Wyniki wyszukiwania - BazTech

Ograniczanie wyników

1 Pomiary Automatyka Robotyka

1 2023

Znaleziono wyników: 1

Liczba wyników na stronie

Wyniki wyszukiwania

Sortuj według:

Ogranicz wyniki do:

Estymacja parametrów asymetrycznych procesów niegaussowskich o średniej kroczącej metodą maksymalizacji wielomianu stochastycznego PMM

Zabolotnii Serhii, Warsza Zygmunt Lech, Tkachenko Oleksandr M.

Pomiary Automatyka Robotyka

2023

R. 27, nr 4

71--77

W artykule rozważa się zastosowanie metody maksymalizacji wielomianów stochastycznych PMM do oszacowania parametrów niegaussowskiego modelu procesów o średniej ruchomej. Jest to podejście adaptacyjne oparte na analizie statystyk wyższego rzędu. Rozpatrywany są procesy o rozkładzie asymetrycznym ze średnią ruchomą. Wykazano, że Metodą Maksymalizacji Wielomianu (II rzędu) uzyskuje się asymptotyczne wariancje oszacowań wyrażeń analitycznych, które pozwalają na znalezienie oszacowań i analizę ich niepewności. Otrzymuje się znacznie mniejsze wariancje niż w oszacowaniu klasycznym opartym na minimalizacji warunku sumy kwadratów lub maksymalizacji funkcji największej wiarygodności w przypadku rozkładu Gaussa. Wzrost dokładności zależy od wartości współczynnika asymetrii i kurtozy reszt. Wyniki modelowania statystycznego metodą Monte Carlo potwierdzają skuteczność proponowanego podejścia.

In this paper consider is the application of the Polynomial Maximization Method PMM to find estimates of the parameters of non-Gaussian Moving Average model. This approach is adaptive and is based on the analysis of higher-order statistics. The case of asymmetry of distributions of Moving Average of the stochastic processes is also considered. It is shown that the asymptotic variance of estimates of the Polynomial Maximization Method (2nd order) have such analytical expressions, whose allow to finding estimates and analyzing their uncertainties. Above approach can be significantly less than the variance of the classic estimates based on minimizing the Conditional Sum of Squares or Maximum Likelihood (in the Gaussian case). The increase of accuracy depends on the values of the coefficient’s asymmetry and the kurtosis of residuals. The results of statistical modeling by the Monte Carlo Method confirm the effectiveness of the proposed approach.