缺失数据下AR(p)模型的参数估计

来源 :大连理工大学 | 被引量 : 0次 | 上传用户:wlq808
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
本论文研究在缺失数据条件下,AR(p)模型参数的估计方法. 在文献中,使用EM算法或MCMC方法给出了一个数据和连续两个数据缺失时参数的估计方法.但是由于计算复杂,很难推广到连续多个数据缺失时的估计方法. 本文应用回归预测法,运用最小二乘估计,给出了一个数据和连续两个数据缺失时参数的估计方法,并推广到连续多个数据缺失时参数的估计方法.通过实例应用,讨论了更一般的情况如何处理.最后,对连续一个数据和连续两个数据缺失时参数的估计方法进行数值模拟. 本文主要内容可概括如下:第一部分:AR(p)模型参数的最小二乘估计;第二部分:数据缺失时参数的估计方法;第三部分:实例应用和数值模拟。
其他文献
集合的凸性,非凸性,拓扑性质和代数性质等在向量优化理论及应用研究中具有十分重要的意义。近年来,利用free-disposal集,改进集,co-radiant集,假设 B等工具研究集合的拓扑性质和
本文对样条函数在数控加工中的应用和B样条对偶基的构造,这两方面分别进行了算法改进和重新构造。在实际应用中,本文一方面对已有的圆弧样条光顺方法作了改进,使之更适合实际
针对稳定性理论在细胞神经网络中的巨大影响,本文主要探讨了多时滞细胞神经网络的全局指数稳定性,具有分布时滞联想记忆神经网络的全局渐近稳定性以及对Hopfield神经网络的全
作为一种生态经济发展形态,循环经济的“资源-生产-消费-再生资源”的物质能量循环过程与自然生态系统的物质能量从“生产者-消费者-分解者-再循环”的循环模式相比,缺乏真正
支持向量机(Support Vector Machine,SVM)是Vapnik等人根据统计学理论提出的一种机器学习方法。它是建立在VC维和结构风险最小化原则基础上的,利用核函数把非线性可分数据映
用边界元法来求解定义于无界区域上的Helmholtz方程外边值问题有效而且相对简单。但是通过边界积分方程求解任意波数的二维Helmholtz方程Dirichlet和Neumann外边值问题时,当波
非凸半定规划在控制论、扰动分析、系统工程以及电子工程等领域具有广泛的应用.近年来,求解非凸半定规划问题中有许多算法,如罚函数法、光滑化算法等,其中Lagrange乘子罚函数
学位