Metody estymacji parametrów uogólnionego rozkładu Gaussa

• Autorzy: Purczyński, J. , Bednarz, K.

Warianty tytułu

EN

Methods of estimating generalized Gaussian distribution parameters

• Języki publikacji: PL

Abstrakty

PL

W pracy zaproponowano nową metodę estymacji parametru kształtu uogólnionego rozkładu Gaussa. Porównano właściwości estymatorów uzyskanych MNW, metodą Mallata [5] oraz proponowaną metodą. Jakość estymatora określano na podstawie wartości względnego błędu średnio kwadratowego. Wykonano symulacje komputerowe z wykorzystaniem generatorów liczb losowych dla parametru kształtu s = 0,5, s=1,0, s=2,0 oraz s= 3,0.

EN

In this paper a new method of estimating the shape parameter of generalized Gaussian distribution was proposed. Characteristics of the following estimators were compared: the one obtained through the maximum likelihood method, Mallat method [5] and the proposed method. The quality of estimator was evaluated on the basis of the value of the relative mean squared error. Computer simulations were conducted using random number generators for the shape parameter s=0.5, s=1.0, s=2.0, and s=3.0.

Słowa kluczowe

PL

metody estymacji; rozkład Gaussa; symulacja komputerowa

EN

estimation methods; Gauss distribution; computer simulation

• Czasopismo: TTS Technika Transportu Szynowego
• Rocznik: 2012
• Tom: R. 19, nr 9
• Strony: 1367--1376, CD
• Opis fizyczny: Bibliogr. 8 poz.

Twórcy

autor

Purczyński, J.

• Uniwersytet Szczeciński

autor

Bednarz, K.

• Uniwersytet Szczeciński

Bibliografia

• 1. Box G.E.P., Tiao G.C.: A further look at robustness via Bayes theorem, Biometrika no. 49 (3/4), p. 419-432, 1962
• 2. Hsieh D.A.: Testing for nonlinear dependence in daily foreign exchange rate changes. Journal of Busines, 62, p. 339-368, 1989
• 3. Kokkinakis K., Nandi A.K.: Exponent parameter estimation for generalized Gauusian probability density functions with application to speech modeling, Signal Processing 85 p. 1852-1858, 2005
• 4. Krupiński R., Purczyński J.: Modeling the distribution of DCT coefficients for JPEG reconstruction, Signal Processing: Image Communication vol. 22 issue 5, p. 435-441, 2007
• 5. Mallat S.G.: A theory of multiresolution signal decomposition: the velvet representation IEEE Trans. Pattern Anal. Machine Intell. 11 (7) July, p. 674-693, 1989
• 6. Nelson D.B.: Conditional heteroskedasticity in asset returns: A new approach, Econometrica, Vol.59, No.2, p. 347-370, 1991
• 7. Subbotin M.T.H.: On the law of frequency of error, Mathematicheski Sbornik 31, p. 296-301, 1923
• 8. Weron A., Weron R.: Inżynieria finansowa, WNT, Warszawa 1998