Wyniki wyszukiwania - BazTech

Ograniczanie wyników

1 2023

Znaleziono wyników: 1

Liczba wyników na stronie

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych: podwójny rozkład Pareto

Sortuj według:

Ogranicz wyniki do:

Autoregressive model with double Pareto distributed noise

Woszczek Hubert Piotr, Wyłomańska Agnieszka

Mathematica Applicanda

2023

Vol. 51, no. 1

121--141

Time series models are a popular tool commonly used to describe time-varying phenomena. One of the most popular models is the Gaussian AR. However, when the data have outlier observations with "large" values, Gaussian models are not a good choice. We therefore abandon the assumption of normality of the data distribution and propose the AR model based on the double Pareto distribution. We introduce the estimators of the model's parameters, obtained by the maximum likelihood method. For this purpose, we use the Maclaurin series expansion and the Chebyshev polynomials expansion of the likelihood function. We compare the results with the Yule-Walker estimator in the finite variance case and with the modified Yule-Walker estimator in the infinite variance case. The accuracy of the results obtained was checked by Monte Carlo simulations.

Modele szeregów czasowych to popularne narzędzie powszechnie stosowane do modelowania zjawisk zmiennych w czasie. Najpopularniejszym modelem jest gaussowski model AR, który jest stacjonarny. Jednak gdy w danych występują obserwacje odstające o „dużych“ wartościach, modele gaussowskie nie są odpowiednim narzędziem do ich modelowania. Odchodzimy zatem od założenia o normalności rozkładu danych i proponujemy model AR oparty na podwójnym rozkładzie Pareto. Przedstawiamy estymatory parametrów modelu, uzyskane metodą największej wiarygodności. W tym celu wykorzystujemy rozwinięcie funkcji warogodności w szereg zmodyfikowanym estymatorem Yule-Walkera w przypadku nieskończonej wariancji. Poprwaność otrzymanych wyników została sprawdzona za pomocą symulacji Monte Carlo.