Идентификация двоичной цепи Маркова $s$-го порядка с $r$ частичными связями при наличии аддитивных искажений

Kharin, Yu. S.; Kharin, Yurii Semenovich; Петлицкий, А. И.

doi:10.4213/dm1124

Дискрет. матем.

2010

DOI: 10.4213/dm1124

|View full text |Cite

Идентификация двоичной цепи Маркова $s$-го порядка с $r$ частичными связями при наличии аддитивных искажений

Yu. S. Kharin¹,

Yurii Semenovich Kharin²,

А. И. Петлицкий³

Abstract: Идентификация двоичной цепи Маркова s-го порядка с r частичными связями при наличии аддитивных искажений © 2010 г. Ю. С. Харин, А. И. Петлицкий Статья посвящена решению актуальной задачи идентификации (оцениванию параметров и проверке гипотез) для двоичной цепи Маркова ЦМ.s; r/ при наличии аддитивных искажений. Работа выполнена в рамках Государственной программы фундаментальных исследований Республики Беларусь «Математические модели».

Help me understand this report

Search citation statements

Order By: Relevance

Paper Sections

Select...

Citation Types

Supporting

Mentioning

Contrasting

Year Published

2019

Publication Types

Select...

Article1

Relationship

Self Cite0

Independent1

Authors

Journals

Cited by 1 publication

References 10 publications

Supporting

Mentioning

Contrasting

Order By: Relevance

Semibinomial conditionally nonlinear autoregressive models of discrete random sequences: probabilistic properties and statistical parameter estimation

Волошко¹,

Voloshko²,

Kharin³

et al. 2019

Дискрет. матем.

View full text Add to dashboard Cite

Вводится новый класс дискретных случайных последовательностей с малым числом параметров и длинной памятью, описываемых моделью $\mathscr{P}-\mathrm{CNAR}(s)$ семибиномиальной условно нелинейной авторегрессии порядка $s\in\mathbb{N}$. Исследуются вероятностные свойства модели $\mathscr{P}-\mathrm{CNAR}$. Строится семейство состоятельных асимптотически нормальных статистических FB-оценок параметров модели $\mathscr{P}-\mathrm{CNAR}$ и доказывается существование асимптотически эффективных FB-оценок. Показываются вычислительные преимущества FB-оценки перед оценкой максимального правдоподобия: менее ограничительные условия единственности; явный вид FB-оценки; быстрый рекурсивный алгоритм вычисления при расширении модели $\mathscr{P}-\mathrm{CNAR}$. Строится семейство "разреженных" FB-оценок, использующих некоторое подмножество частот $s$-грамм, и решается задача минимизации асимптотической вариации внутри этого семейства.

show abstract

Semibinomial conditionally nonlinear autoregressive models of discrete random sequences: probabilistic properties and statistical parameter estimation

Волошко¹,

Voloshko²,

Kharin³

et al. 2019

Дискрет. матем.

View full text Add to dashboard Cite

show abstract

scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.

Contact Info

customersupport@researchsolutions.com

10624 S. Eastern Ave., Ste. A-614

Henderson, NV 89052, USA

This site is protected by reCAPTCHA and the Google Privacy Policy and Terms of Service apply.

Blog Terms and Conditions API Terms Privacy Policy Contact Cookie Preferences Do Not Sell or Share My Personal Information

Made with 💙 for researchers

Part of the Research Solutions Family.

Идентификация двоичной цепи Маркова $s$-го порядка с $r$ частичными связями при наличии аддитивных искажений

Cited by 1 publication

References 10 publications

Semibinomial conditionally nonlinear autoregressive models of discrete random sequences: probabilistic properties and statistical parameter estimation

Semibinomial conditionally nonlinear autoregressive models of discrete random sequences: probabilistic properties and statistical parameter estimation

Contact Info

Product

Resources

About