跳到主要內容

臺灣博碩士論文加值系統

(3.235.185.78) 您好!臺灣時間:2021/07/27 17:46
字體大小: 字級放大   字級縮小   預設字形  
回查詢結果 :::

詳目顯示

: 
twitterline
研究生:林義雄
論文名稱:非高斯移動平均模式之可逆性判斷與預測比較
論文名稱(外文):Determination of Invertiability and Comparison of Predictions for Non-Gaussian Moving Averages
指導教授:徐南蓉徐南蓉引用關係
指導教授(外文):Nan-Jung Hsu
學位類別:碩士
校院名稱:國立清華大學
系所名稱:統計學研究所
學門:數學及統計學門
學類:統計學類
論文種類:學術論文
論文出版年:2004
畢業學年度:92
語文別:中文
論文頁數:30
中文關鍵詞:非高斯移動平均模式可逆性判斷最佳預測最佳線性預測
相關次數:
  • 被引用被引用:1
  • 點閱點閱:148
  • 評分評分:
  • 下載下載:9
  • 收藏至我的研究室書目清單書目收藏:0
本篇論文的目的有兩個,第一個要討論的是非高斯的移動平均(moving
averages)過程之可逆性質的判斷。第二個研究目的是比較最佳預測(best prediction
,簡稱BP。或稱之為最小均方誤差預測)及最佳線性預測(best linear prediction,簡稱BLP)在考慮參數估計誤差下的預測表現。
在非高斯移動平均過程中,如果依舊使用傳統的高斯概似函數法,求其最大概似估計,將會因無法判別其模式之可逆性質而產生錯估,進而影響後續的預測結果。本文將提出另一個以真正概似函數為基礎的可逆性判斷法,此法相較於Huang與Pawitan (2000)的quasi-likelihood的方法,有更正確的判斷能力。
若考慮的是高斯移動平均過程,則最小均方誤差預測即是最佳線性預測。但如果是一個非高斯過程時,則最小均方誤差預測一般皆是非線性預測(non-linear prediction)。在參數已知的情況下,BP必優於BLP。在此研究中,我們發現,在考慮參數估計誤差的影響下,BP只是稍微優於BLP,差別非常小。因此對於非高斯的移動平均模式,在考慮參數估計下,BLP已有相當好的預測表現。
There are two purposes in this paper. The first one is to determine the invertiability for non-Gaussian moving averages. The second one is to make comparison between the best mean square prediction and the best linear prediction after taking
the uncertainty of parameter estimation into account.
For non-Gaussian moving averages, the classical Gaussian likelihood cannot determine the correct order of the invertiability because the parameter space is not identifiable. In this thesis, we develop a new method to determine the correct order
of invertiability based on the true likelihood function. The simulation results show
our proposed method performs much better than the quasilikelihood method pro-
posed by Huang and Pawitan (2000), especially for the non-invertible MA processes.
It is well known that the best mean square error predictor is always better than the linear prediction when the parameters are known. However, this study found that the BLP is very competitive to the BP after taking the uncertainty of parameter estim-
ation into account. Therefore for a non-Gaussian moving average process, the BLP is still a good choice in practice relative to the BP in terms of fast computations and good efficiency.
第一章 緒論 ………………………………………………………1

第二章 移動平均模型與其概似函數 ………………………………3
2.1 廣義移動平均模型 ………………………………3
2.2 Non-Gaussian MA(q)模式的概似函數 …………4

第三章 移動平均模型之可逆性判斷方法 ………………………9
3.1 Huang與Pawitan之Quasi-Likelihood 判斷法 …9
3.2 概似函數判斷法 …………………………………11
3.3 兩判別法的比較 …………………………………12

第四章 最佳線性預測與最佳預測 ………………………………14

第五章 模擬結果比較 ……………………………………………16
5.1 MA(1)和MA(2)之可逆性質判定 …………………16
5.2 最佳線性預測和最佳預測的比較 ………………20

第六章 結論 ………………………………………………………27

附錄 …………………………………………………………………28

參考文獻 ……………………………………………………………30
參考文獻
Akaike, H. (1978). A new look at the statistical model identification. IEEE Transactions on Automatic Control, AC-19,716-723.

Breidt, F.J. and Hsu, N. J. (2004). Best mean square prediction for moving averages.forthcoming in Statistica Sinica
.
Brockwell, P.J. and Davis, R.A. (1991). Time Series: Theory and Methods, 2nd ed. Springer-Verlag, New York.

Carlin, J.S., Gelman, A.B., Stern,H.S., and Rubin, D.B. (1995). Bayesian Data Analysis. Chapman&Hall, London.

Huang, J. and Pawitan, Y. (2000). Quasi-likelihood estimation of non-invertible moving average processes. Scandinavian Journal of Statistics, 27, 689-702.

Kanter, M. (1979). Lower bonds for nonlinear prediction error in moving average processes. Annals of Probablity, 7, 128-138.

Lii. K. S. and Rosenblatt, M. (1992). An approximate maximum likelihood estimation for nonGaussian nonminimum phase moving average processes. Journal of the Multivariate Analysis, 43, 272-299.

Rosenblatt, M. (2000). Gaussian and Non-Gaussian Linear Time Series and Random Fields. Springer-Verlag, New York.

Shepp, L.A., Slepian, D., and Wyner, A.D. (1980). On prediction of moving average processes. The Bell System Technical Journal, 59, 367-415.
QRCODE
 
 
 
 
 
                                                                                                                                                                                                                                                                                                                                                                                                               
第一頁 上一頁 下一頁 最後一頁 top