Nonparametric estimation of linear multiplier for SDEs driven by generalized stochastic volatility
针对乘性随机波动率驱动的随机微分方程,研究其线性乘子函数$θ(t)$的非参数估计问题,基于过程观测值分析$ε\rightarrow 0$时的估计方法。
2026-11-11 math.PR math.ST stat.TH
Non-parametric estimation for the stochastic wave equation
本文研究时空白噪声驱动的随机波动方程中空间变化波速的非参数估计问题,通过局部观测方案建立增广最大似然估计量的渐近正态性,并揭示Fisher信息与动能及能量均分原理的内在联系。
2024-04-29 math.PR math.ST stat.TH
Drift Estimation for Stochastic Reaction-Diffusion Systems
考虑了一类半线性随机发展方程的参数估计问题。根据非线性部分的增长性和连续性,给出了一致性和渐近正态性的条件。重点放在随机反应扩散系统的情况下。提供了模型不确定性下统计推断的稳健性结果。
2020-02-24 math.DS math.PR math.ST
Parameter Estimation for the Stochastically Perturbed Navier-Stokes Equations
本文考虑了一个确定随机扰动二维Navier-Stokes系统粘性$ν$的参数估计问题。我们推导出几个不同类别的估计的基础上的第一个$N$傅立叶模式的一个单一的样本路径上观察到的有限的时间间隔。我们研究了这些估计量的相合性和渐近正态性。我们的分析对待强,路径解决方案的周期性和有界域的情况下,在存在一个加性白噪声(在时间上)。
2011-01-06 math.AP math.PR math.ST
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
Stochastic approximation method for kernel sliced average variance estimation
本研究将随机逼近方法用于切片平均方差估计(SAVE),证明所得估计量渐近正态且根n相合,实验验证其比已有核方法速度更快,为递归估计提供高效方案。
2024-06-22 math.ST stat.TH
The stochastic approximation method for the estimation of a multivariate probability density
我们应用随机逼近方法构造了一大类概率密度的递归核估计,包括Hall和Patil(1994)提出的一类.我们研究了这些估计的性质,并将它们与Rosenblatt的非递归估计进行了比较。事实证明,对于逐点估计,最好使用非递归Rosenblatt核估计,而不是任何递归估计。相反,对于置信区间估计,最好使用递归估计而不是Rosenblatt估计。
2008-07-18 math.ST stat.TH
Volatility estimation for stochastic PDEs using high-frequency observations
本文研究了抛物型、线性、二阶、随机偏微分方程(SPDE)在时间和空间离散网格上的参数估计。一个高频率的制度被认为是网格的时间变量为零。针对波动率估计问题,提出了一种基于平方增量的矩估计方法。估计量是相容的,并存在一个中心极限定理。在半参数框架下,建立了综合波动率和微分算子参数的联合估计。从一个代表性的解决方案的SPDE与Dirichlet边界条件作为一个无限的因素模型和利用混合型性质的时间序列,该理论有很大不同的统计半鞅文献。该方法的性能示出在模拟研究。
2019-09-10 math.PR math.ST stat.ME
Large and moderate deviation principles for averaged stochastic approximation method for the estimation of a regression function
本文证明了由A。Mokkadem等人[Revisiting Révész的随机逼近方法用于回归函数的估计,ALEA Lat.嗯。J. Probab.数学统计6(2009),63-114]。我们表明,平均随机逼近算法构造的权重序列,最小化渐近方差给出了相同的逐点LDP的Nadaraya-Watson核估计。此外,我们还给出了这些估计量的中偏差原理。结果表明,利用最小化渐近方差的权序列构造的平均随机逼近算法,在中偏差原理下得到的速率函数大于Nadaraya-Watson估计和半递归估计的速率函数.
2013-04-29 math.ST stat.TH
Drift parameter estimation for nonlinear reflected stochastic differential equations
研究了基于连续观测的非线性反射型随机微分方程漂移参数的极大似然估计和最小二乘估计。在一定的正则条件下,我们得到了这两个估计量的相合性并给出了它们的渐近分布。我们简要地指出,我们的方法可以应用于只有单侧反射壁的反射随机过程。数值研究表明,所提出的估计是足够的实际应用。
2022-04-30 math.ST stat.TH
Online estimation of the asymptotic variance for averaged stochastic gradient algorithms
随机梯度算法由于能够在高维空间中高效、在线地处理大样本数据而受到越来越多的研究。本文首先在一般希尔伯特空间中对这些估计及其平均形式建立了一个中心极限定理。此外,由于具有渐近正态性的估计往往是不可用的估计的渐近方差,我们引入了一个新的递归算法估计这最后一个,我们建立了几乎必然的收敛速率,以及它的收敛速率在二次均值。最后给出了估计逻辑斯谛回归参数和估计几何分位数的两个例子。
2017-10-16 math.ST stat.TH
Non parametric estimation of the structural expectation of a stochastic increasing function
本文介绍了一种函数型数据的非参数翘曲模型。当实验的结果是曲线样本时,数据可以被视为随机过程的实现,该过程考虑了不同观测曲线之间的微小变化。这项工作的目的是定义一个平均模式,它代表了所有实现集的主要行为。因此我们定义了潜在随机函数的结构期望。然后,我们提供这种结构的期望和每个个别的翘曲函数的经验估计。证明了这类估计量的相合性和渐近正态性。
2008-12-17 math.ST stat.TH
Nonparametric Estimation for Stochastic Differential Equations Driven by Fractional Brownian Motion
研究了Hurst参数H > 1/2的分数阶布朗运动驱动的遍历随机过程漂移函数的非参数Nadaraya-Watson估计。估计是基于离散观测的随机过程。利用各态历经性质和随机积分,我们得到了所提出估计量的一致性。
2022-04-30 math.ST stat.ME stat.TH
Estimation of limiting conditional distributions for the heavy tailed long memory stochastic volatility process
我们考虑了具有重尾和长记忆的随机波动率过程。我们研究了未来事件的极限条件分布,假设当前或过去的事件是极端的(即在趋于无穷大的水平之上)。尽管随机波动率过程的极值是渐近独立的(在极值理论的意义上),但这些极限条件分布不同于独立同分布。案子我们引入了这些极限条件分布的估计,并研究了它们的渐近性质。如果波动率具有长记忆性,则中心估计量的收敛速度收敛速率和极限分布可以依赖于长记忆性参数(Hurst指数)。
2011-08-16 math.ST stat.TH
An efficient stochastic Newton algorithm for parameter estimation in logistic regressions
逻辑斯谛回归是一种众所周知的统计模型,通常用于输出为二进制随机变量的情况。它具有广泛的应用,包括机器学习,公共卫生,社会科学,生态学和计量经济学。为了估计具有连续高速数据流的逻辑斯谛回归的未知参数,本文研究了一种递归随机算法。更准确地说,我们研究了一个新的随机牛顿算法的渐近行为。当数据按顺序到达时,它可以轻松地更新估计值,并在各个方向上进行研究。我们建立了随机牛顿算法的几乎必然收敛性及其渐近正态性。所有的理论结果都通过数值实验得到了验证。
2019-04-16 math.ST stat.TH
Kink estimation in stochastic regression with dependent errors and predictors
本文研究了两个具有不同长程相依(LRD)结构的随机设计模型中回归函数μ的一阶导数跳跃点(简称扭结)位置的估计。该方法是基于零交叉技术,并利用高阶内核。估计量收敛速率取决于依赖程度和回归函数μ的光滑度。在其中一个模型中,收敛速度与采用i.i.d.的固定设计方案中扭结估计的最小最大速率相同。错误,这表明该方法在极大极小意义上是最优的。
2010-03-08 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
Operator Fitting for Parameter Estimation of Stochastic Differential Equations
Mathematical Institute, University of Oxford(牛津大学数学研究所);Department of Integrated Mathematical Oncology, H. Lee Moffitt Cancer Center and Research Institute(H.李莫菲特癌症中心与研究所综合数学肿瘤学系)
本文提出通过拟合Koopman算子的有限维近似来估计随机微分方程参数,相较于传统方法,该方法在评估成本上更具优势,并通过简单系统验证了其有效性。
2018-04-11 cs.NA math.NA math.PR
Estimation and inference for stochastic blockmodels
本文研究加权随机区组模型的非参数估计。我们首先表明,该模型意味着一组多线性限制的联合分布的边权重的某些子图涉及(在其最简单的形式)三胞胎和四胞胎的节点。从这个方程组系统的模型的未知组件可以恢复非参数,通常的标签模糊。我们引入一个简单的和计算吸引力的方式来做到这一点。然后,估算者遵循类比原则。提供了极限理论。我们发现,成分分布和他们的泛函,以及他们的密度函数(边缘权重是连续的情况下)都是估计的参数率。数值实验报告。
2022-03-09 math.ST stat.ME stat.TH
Maximum likelihood estimation for a stochastic SEIR system for COVID-19
流行病数据驱动模型的参数估计是一个重要的研究课题。在某些情况下,我们可以通过用适当的噪声项描述不确定性来制定更好的模型。然而,由于有限的范围和部分信息,(一般)这种模型导致棘手的可能性。在这里,我们说明了SEIR模型的随机扩展如何改进基于其确定性模型的高估MCMC方案的不确定性量化,以计算墨西哥城确诊的COVID-19病例。利用一种特殊的机制来管理缺失数据,我们对随机模型的一些参数发展了极大似然估计,改进了对实际数据方差的描述。
2021-11-24 math.PR stat.AP stat.ME
A New Stochastic Approximation Method for Gradient-based Simulated Parameter Estimation
Wuhan Institute for Artificial Intelligence(武汉人工智能研究院);Guanghua School of Management Peking University(北京大学光华管理学院);Xiangjiang Laboratory(湘江实验室)
针对似然函数无解析形式的随机模型参数校准难题,提出采用多时间尺度随机近似算法的基于梯度的模拟参数估计框架,解决比率偏差,提升精度并降低成本,拓展GSPE框架适用场景。
2025-03-24 cs.LG stat.ML
Parametric estimation of hidden stochastic model by contrast minimization and deconvolution: application to the Stochastic Volatility Model
我们研究了一种新的参数方法,特别是隐藏的随机模型,如随机波动率模型。该方法基于对比度最小化和去卷积。在证明了估计的渐近置信区间的一致性和渐近正态性后,我们提供了一个彻底的数值研究,比较了在实践中使用的大多数经典方法(拟极大似然估计,模拟期望最大化似然估计和贝叶斯估计)。我们证明,我们的估计显然优于极大似然估计的计算时间,但也大多数其他方法。我们还表明,这种对比度的方法是最强大的非高斯误差,也不需要任何调整参数。
2013-03-14 q-fin.ST stat.AP
Estimation and Specification Test for Diffusion Models with Stochastic Volatility
考虑到连续时间随机波动率模型在描述利率动态过程中的重要性,本文基于残差的显著经验过程,提出了一种对漂移函数和扩散函数的参数形式进行拟合优度检验的方法。检验统计量是在经验过程中使用连续泛函(Kolmogorov-Smirnov和Cramér-von Mises)构造的。为了评估所提出的测试,我们实施了一个模拟研究,其中的引导方法被认为是校准的测试。由于基于离散采样数据的随机波动率扩散模型的估计已被证明是困难的,因此我们通过针对不同估计程序的蒙特卡罗研究来解决这个问题。最后,应用程序的实际数据。
2022-08-17 stat.ME
Heavy-tailed Streaming Statistical Estimation
Carnegie-Mellon University(卡内基梅隆大学)
我们考虑流$p$维样本的重尾统计估计的任务。这也可以被看作是重尾分布下的随机优化,具有额外的$O(p)$空间复杂度约束。我们设计了一个裁剪的随机梯度下降算法,并提供了一个改进的分析,在一个更细致入微的条件下的随机梯度的噪声,我们表明是至关重要的,当分析随机优化问题所产生的一般统计估计问题。我们的结果保证收敛不仅在预期中,但指数浓度,而且这样做使用$O(1)$批量大小。我们提供了我们的平均估计和线性回归的结果的后果。最后,我们通过均值估计和线性回归的合成实验,提供了我们的结果和算法的经验佐证。
2022-02-25 cs.LG math.OC stat.ML
Design optimization of stochastic complex systems via iterative density estimation
基于可靠性的设计优化(RBDO)为在考虑不确定性的情况下寻求最优设计提供了一个合理的框架。RBDO方法,特别是基于随机模拟的RBDO方法的主要问题是由可靠性约束评估引起的计算负担。在这篇文章中,我们提出了一个有效的方法,近似的失效概率函数(FPF)的解耦可靠性。基于增广概念,FPF的近似等价于失效设计样本的密度估计。与传统的密度估计方法在整个设计空间中进行估计不同,该方法根据失效设计样本的分布情况,将设计空间迭代地划分为若干个子空间。数值算例表明,该方法能显著提高计算性能。
2020-02-29 cs.SY eess.SY stat.AP
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
Semimartingale Stochastic Approximation Procedures and Recursive Estimation
本文介绍了半鞅随机逼近过程,即Robbins-Monro型逼近,它自然地包含了鞅噪声下的广义随机逼近算法和半鞅统计模型的递推参数估计过程。一般结果的渐近行为的解决方案。特别地,建立了保证收敛性、收敛速率和渐近展开的条件.关于Polyak加权平均程序的结果也被提出。
2007-05-12 math.PR math.ST stat.TH
Hurst index estimation in stochastic differential equations driven by fractional Brownian motion
研究了由可加分数阶布朗运动驱动的随机微分方程解的Hurst指数估计问题。使用Malliavin演算的技术,我们分析了通过高阶增量定义的解的二次变化的渐近行为。然后,我们应用我们的结果来构建和研究赫斯特指数的估计。
2019-03-06 math.PR math.ST stat.TH
Adaptive estimation of the stationary density of a stochastic differential equation driven by a fractional Brownian motion
我们建立和研究了一个数据驱动的程序估计的平稳密度f的一个加性分数阶。为此,我们还证明了一些新的浓度界的离散观测这样的动态在平稳制度。
2020-03-11 math.PR math.ST stat.TH
Parameter Estimation in Diagonalizable Stochastic Hyperbolic Equations
研究了加性时空高斯白噪声驱动下线性随机双曲型方程的参数估计问题。允许阻尼/放大算子是无界的。该估计器是谱型的,并利用有限数量的空间傅里叶系数的解决方案。在观测时间和噪声强度一定的情况下,研究了估计量随傅里叶系数增加的渐近性质。
2009-06-23 math.PR math.ST stat.TH
Parameter estimation for generalized mixed fractional stochastic heat equation
针对含广义混合分数布朗噪声的随机热方程,本文分析解的协方差、平稳性与渐近界,并基于离散观测构造参数估计量且研究其渐近性质。
2025-03-17 math.PR math.ST stat.TH
Moment based estimation of supOU processes and a related stochastic volatility model
在快速回顾了叠加的随机过程、集成的随机过程和随机波动率模型之后,我们使用广义矩量法(GMM)来估计这些过程。我们表明,GMM方法产生一致的估计,它在实践中工作得很好。此外,我们还讨论了长记忆效应的影响。
2015-01-23 math.PR math.ST stat.TH
Parameter estimation in diagonalizable bilinear stochastic parabolic equations
考虑了一类带乘性噪声的随机抛物型方程的参数估计问题,假定该方程可化为一个无限非耦合扩散过程系统.从经典统计学的观点来看,这个问题不仅对原来的无限维系统是奇异的,而且对大多数有限维投影也是奇异的。这种奇异性可以用来提高传统估计的收敛速率,也可以用来构造全新的闭型精确估计。
2007-09-07 math.PR math.ST stat.TH
Stochastic analysis on Gaussian space applied to drift estimation
本文考虑高斯过程漂移的Paley-Wiener和Karhunen-Loève展开式的非参数泛函估计。我们构造有效的估计,这样的过程中的漂移,并证明其minimaxity使用贝叶斯估计。我们还构造超有效的估计Stein型的漂移使用Malliavin的分部积分法公式和随机分析高斯空间,其中超调和泛函的过程路径发挥了特殊的作用。我们的结果通过数值模拟得到了验证,推广了Berger和Wolper关于高斯过程的James-Stein型估计的构造.
2018-08-17 math.PR math.ST stat.TH
A general drift estimation procedure for stochastic differential equations with additive fractional noise
本文考虑了由可加的多维分数布朗运动驱动的一般微分方程的漂移估计问题.我们的估计过程是基于不变测度的识别,我们提供了一致性的结果,以及一些信息的收敛速度。我们还给出了一些例子的系数,其中的可识别性假设的不变测度是满意的。
2020-03-06 math.PR math.ST stat.TH
Non parametric threshold estimation for models with stochastic diffusion coefficients and jumps
我们考虑一个由扩散和跳跃驱动的随机过程。我们设计了一种技术,这是基于一个离散的观测记录,用于识别的时候,跳跃大于一个适当定义的阈值发生。该技术还允许跳跃大小估计。证明了当具有无穷活动的跳跃分量为Levy时,过程连续部分的积分无穷小方差的一个非参数估计的相合性。中心极限结果证明的情况下,跳跃组件有有限的活动。一些模拟说明了在有限样本的方法的可靠性。
2006-07-17 math.PR math.ST stat.TH
Estimation of the parameters of a stochastic logistic growth model
我们考虑一个随机Logistic增长模型,其中包含出生率和死亡率的漂移和扩散系数,灭绝最终几乎必然发生。建立并研究了描述该过程规律的完整Fokker-Planck方程。然后,我们使用它的解决方案,建立一个似然函数的未知模型参数时,离散采样数据。现有的估计方法需要适应,以处理灭绝问题。我们提出了这样的适应,基于特定形式的福克-普朗克方程,我们评估他们的性能与数值模拟。同时,我们还探讨了相应的确定性(无噪声)模型的一个关键问题,即参数的可辨识性。
2013-07-08 math.PR math.ST stat.TH
Parameter estimation for discretely sampled stochastic heat equation driven by space-only noise
当解在物理域中离散采样时,我们得到了由加性纯空间白噪声驱动的随机热方程的漂移和波动参数的一致和渐近正态估计。我们考虑了全空间和有界域。我们建立了精确的空间规律的解决方案,这反过来,使用功率变分参数,允许建立所需的估计。我们表明,天真的近似的衍生物出现在功率变分估计可能会产生非平凡的偏见,我们明确计算。证明是植根于Malliavin-Stein的方法。
2021-07-13 math.PR math.ST stat.TH
Parametric estimation of stochastic differential equations via online gradient descent
提出了一种基于在线梯度下降的具有离散观测值和错误建模的随机微分方程参数在线估计方法。本文给出了一类随机微分方程估计量风险的一致上界。的界限的推导涉及三个基本的理论结果:分析的随机镜像下降算法的基础上依赖和偏subgradients,同时指数遍历类的扩散过程,和建议的损失函数的近似随机subgradients仅依赖于已知的模型和观测。
2022-10-17 math.OC math.PR math.ST
Posterior contraction rate for non-parametric Bayesian estimation of the dispersion coefficient of a stochastic differential equation
本文给出了线性随机微分方程确定性离差系数的非参数贝叶斯估计的后误差收缩率。
2014-09-09 math.ST stat.TH
Conditional quantile sequential estimation for stochastic codes
我们提出并分析了一个算法的序贯估计的条件分位数的背景下,实随机码与向量值的输入。我们的算法是基于k-最近邻平滑内的Robbins-Monro估计。在一定条件下讨论了随机码的算法的收敛性。我们提供了非渐近的均方误差的收敛速度,我们讨论了算法的参数调整。
2019-08-05 math.ST stat.TH
Parameter estimation of stochastic SIR model driven by small Lévy noise with time-dependent periodic transmission
本文研究了由小Lévy噪声驱动且具时变周期传输的随机SIR模型的参数估计与预测,证明了最小二乘估计量的一致性与收敛速度,并通过投影梯度下降法进行了模拟验证。
2024-04-23 math.ST stat.TH
Non-parametric estimation of Stochastic Differential Equations from stationary time-series
研究了长平稳轨道上扩散方程(由布朗运动驱动的随机微分方程)的非参数估计的有效性。首先,我们引入基于条件期望的估计,这是由漂移和扩散系数的定义。这些估计涉及时间和空间离散化参数计算期望值从离散采样的平稳数据。接下来,我们分析这些估计的一致性和均方误差取决于计算参数。我们推导出观测点的数量,时间和空间离散参数之间的关系,以达到最佳的收敛速度和最小化计算复杂性。我们用数值模拟来说明我们的方法。
2021-05-25 math.PR math.ST physics.data-an
Consistency of least squares estimation to the parameter for stochastic differential equations under distribution uncertainty
在分布不确定条件下,基于离散数据,研究了随机微分方程(SDE)参数的最小二乘估计(LSE)的相合性,其中噪声的特征为$G$布朗运动.为了得到参数估计相合性的主要结果,利用次线性期望的随机微积分理论,给出了一些引理.结果表明,在一定的正则性条件下,基于分布不确定的最小二乘估计具有强相合性.讨论了一个说明性的例子。
2019-04-29 math.ST stat.TH
Non-parametric Bayesian drift estimation for stochastic differential equations
本文考虑一维随机微分方程漂移系数的非参数贝叶斯估计问题。在适当的正则性条件下,弱于文献中先前提出的,我们建立后验一致性在这种情况下。此外,我们表明,后验一致性扩展到多维设置,以及,据我们所知,这是一个新的结果,在这种设置。
2013-02-25 math.ST stat.TH
Parameter estimation for stochastic diffusion process
本文提出了一个新的随机扩散过程,其漂移量与Weibull密度函数成正比,定义为X $ε$ = x,dX t = $γ$ t(1 - t $γ$ +1)- t $γ$ X t dt + $σ$ X t dB t,t \textgreater{} 0,参数$γ$ \textgreater{} 0和$σ$ \textgreater{} 0,其中B是标准布朗运动,t = $ε$是到达零的时间。首先,我们对这一过程的概率解感兴趣,作为这一过程的显式表示.通过使用最大似然法,并通过考虑新过程的样本的离散采样,我们估计参数$γ$和$σ$。
2015-02-25 math.PR math.ST stat.AP
Continuous-time filtering in Lie groups: estimation via the Fr{é}chet mean of solutions to stochastic differential equations
本文在李群中计算随机微分方程解的弗雷歇均值以得到最小方差估计器,将其用于卡尔曼滤波的旋转矩阵推断并聚焦观测间预测步骤,且模型假设较现有方法更精简。
2025-04-18 eess.SP math.PR math.ST
Uniform estimation in stochastic block models is slow
我们明确量化的经验观察到的现象,估计下的随机块模型(SBM)是困难的,如果模型包含类是相似的。更确切地说,我们考虑估计的随机图所产生的SBM的某些泛函。SBM可以是或可以不是稀疏的,并且类的数量可以是固定的或随着顶点的数量而增长。沿着特定的子模型的Minimax下限和上界的估计。结果是非渐近的,并意味着一个单一的连接参数的一致估计是远远低于预期的渐近逐点速率。具体地说,均匀二次速率不按边的数量缩放,而仅按顶点的数量缩放。下界在任何可能的SBM周围是局部的。对一类光滑图子的泛函也得到了类似的结果。
2022-04-26 math.ST stat.TH
Two step estimations via the Dantzig selector for models of stochastic processes with high-dimensional parameters
Faculty of Economics and Law, Shinshu University(信州大学经济与法律学院);Faculty of Mathematics, Kyushu University(九州大学数学学院)
本文通过Dantzig选择器和两步估计方法,研究了高维参数随机过程模型的稀疏估计及渐近正态性。
2024-09-18 math.ST stat.TH
Estimation of AR and ARMA models by stochastic complexity
本文将随机复杂性准则应用于AR和ARMA模型的阶估计。短字符串的标准的权力示出了模拟。它需要Fisher信息的平方根的积分,这是通过蒙特卡洛技术完成的。给出了随机复杂度的定义,即归一化最大似然泛密度函数的负对数。此外,Fisher信息矩阵的精确渐近公式推导。
2007-02-26 math.ST stat.TH
Estimation of the parameters of the Ornstein-Uhlenbeck's stochastic process
它被认为是Ornstein-Uhlenbeck过程$ x_t = x_0 e^{-θt} + μ(1-e^{-θt}) + σ\int_0^t e^{-θ(t-s)} dW_s$,其中$x_0 \in R$,$θ>0$,$ μ\in R$和$σ> 0$是参数。在其他参数已知的前提下,利用轨道在固定正矩$t$处的值$(z_k)_{k \in N}$,构造了Ornstein-Uhlenbeck随机过程中各未知参数的相合估计.
2016-08-28 math.ST stat.TH
On Minimax Estimation Problems for Periodically Correlated Stochastic Processes
Taras Shevchenko National University of Kyiv(基辅塔拉斯舍甫琴科国立大学)
本文研究了周期相关随机过程的最小最大估计问题,提出计算最优线性估计的公式,并分析了最不利频谱密度和鲁棒频谱特征。
2025-11-21 math.ST stat.TH
Minimax Estimation Problem for Periodically Correlated Stochastic Processes
Taras Shevchenko National University of Kyiv(基辅塔拉斯舍甫琴科国立大学)
本文研究周期相关随机过程线性泛函的最优线性估计问题,给出谱密度已知和未知两类场景下估计的均方误差与谱特性计算公式,并推导最不利谱密度及极小极大鲁棒谱特性的确定公式。
2025-10-28 math.ST stat.TH
Classification and estimation in the Stochastic Block Model based on the empirical degrees
随机块模型(Holland et al.,1983)是一种异构网络数据的混合模型。与通常的统计框架不同,新节点提供了关于该模型中先前节点的额外信息。因此,度的分布集中在有条件的节点类的点。我们表明,在一个温和的假设下,分类,估计和模型选择实际上可以实现不超过经验度数据。我们提供了一个算法,能够处理非常大的网络和一致的估计基于它。特别是,我们证明了至少一个节点的误分类的概率的界,包括当类的数量增长。
2011-10-29 math.ST stat.TH