ARFIMA模型參數(shù)貝葉斯估計(jì)的漸近性質(zhì)

首先根據(jù)貝葉斯定理得到ARFIMA模型參數(shù)的后驗(yàn)邊緣分布,并選擇后驗(yàn)邊緣分布的眾數(shù)作為參數(shù)的估計(jì)值.參照季節(jié)性ARFIMA模型的極大似然估計(jì)的漸近性質(zhì)的證明思路,證明了模型參數(shù)的貝葉斯估計(jì)具有相合性、有效性和漸近正態(tài)性.最后,對(duì)參數(shù)的貝葉斯估計(jì)方法的大樣本性質(zhì)進(jìn)行仿真模擬,結(jié)果表明當(dāng)時(shí)間序列樣本足夠大時(shí),參數(shù)的估計(jì)值越來(lái)越接近于真實(shí)值.

作 者： 洪兆萍 杜秀麗 Hong Zhaoping Du Xiuli   作者單位： 南京師范大學(xué)教學(xué)與計(jì)算機(jī)科學(xué)學(xué)院,江蘇,南京,210046  刊 名： 南京師大學(xué)報(bào)（自然科學(xué)版）  ISTIC PKU 英文刊名： JOURNAL OF NANJING NORMAL UNIVERSITY(NATURAL SCIENCE EDITION)  年，卷(期)： 2008 31(2)  分類號(hào)： O212.8  關(guān)鍵詞： 貝葉斯方法   ARFIMA模型   后驗(yàn)分布   漸近性質(zhì)   Bayesian methods   ARFIMA models   posterior distribution   asymptotic properties  

【ARFIMA模型參數(shù)貝葉斯估計(jì)的漸近性質(zhì)】相關(guān)文章：

變系數(shù)模型小波估計(jì)的漸近性質(zhì)04-26

基于參數(shù)的貝葉斯先驗(yàn)選擇方法04-27

半?yún)��?shù)非線性再生散度模型的漸近推斷04-26

線性混合模型參數(shù)的部分嶺型譜分解估計(jì)04-26

疲勞多裂紋擴(kuò)展隨機(jī)模型的參數(shù)估計(jì)方法04-27

GPCM模型項(xiàng)目參數(shù)估計(jì)程序的開(kāi)發(fā)與研究04-26

羅吉斯諦曲線模型中參數(shù)的估計(jì)方法初探04-26

H廣義線性模型中的參數(shù)估計(jì)的比較04-26

絕對(duì)損失下雙邊截?cái)嘈头植甲鍏��?shù)的漸近最優(yōu)經(jīng)驗(yàn)Bayes估計(jì)04-26

一種采用混合高斯模型與貝葉斯判別的彩色圖像人臉檢測(cè)方法04-27