种新的算法,首先估计一致的噪声方差,基于最小惩罚的概念,这是以前介绍的模型选择的上下文中。然后,证明了将我们的方差估计插入Mallow的$C_L$罚函数中,可以得到一个满足预言不等式的算法.核岭回归和多核学习的仿真实验表明,该算法往往显着改善现有的校准程序,如广义交叉验证。
2011-09-13 math.ST stat.ME stat.ML
Pre-averaging fractional processes contaminated by noise, with an application to turbulence
Columbia College, Columbia University(哥伦比亚大学哥伦比亚学院);Department of Earth and Planetary Sciences, Harvard University(哈佛大学地球与行星科学系);Department of Statistics, Columbia University(哥伦比亚大学统计系);Department of Earth and Environmental Engineering and Earth Institute, Columbia University(哥伦比亚大学地球与环境工程学院及地球研究所);The Fu Foundation School of Applied Engineering and Science, Columbia University(哥伦比亚大学傅氏工程与应用科学学院);School of General Studies, Columbia University(哥伦比亚大学通识教育学院)
本文提出了一种在受噪声污染的高频数据中估计分数过程的方法,并在湍流数据中验证了科莫戈洛夫的2/3定律。
2022-12-01 math.ST stat.AP stat.TH
A Note On Inference for the Mixed Fractional Ornstein-Uhlenbeck Process with Drift
本文研究具有漂移的混合分数阶Ornstein-Uhlenbeck过程的参数估计。利用拉普拉斯变换计算或由\cite{CK19}导出的带附加部分的Cameron-Martin公式,推导了极大似然估计的大样本渐近性质
2021-01-16 math.PR math.ST stat.TH
Maximum Likelihood Estimation of Stochastic Differential Equations with Random Effects Driven by Fractional Brownian Motion
随机微分方程和随机动力学是描述现实世界中随机现象的良好模型。本文研究了N个独立的实项随机过程Xi(t),这些过程由依赖于某些随机效应的带漂移项的随机微分方程确定.通过核变换得到了分数阶布朗运动驱动的随机微分方程的Girsanov型公式。在随机效应的一些假设下,我们用极大似然估计估计参数估计量,并对离散观测值进行了数值模拟。结果表明,对于不同的H,随着数据量的增加,参数估计值更接近真实值。
2020-01-06 math.DS math.ST stat.TH
Minimal Markov basis for tests of main effect models for $2^{p-1}$ fractional factorial designs of resolution $p$
我们考虑离散响应变量设计实验中因子效应的条件精确检验。与列联表分析类似,马尔可夫链蒙特卡罗方法可用于执行精确检验,特别是当零分布的大样本近似较差并且条件样本空间的枚举不可行时。为了在适当的样本空间上构造连通的马尔可夫链,一种常见的方法是计算马尔可夫基。理论上,马尔可夫基可以被刻画为多项式环中的一个良好指定的复曲面理想的生成元,并且可以用计算代数软件来计算。然而,马尔可夫基的计算有时甚至对于中等大小的问题也变得不可行。本文给出了分解$p$的部分析因设计$2^{p-1}$的主效应模型的极小Markov基的封闭形式表达式。
2014-03-13 math.ST stat.TH
Generalized $k$-variations and Hurst parameter estimation for the fractional wave equation via Malliavin calculus
我们分析了广义$k$ -变化的波动方程的解驱动的加性高斯噪声的行为作为分数布朗与赫斯特参数$H>\frac{1}{2}$在时间上,这是白色的空间。$k$ -变化沿着任意阶数$p\geq 1$和任意长度的{ \it滤波器}定义。证明了当$p> H+\frac{1}{4}$满足中心极限定理时,广义$k$ -变分序列满足中心极限定理,并通过Stein-Malliavin演算估计了其收敛速度.将结果应用于Hurst指数的估计。我们构造了$H$的几个相容估计,并对这些估计进行了理论分析和数值计算。
2019-03-06 math.PR math.ST stat.TH
Asymptotic expansion of an estimator for the Hurst coefficient
给出了分数布朗运动Hurst系数的一个估计的渐近展开.为此,最近开发的理论的渐近展开的分布的维纳泛函。数值研究证明了渐近展开的效果。
2022-09-07 math.PR math.ST stat.TH
Estimation of several parameters in discretely-observed Stochastic Differential Equations with additive fractional noise
本文针对由加性分数布朗运动驱动的随机微分方程,基于离散观测构造Hurst参数、扩散参数和漂移项的联合估计量,证明一致性并给出收敛速率,且验证了分数Ornstein-Uhlenbeck过程满足可识别性假设。
2024-06-07 math.PR math.ST stat.TH
Fixed-domain asymptotic properties of maximum composite likelihood estimators for max-stable Brown-Resnick random fields
最大稳定随机场的似然推断通常是不可能的,因为它们的有限维密度函数是未知的或不能有效地计算。加权复合似然方法,利用低维边际似然(通常是对或三重的网站,不是太远),而青睐。本文研究了与各向同性分数布朗场相联系的空间极大稳定Brown-Resnick随机场族。我们假设站点仅由限制于$\mathbf{C}=(-1/2,1/2]^{2}$的齐次泊松点过程的一个实现给出,并且在这些站点处观察到随机场。随着强度的增加,我们研究的复合似然估计的尺度和赫斯特参数的分数布朗场使用不同的加权策略的渐近性质:我们排除要么对不是边缘的Delaunay三角或三元组不是顶点的三角形。
2022-09-19 math.ST stat.TH