Mover média parâmetros estimativa

8.4 Modelos médios em movimento Em vez de usar valores passados ​​da variável de previsão em uma regressão, um modelo de média móvel usa erros de previsão passados ​​em um modelo semelhante a regressão. Y c e theta e theta e dots theta e, onde et é ruído branco. Nós nos referimos a isso como um modelo de MA (q). Claro, não observamos os valores de et, por isso não é realmente regressão no sentido usual. Observe que cada valor de yt pode ser pensado como uma média móvel ponderada dos últimos erros de previsão. No entanto, os modelos de média móvel não devem ser confundidos com o alisamento médio móvel que discutimos no Capítulo 6. Um modelo de média móvel é usado para prever valores futuros, ao mesmo tempo em que o alisamento médio médio é usado para estimar o ciclo de tendência dos valores passados. Figura 8.6: Dois exemplos de dados de modelos em média móveis com diferentes parâmetros. Esquerda: MA (1) com y t 20e t 0.8e t-1. Direito: MA (2) com t e t - e t-1 0.8e t-2. Em ambos os casos, e t é normalmente distribuído ruído branco com zero médio e variância um. A Figura 8.6 mostra alguns dados de um modelo MA (1) e um modelo MA (2). Alterando os parâmetros theta1, dots, thetaq resulta em diferentes padrões de séries temporais. Tal como acontece com os modelos autorregressivos, a variância do termo de erro e apenas alterará a escala da série e não os padrões. É possível escrever qualquer modelo AR (p) estacionário como modelo MA (infty). Por exemplo, usando a substituição repetida, podemos demonstrar isso para um modelo AR (1): begin yt amp phi1y et amp phi1 (phi1y e) et amp phi12y phi1 e amp phi13y phi12e phi1 e et amptext end Provided -1 lt phi1 lt 1, o valor de phi1k diminuirá quando k for maior. Então, eventualmente, obtemos et et phi1 e phi12 e phi13 e cdots, um processo de MA (infty). O resultado reverso é válido se importamos algumas restrições nos parâmetros MA. Em seguida, o modelo MA é chamado de inversível. Ou seja, podemos escrever qualquer processo inversor de MA (q) como um processo AR (infty). Os modelos invertidos não são simplesmente para nos permitir converter de modelos MA para modelos AR. Eles também têm algumas propriedades matemáticas que os tornam mais fáceis de usar na prática. As restrições de invertibilidade são semelhantes às restrições de estacionaria. Para um modelo MA (1): -1lttheta1lt1. Para um modelo MA (2): -1lttheta2lt1, theta2theta1 gt-1, theta1 - theta2 lt 1. Condições mais complicadas mantêm-se para qge3. Mais uma vez, R cuidará dessas restrições ao estimar os modelos. Um novo método para a estimativa de parâmetros do modelo móvel 2-D em modo móvel Este artigo apresenta um novo método para a região do plano trimestral causal de suporte de movimento bidimensional (2-D) Estimativa do parâmetro do modelo médio (MA). A nova abordagem baseia-se na aproximação de 2-D MA pelo modelo AR 2-D. Para atingir esse objetivo, as relações correspondentes são estendidas para um caso 2-D e o algoritmo relacionado é apresentado. Neste método, uma série 2-D com o modelo MA foi aproximada por um modelo AR 2-D com ordem superior e, em seguida, os parâmetros do modelo AR são estimados pelo novo método que é apresentado. Em seguida, a relação entre os parâmetros do modelo 2-D AR e 2-D MA é obtida e, finalmente, usando essa relação, os parâmetros do modelo 2-D MA são obtidos. Uma vez que o método proposto não envolve cálculos de matriz complexos e demorados, ele é computacionalmente eficiente. O método apresentado também tem boa precisão no desvio padrão e valor médio, um fato que foi mostrado aplicando este método a um exemplo numérico e apresentando os resultados da simulação. Informação adicional do autor Mahdi Zeinali Mahdi Zeinali recebeu o diploma de BS em engenharia de controle da Universidade Sahand de Tecnologia, Tabriz, Irã, em 2001 e seu mestrado em engenharia de controle pela Universidade de Tecnologia de Sharif, Teerã, Irã, em 2004. Atualmente Trabalhando para o grau de doutorado no Departamento de Engenharia de Sistemas de Controle, Universidade de Tecnologia de Amirkabir (Teerã Politécnica), Teerã, Irã. Ele é o autor de mais de sete trabalhos de pesquisa. Seus interesses estão na área de sistemas multidimensionais (M-D), identificação do sistema e processamento de sinal digital. Um novo método para a estimativa de parâmetros do modelo móvel em 2 D Um método novo para a estimativa de parâmetros do modelo móvel em 2 D IETE Journal of Research As pessoas também lêem Procurar revistas por assunto