Bootstrapping autorregressivo estacionário modelos de média móvel quot'No entanto, esta abordagem aleatória é incapaz de garantir a estrutura de correlação temporal, de modo que é incapaz de refletir a propriedade estatística de flutuação de curto prazo. Neste trabalho, introduzimos dois métodos para gerar a sequência plausível de flutuação, um é baseado na abordagem bootstrap auto-regressiva média média (ARMA) 2, e o outro é baseado na abordagem de bootstrap em bloco 5. A abordagem anterior foi introduzida em nossa trabalho anterior 6. quot Show abstract Hide abstract RESUMO: A flutuação inesperada da produção de energia eólica será um problema sério do ponto de vista do fornecimento estável para uma rede elétrica. Operar um sistema de bateria instalado na rede para mitigar a flutuação de curto prazo é uma das novas abordagens para a estabilização da rede. Neste artigo, propomos um método de geração de perfis de energia eólica sintética com alta resolução temporal para simulação de fluxo de potência, que visa estimar o impacto da flutuação da energia eólica e especificar o sistema de bateria necessário. Mostramos numericamente a plausibilidade dos perfis de energia eólica sintética a partir dos pontos de vista das propriedades estatísticas. A justificativa para um bootstrap paramétrico é que, no âmbito de Dufour et al. (2010) os erros são restritos, e o bootstrap paramétrico preserva a restrição. Outra abordagem seria usar um procedimento de bootstrap não paramétrico e baseado em resíduos (ver Kreiss e Franke 1992 e Kreiss 1997). Gonalves e Kilian (2004) e Hafner e Herwartz mostram um teste combinado de multiplicador de Lagrange (LM) para erros autorregressivos condicionais heterocedásticos (ARCH) em modelos vetoriais autoregressivos (VAR) é proposto pela substituição de um Monte Carlo exato ( MC) teste por um teste MC bootstrap quando o modelo inclui atrasos. O teste contorna o problema de alta dimensionalidade em testes multivariados para o ARCH em modelos VAR. Isso requer apenas o cálculo de estatísticas univariadas. Uma vantagem computacional é, portanto, que o número de parâmetros a serem estimados é independente da dimensão do processo VAR. O teste de bootstrap MC é mostrado como sendo válido assintoticamente. Simulações de Monte Carlo mostram que o teste tem boas propriedades de amostra finita. O teste é robusto contra uma distribuição de erro não normal. São apresentadas duas aplicações financeiras de testes LM multivariados para o ARCH para os preços do CDS e Euribor. Os resultados indicam que os erros são distorcidos e pesados, e que existem efeitos significativos do ARCH. Artigo em texto completo Nov 2016 P. S. Catani N. J.C. Ahlgren quotholds, cf. Kreiss amp Franke (1992) para uma prova do caso univariado. Os casos (ii) e (iii) podem ser tratados exatamente da mesma maneira. "Resumo" Resumo: Nós derivamos uma estrutura para inferência assintoticamente válida em modelos vetoriais autorregressivos estáveis (VAR) com heteroscedasticidade condicional de forma desconhecida. Provamos um teorema do limite central conjunto para os estimadores de parâmetro de covariância de parâmetro de inclinação VAR e de covariância de inovação e também para inferência de bootstrap de endereço. Nossos resultados são importantes para inferência correta em estatísticas VAR que dependem tanto da inclinação VAR quanto dos parâmetros de variância como, e. em funções estruturais de resposta ao impulso (IRFs). Também mostramos que esquemas de bootstrap silvestres e pareados falham na presença de heteroscedasticidade condicional se a inferência sobre (funções) dos parâmetros de variância incondicionais é interessante porque eles não replicam corretamente a estrutura relevante de quarto momentosx27 dos termos de erro. Em contraste, o bootstrap de bloco móvel com base residual resulta em inferência assintoticamente válida. Ilustramos as implicações práticas de nossos resultados teóricos fornecendo evidências de simulação nas propriedades de amostras finitas de diferentes métodos de inferência para IRFs. Nossos resultados apontam que a incerteza de estimativa pode aumentar dramaticamente na presença de heteroscedasticidade condicional. Além disso, a maioria dos métodos de inferência provavelmente subestima a verdadeira incerteza de estimativa substancialmente em amostras finitas. Texto completo em agosto de 2014 Ralf Brggemann Carsten Jentsch Carsten TrenklerBootstrapping modelos de média móvel Mostrar resumo Ocultar resumo ABSTRACT: A complexa natureza inter-relacionada de sistemas multivariados pode resultar em relacionamentos e estruturas de covariância que mudam com o tempo. A análise de componentes principais é proposta como um meio de investigar se e como a estrutura de covariância de múltiplas variáveis de resposta muda ao longo do tempo, depois de remover uma função suave para a média, e isso é motivado e ilustrado usando dados de um estudo de tecnologia de aeronave. ecossistema do lago. Procedimentos inferenciais são investigados nos casos de erros independentes e dependentes, com um procedimento de bootstrapping proposto para detectar mudanças na direção ou variância dos componentes. Artigo novembro 2012 Claire Miller Adrian Bowman Resumo: RESUMO: Nós fornecemos a justificativa teórica de bootstrapping vetor de escalonamento estacionário autorregressivo em movimento médio-móvel (VARMA) usando métodos lineares. A validade assintótica do bootstrap é estabelecida com forte ruído branco sob pressupostos paramétricos e não-paramétricos. Nossos métodos são práticos e úteis para a construção de inferências e previsões confiáveis baseadas em simulação, sem a implementação de técnicas de estimativa não-linear, como o ML, que geralmente é oneroso, demorado ou impraticável, particularmente em sistemas grandes ou altamente persistentes. A relevância de nossos procedimentos é mais pronunciada no contexto de técnicas dinâmicas baseadas em simulação, como testes de Monte Carlo (MMC) maximizados, veja Dufour J-M. Testes de Monte Carlo com parâmetros de perturbação: uma abordagem geral para inferência de amostras finitas e assintóticos não padronizados em econometria. J Econom. 2006133 (2): 443-477 e Dufour J-M, Jouini T. Testes baseados em simulação de amostras finitas em modelos VAR com aplicações ao teste de causalidade de Granger. J Econom. 2006135 (1-2): 229-254 para o caso VAR. Evidências de simulação mostram que, em comparação com assintóticos convencionais, nossos métodos de bootstrap têm boas propriedades de amostra finita para aproximar a distribuição real das estimativas de parâmetros VARMA do escalonamento estudantil e fornecer conjuntos de confiança de parâmetro de escalão com cobertura satisfatória. Article Dec 2014 Tarek Jouini Resumo: RESUMO: Neste estudo, apresentamos uma estrutura algorítmica baseada em lógica anotada paraconsistente (PAL) que pode simular os cálculos de valores médios presentes em um conjunto de dados e detectar as variações da média usando apenas PAL conceitos. Chamamos a estrutura de rede neural artificial paraconsistente para extração de média móvel (PANnet (mathrm)). Como exemplo de sua aplicação, usamos PANnet (mathrm) para auxiliar na análise de um índice de qualidade de produto final relacionado à engenharia elétrica. Para obter o resultado final, aplicamos o PANnet (mathrm) para simular o comportamento estatístico do Controle Estatístico de Processo (CEP), comparando os valores obtidos com um ranking que estabelece padrões de índice de qualidade baseados na distribuição de energia elétrica. Primeiro, os testes foram conduzidos usando dados com valores aleatórios para verificar o comportamento do PANnet (mathrm) e para definir o número ideal de algoritmos para formar uma estrutura computacional otimizada. Em seguida, utilizamos um banco de dados com valores reais de tensão elétrica gerados por um sistema de energia elétrica de uma rede elétrica no Brasil. Nos vários testes, o PANnet (mathrm) detectou apropriadamente mudanças e identificou variações de tensão elétrica em linhas de transmissão de 220 V. Os resultados mostram que o PANnet (mathrm) pode ser usado para construir uma arquitetura eficiente para determinar e monitorar pontuações de qualidade com aplicações em várias áreas da engenharia, especialmente para detectar índices de qualidade em uma rede de distribuição de eletricidade. Capítulo Jan 2016 Jornal de Computação Estatística e Simulação por Peter Bhlmann. 1999. Comparamos e revisamos blocos, peneiras e bootstraps locais para séries temporais e, assim, esclarecemos fatos teóricos, bem como o desempenho em dados de amostra nite. Nossa (re) visão é seletiva com a intenção de obter uma nova e justa imagem sobre alguns aspectos particulares das séries temporais de bootstrapping. O ge. Comparamos e revisamos blocos, peneiras e bootstraps locais para séries temporais e, assim, esclarecemos fatos teóricos, bem como o desempenho em dados de amostra nite. Nossa (re) visão é seletiva com a intenção de obter uma nova e justa imagem sobre alguns aspectos particulares das séries temporais de bootstrapping. A generalidade do bootstrap do bloco é contrastada por bootstraps de peneira. Discutimos as desvantagens / desvantagens implementacionais e argumentamos que dois tipos de peneiras superam o método de blocos, cada um deles em seu próprio nicho importante, ou seja, processos lineares e categóricos, respectivamente. Os bootstraps locais, projetados para problemas de suavização não paramétricos, são fáceis de usar e implementar, mas apresentam, em alguns casos, baixo desempenho. Palavras-chave e frases. Autorregressão, bootstrap de blocos, séries temporais categóricas, algoritmo de contexto, bootstrap duplo, processo linear, bootstrap local, cadeia de Markov, bootstrap de peneira, processo estacionário. 1 Introdução Bootstrapping pode ser visto como simulando uma estatística ou pro estatística. por Wolfgang Hrdle, Helmut Ltkepohl, Rong Chen. 1996 Resumo não encontrado por Jrgen Franke, Jens-Peter Kreiss, Enno Mammen - Bernoulli. 1997. A suavização de kernel em esquemas autorregressivos não paramétricos oferece uma ferramenta poderosa na modelagem de séries temporais. Neste artigo, é mostrado que o bootstrap pode ser usado para estimar a distribuição de suavizadores de kernel. Isso pode ser feito imitando a natureza estocástica de todo o processo na inicialização. A suavização de kernel em esquemas autorregressivos não paramétricos oferece uma ferramenta poderosa na modelagem de séries temporais. Neste artigo, é mostrado que o bootstrap pode ser usado para estimar a distribuição de suavizadores de kernel. Isso pode ser feito imitando a natureza estocástica de todo o processo na reamostragem de bootstrap ou gerando um modelo de regressão simples. Consistência desses procedimentos bootstrap será mostrada. 1 Introdução A modelagem não linear de séries temporais apareceu como uma abordagem promissora na análise de séries temporais aplicada. Muitos modelos paramétricos podem ser encontrados nos livros de Priestley (1988) e Tong (1990). Neste artigo, consideramos modelos não paramétricos de autorregressão não linear. Motivado por aplicações econométricas, nós permitimos erros heteroscásticos: X t m (X tGamma1. X tGammap) oe (X tGamma1. X tGammaq) amp t t t 0 1 2. (1.1) Aqui (amp t t) são i. i.d. variáveis aleatórias com média 0 e variância 1. Além disso, me e oe são desconhecidas. por Lorenzo Pascual, Juan Romo, Esther Ruiz - Jornal de Análise de Séries Temporais. Neste artigo, propomos uma nova estratégia de bootstrap para obter intervalos de previsão para processos médios móveis integrados autorregressivos. Sua principal vantagem sobre outros métodos de bootstrap propostos anteriormente para processos integrados autoregressivos é que a variabilidade devido à estimação de parâmetros pode ser. Neste artigo, propomos uma nova estratégia de bootstrap para obter intervalos de previsão para processos médios móveis integrados autorregressivos. Sua principal vantagem em relação a outros métodos de bootstrap, previamente propostos para processos integrados autoregressivos, é que a variabilidade devido à estimação de parâmetros pode ser incorporada em intervalos de previsão sem a necessidade de representação retrógrada do processo. Consequentemente, o procedimento é muito flexível e pode ser estendido aos processos, mesmo que sua representação reversa não esteja disponível. Além disso, sua implementação é muito simples. As propriedades assintóticas das densidades de predição de bootstrap são obtidas. Experimentos de Monte Carlo de amostra finita extensiva são realizados para comparar o desempenho da estratégia proposta versus procedimentos alternativos. O comportamento da nossa proposta é igual ou supera na maioria dos casos as alternativas. Além disso, nossa estratégia de bootstrap também é aplicada pela primeira vez para obter a densidade de previsão de processos com componentes médios móveis. por Jens-Peter Kreiss. 1997. Neste artigo, lidamos com processos autoregressivos estacionários de ordem finita ou infinita, mas desconhecida. Sob suposições bastante gerais, obtemos a consistência assintótica de um procedimento de bootstrap residual usual para funções suaves da autocovariância e autocorrelação empíricas. Especialmente t. Neste artigo, lidamos com processos autoregressivos estacionários de ordem finita ou infinita, mas desconhecida. Sob suposições bastante gerais, obtemos a consistência assintótica de um procedimento de bootstrap residual usual para funções suaves da autocovariância e autocorrelação empíricas. Especialmente a ordem do modelo autoregressivo ajustado é permitida para ser dependente de dados. Complementar ao bootstrap residual usual, consideramos um procedimento de bootstrap selvagem. Algumas observações sobre a precisão assintótica dos dois procedimentos de bootstrap propostos e um estudo de simulação concluem o artigo. por Violetta Dalla, Javier Hidalgo Resumo não encontrado por Ke-li Xu e Peter C. B. Phillips. 2007. Modelos autorregressivos estáveis de ordem finita conhecida são considerados com erros de diferenças de martingale escalonados por uma função não paramétrica desconhecida variável no tempo gerando heterogeneidade. Um caso especial importante envolve mudança estrutural na variação do erro, mas na maioria dos casos práticos, o padrão. Modelos autorregressivos estáveis de ordem finita conhecida são considerados com erros de diferenças de martingale escalados por uma função não paramétrica desconhecida variável no tempo gerando heterogeneidade. Um caso especial importante envolve mudança estrutural na variância do erro, mas na maioria dos casos práticos, o padrão de variação da variação ao longo do tempo é desconhecido e pode envolver mudanças em pontos discretos no tempo, evolução contínua ou combinações dos dois. Este trabalho desenvolve estimadores baseados em kernel das variâncias residuais e estimadores de mínimos quadrados adaptativos associados (ALS) dos coeficientes autoregressivos. Estes são mostrados para ser assintoticamente eficientes, tendo a mesma distribuição limite que os mínimos quadrados generalizados inviáveis (GLS). Comparações entre o procedimento eficiente e os mínimos quadrados ordinários (OLS) revelam que os mínimos quadrados podem ser extremamente ineficientes em alguns casos, enquanto quase ótimos em outros. As simulações mostram que, quando os mínimos quadrados funcionam bem, os estimadores adaptativos têm um desempenho comparável, enquanto que, quando os mínimos quadrados funcionam mal, os ganhos de eficiência são alcançados pelos novos estimadores. perto de transformações de séries temporais integradas. Econometric Theory 15, 269-298. 25 Park, J. Phillips, P. C. B. 2001. Regressão não linear com séries temporais integradas. Econometrica 69, 117-161. 26-26 - Park, S. Lee, S. Jeon J. 2000. O teste do cusum of squares para mudanças de variância em modelos autorregressivos de ordem infinita. Jornal da Sociedade Estatística Coreana 29, 351-361. 27 Phillips, P. C. B. por G. Hainz, R. Dahlhaus. Para processos lineares estacionários, são propostos testes de qualidade de ajuste tipo Kolmogorov-Smirnov para hipóteses compostas baseadas em métodos de bootstrap no domínio da frequência. Testes similares de bootstrap para comparar as distribuições espectrais de duas séries temporais são sugeridos. A pequena amostra de desempenho dos testes. Para processos lineares estacionários, são propostos testes de qualidade de ajuste tipo Kolmogorov-Smirnov para hipóteses compostas baseadas em métodos de bootstrap no domínio da frequência. Testes similares de bootstrap para comparar as distribuições espectrais de duas séries temporais são sugeridos. A pequena amostra de desempenho dos testes é investigada por simulações, e um exemplo de dados reais é dado para ilustração. por Carsten Jentsch, Jens-Peter Kreiss. Abstrato. O artigo reconsidera o bootstrap do periodograma auxiliado pelo autoregressivo (AAPB) que foi sugerido em Krei e Paparoditis (2003). A idéia deles era combinar um domínio paramétrico de tempo e um bootstrap não paramétrico no domínio da frequência para imitar não apenas uma parte, mas também o máximo possível. Abstrato. O artigo reconsidera o bootstrap do periodograma auxiliado pelo autoregressivo (AAPB) que foi sugerido em Krei e Paparoditis (2003). A idéia deles era combinar um domínio paramétrico de tempo e um bootstrap não paramétrico de domínio de frequência para imitar não apenas uma parte, mas, tanto quanto possível, a estrutura de covariância completa da série temporal subjacente. Nós estendemos o AAPB em duas direções. Nosso procedimento explicitamente leva a observações bootstrap no domínio do tempo e é aplicável a processos lineares multivariados, mas concorda exatamente com o AAPB no caso univariado, quando aplicado aos funcionais do periodograma. A teoria assintótica desenvolvida mostra a validade do procedimento de bootstrap híbrido múltiplo para a média amostral, estimativas de densidade espectral do kernel e, com menor generalidade, para autocovariâncias. 1. por Michael H. Neumann. 1997. A teoria na análise de séries temporais é frequentemente desenvolvida no contexto de modelos de dimensão finita para o processo de geração de dados. Enquanto os estimadores correspondentes, como os de uma função média condicional, são razoáveis, mesmo que o verdadeiro mecanismo de dependência seja de estrutura mais complexa, somos nós. A teoria na análise de séries temporais é frequentemente desenvolvida no contexto de modelos de dimensão finita para o processo de geração de dados. Enquanto os estimadores correspondentes, como os de uma função média condicional, são razoáveis, mesmo se o mecanismo de dependência verdadeira for de uma estrutura mais complexa, geralmente é necessário capturar toda a estrutura de dependência assintoticamente para que o bootstrap seja válido. No entanto, alguns métodos de bootstrap baseados em modelo permanecem válidos para algumas quantidades interessantes que surgem em estatísticas não-paramétricas. Generalizamos o bem conhecido amp-whitewhitening pelo princípio windowingampquot para distribuições conjuntas de estimadores não-paramétricos da função autorregressiva. Como consequência, obtemos que os esquemas de bootstrap não paramétricos baseados em modelo permanecem válidos para os funcionais do tipo supremo, desde que imitem consistentemente as correspondentes distribuições de junção de dimensão finita. Como exemplo, investigamos um bootstrap de cadeia de Markov de ordem finita no contexto de um estacionário geral.
No comments:
Post a Comment