Pytania otagowane jako stochastic-processes

Proces stochastyczny opisuje ewolucję zmiennych / systemów losowych w czasie i / lub przestrzeni i / lub innym zestawie wskaźników. Ma zastosowanie w takich dziedzinach jak ekonometria, pogoda, przetwarzanie sygnałów itp. Przykłady - proces Gaussa, proces Markowa itp.

5
Co oznacza „rozwiązanie zamknięte”?
Dość często spotykam się z terminem „rozwiązanie w formie zamkniętej”. Co oznacza rozwiązanie w formie zamkniętej? W jaki sposób można ustalić, czy istnieje rozwiązanie bliskie dla danego problemu? Przeszukując online znalazłem pewne informacje, ale nic w kontekście opracowania statystycznego lub probabilistycznego modelu / rozwiązania. Bardzo dobrze rozumiem regresję, więc jeśli …

5
Dlaczego rośnie wariancja chodzenia losowego?
Losowo w odległości , która jest określona jako gdzie jest szum biały. Oznacza, że ​​bieżąca pozycja jest sumą poprzedniej pozycji + nieprzewidziany termin.Yt=Yt−1+etYt=Yt−1+etY_{t} = Y_{t-1} + e_tetete_t Możesz udowodnić, że średnia funkcja , ponieważμt=0μt=0\mu_t = 0 E(Yt)=E(e1+e2+...+et)=E(e1)+E(e2)+...+E(et)=0+0+...+0E(Yt)=E(e1+e2+...+et)=E(e1)+E(e2)+...+E(et)=0+0+...+0E(Y_{t}) = E(e_1+ e_2+ ... +e_t) = E(e_1) + E(e_2) +... +E(e_t) = 0 …





2
Jakie są główne różnice między ramami przyczynowości Grangera i Pearl?
Ostatnio natknąłem się na kilka artykułów i zasobów internetowych, które wspominają o przyczynowości Grangera . Krótkie przeglądanie odpowiedniego artykułu z Wikipedii wywarło na mnie wrażenie, że termin ten odnosi się do przyczynowości w kontekście szeregów czasowych (lub, bardziej ogólnie, procesów stochastycznych ). Ponadto czytanie tego fajnego posta na blogu spowodowało …

1
Procesy gaussowskie w domenie falkowej: czym jest kowariancja?
Czytałem Maraun i wsp. , „Niestacjonarne procesy gaussowskie w domenie falkowej: synteza, szacowanie i znaczące testowanie” (2007), która definiuje klasę niestacjonarnych GP, które mogą być określone przez multiplikatory w domenie falkowej. Realizacja jednego takiego GP to: gdzie jest białym szumem, jest ciągłą transformacją falkową w odniesieniu do falki , jest …

7
W jaki sposób badanie „procesów stochastycznych” pomoże mi jako statystyce?
Chcę zdecydować, czy powinienem wziąć udział w kursie „WPROWADZENIE DO PROCESÓW STOCHASTYCZNYCH”, który odbędzie się w następnym semestrze na mojej uczelni. Zapytałem wykładowcę, w jaki sposób studiowanie takiego kursu pomogłoby mi jako statystykowi, powiedział, że skoro pochodzi z prawdopodobieństwa, zna niewiele statystyk i nie wie, jak odpowiedzieć na moje pytanie. …

2
Losowy spacer z pędem
Rozważ losową liczbę całkowitą rozpoczynającą się od 0 z następującymi warunkami: Pierwszy krok to plus lub minus 1, z jednakowym prawdopodobieństwem. Każdy przyszły krok to: 60% prawdopodobnie będzie w tym samym kierunku co poprzedni krok, 40% prawdopodobnie będzie w przeciwnym kierunku Jaki rodzaj dystrybucji to daje? Wiem, że losowy spacer …


2
stochastyczny vs deterministyczny trend / sezonowość w prognozowaniu szeregów czasowych
Mam umiarkowane doświadczenie w prognozowaniu szeregów czasowych. Przejrzałem kilka książek o prognozowaniu i nie widzę w nich odpowiedzi na następujące pytania. Mam dwa pytania: Jak określiłbym obiektywnie (za pomocą testu statystycznego), czy dany szereg czasowy ma: Sezonowość stochastyczna lub sezonowość deterministyczna Trend stochastyczny lub trend deterministyczny Co by się stało, …

1
Wyrażenie w postaci zamkniętej dla kwantyli
Mam dwie zmienne losowe, αi∼iid U(0,1),i=1,2αi∼iid U(0,1),i=1,2\alpha_i\sim \text{iid }U(0,1),\;\;i=1,2 , gdzieU(0,1)U(0,1)U(0,1) jest jednolity rozkład 0-1. Następnie dają proces, powiedzmy: P(x)=α1sin(x)+α2cos(x),x∈(0,2π)P(x)=α1sin⁡(x)+α2cos⁡(x),x∈(0,2π)P(x)=\alpha_1\sin(x)+\alpha_2\cos(x), \;\;\;x\in (0,2\pi) Zastanawiałem się teraz, czy istnieje wyrażenie w postaci zamkniętej dla F−1(P(x);0.75)F−1(P(x);0.75)F^{-1}(P(x);0.75) teoretycznego 75-procentowego kwantylu P(x)P(x)P(x) dla danego x∈(0,2π)x∈(0,2π)x\in(0,2\pi) przypuszczam, że i mogę to zrobić za pomocą komputera i …

3
Znalezienie MLE dla jednoznacznego wykładniczego procesu Hawkesa
Jednowymiarowy wykładniczy proces Hawkesa jest samo-ekscytującym procesem punktowym, którego wskaźnik przybywania zdarzeń wynosi: λ(t)=μ+∑ti&lt;tαe−β(t−ti)λ(t)=μ+∑ti&lt;tαe−β(t−ti) \lambda(t) = \mu + \sum\limits_{t_i<t}{\alpha e^{-\beta(t-t_i)}} gdzie to czasy przyjazdu zdarzenia.t1,..tnt1,..tn t_1,..t_n Funkcja wiarygodności dziennika to −tnμ+αβ∑(e−β(tn−ti)−1)+∑i&lt;jln(μ+αe−β(tj−ti))−tnμ+αβ∑(e−β(tn−ti)−1)+∑i&lt;jln⁡(μ+αe−β(tj−ti)) - t_n \mu + \frac{\alpha}{\beta} \sum{( e^{-\beta(t_n-t_i)}-1 )} + \sum\limits_{i<j}{\ln(\mu+\alpha e^{-\beta(t_j-t_i)})} które można obliczyć rekurencyjnie: −tnμ+αβ∑(e−β(tn−ti)−1)+∑ln(μ+αR(i))−tnμ+αβ∑(e−β(tn−ti)−1)+∑ln⁡(μ+αR(i)) - t_n \mu …


Korzystając z naszej strony potwierdzasz, że przeczytałeś(-aś) i rozumiesz nasze zasady używania plików cookie i zasady ochrony prywatności.
Licensed under cc by-sa 3.0 with attribution required.