Пред.
След.
Макеты страниц
Распознанный текст, спецсимволы и формулы могут содержать ошибки, поэтому с корректным вариантом рекомендуем ознакомиться на отсканированных изображениях учебника выше Также, советуем воспользоваться поиском по сайту, мы уверены, что вы сможете найти больше информации по нужной Вам тематике ДЛЯ СТУДЕНТОВ И ШКОЛЬНИКОВ ЕСТЬ
ZADANIA.TO
7.7. Дальнейшее развитие оценок спектра второго порядкаНачнем этот параграф исследованием асимптотического распределения состоятельной оценки матрицы спектральной плотности построенной по сглаженным данным
Пусть при
Наша оценка для
где для
Следуя обсуждению, приведенному в § 7.2, образуем периодограммы второго порядка
где
Из (7.7.3) следует, что (7.7.5) можно переписать в виде
где
является оценкой кросс-ковариационной функции Пусть весовая функция
где
где
Мы будем считать, что для этой функции выполняется Условие 7.7.1. Действительная функция
Как следует из упр. 3.10.7, оценку (7.7.10) можно вычислить, используя быстрое преобразование Фурье. Справедлива Теорема 7.7.1. Пусть
и
причем переменные Сравнение выражений (7.7.14) и (7.4.17) показывает, что асимптотически сглаживание приводит к появлению в выражении для предела дисперсии множителя
Этот множитель равен 1 в случае отсутствия сглаживания, т. е.
Из неравенства Шварца следует, что этот множитель всегда больше или равен 1, так что использование сглаживания приводит к увеличению предела дисперсии. Можно надеяться, однако, что произойдет достаточное уменьшение смещения и оно будет компенсировать увеличение дисперсии. Справедливо Следствие 7.7.1. Если соблюдаются условия теоремы 7.7.1 и Исторически первая широко используемая оценка кросс спектра имела вид (7.7.10) [Goodman (1957), Rosenblatt (1959)], хотя сглаживание, как правило, не использовалось. Ее асимптотические свойства совпадали в основном со свойствами §. 7.4. Такое исследование провели Akaike, Yamanouchi (1962), Jenkins (1963а), Murthy (1963) и Granger (1964). Freiberger (1963) рассматривал приближения к этому распределению в случае двумерного гауссового ряда. Обсуждение § 7.1 предлагает иной класс оценок спектра второго порядка
или среднее этих двух оценок. Для
или среднее этих двух оценок. Такая процедура оцениваний позволяет нам провести исследование структуры ряда на медленную эволюцию во времени [Brillinger, Hatanaka (1969)]. Этот тип оценок рассматривали Blanc-Lapierre, Fortet (1953). Одним из способов преобразования рассматриваемых рядов является комплексная демодуляция; см. § 2.7 и Brillinger Оценки кросс-спектра от величин В некоторых случаях может оказаться интересным, насколько
Отсюда следует Теорема 7.7.2. Пусть
выполняется с вероятностью 1 для Whittle (1959) определил вероятностные границы для периодограмм второго порядка, см также Walker (1965). Parthasarathy (1960) нашел границу вероятности 1 заданной ординаты периодограммы и показал, что такая выделенная ордината может расти как Условие 7.7.2. Пусть
для z в некоторой окрестности 0. Внутреннее суммирование в
В случае гауссовского процесса имеет место
Этот ряд сходится при Теорема 7.7.3. Пусть
с вероятностью 1 для Если
так что с вероятностью 1 выполняется равенство
в котором остаточные члены равномерны по k. Как видно из теоремы 7.7.3, оценка
Здесь рассматривается случай несглаженных данных. Они исследовали также предельное распределение максимального отклонения. При более слабом условии 2.6.1 справедлив более грубый результат: Теорема 7.7.4. Пусть
Еслиу кроме того, для некоторого В теореме 7.7.4 вместо множителя Если мы желаем использовать оценку (7.4.5), и нас устраи вает максимум по дискретному множеству точек, то имеет месте] Теорема 7.7.5. Пусть
Если к тому же В § 5.8 мы обсуждали важность выполненной до построения спектральной оценки предварительной фильтрации. Выражение (7.7.13) еще раз подтверждает это. Математическое ожидание величины
t = 0, ±1, .... величины
Если выбрать должным образом v, то функция Akaike предполагал, что на практике и может быть определено как запаздывание, при котором В § 5.8 отмечалось, что фильтр, приводящий интересующий нас ряд к белому шуму, может быть подогнан по авторегрессионной схеме для этого временного ряда. Nettheim (1966) предложил подобную процедуру при оценках кросс-спектра. Осуществив подгонку модели
методом наименьших квадратов, оценим кросс-спектр остатков и
для
где
Обычно для интересующего нас ряда полезно, предложив на основании предварительных сведений статистическую модель, провести ее подгонку, а затехм вычислить спектральную оценку по ряду остатков. В заключение обратим внимание на связанную с подменой частот сложность, встретившуюся в § 5.11. Заметим, что теоретический параметр
Это приводит к тому, что популяционный параметр и его оценки по существу совпадают для частот
(см. скан) Рис. 7.8.1. Оценка (см. скан) Рис. 7.8.2. Оценка Если это возможно, то предварительно ряд подвергают преобразованию с помощью полосно-пропускающего фильтра для устранения тех частотных компонент, которые могут при интерпретации спектральной оценки стать причиной путаницы.
|
1 |
Оглавление
|