Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > math > arXiv:1705.01287

帮助 | 高级搜索

数学 > 统计理论

arXiv:1705.01287 (math)
[提交于 2017年5月3日 (v1) ,最后修订 2017年5月21日 (此版本, v2)]

标题: 关于分数布朗运动的表示及其在尖点统计模型中出现的统计量的极限分布

标题: On a representation of fractional Brownian motion and the limit distributions of statistics arising in cusp statistical models

Authors:Nino Kordzakhia, Yury Kutoyants, Alex Novikov, Lin-Yee Hin
摘要: 我们讨论了Chernoyarov等人近期论文(《统计数学年鉴》,2016年10月)中关于“信号加白噪声”模型下贝叶斯估计量和最大似然估计量极限分布结果的一些扩展。该模型中的信号具有不规则的尖峰类型。利用分数布朗运动(fBm)用尖峰函数表示的新方法,我们证明当噪声强度趋于零时,极限分布可以用fBm来表达,适用于所有不对称尖峰类型信号,相应地与赫斯特参数H有关,0<H<1。还提供了贝叶斯估计量和最大似然估计量极限分布密度和方差的模拟结果。
摘要: We discuss some extensions of results from the recent paper by Chernoyarov et al. (Ann. Inst. Stat. Math., October 2016) concerning limit distributions of Bayesian and maximum likelihood estimators in the model "signal plus white noise" with irregular cusp-type signals. Using a new representation of fractional Brownian motion (fBm) in terms of cusp functions we show that as the noise intensity tends to zero, the limit distributions are expressed in terms of fBm for the full range of asymmetric cusp-type signals correspondingly with the Hurst parameter H, 0<H<1. Simulation results for the densities and variances of the limit distributions of Bayesian and maximum likelihood estimators are also provided.
主题: 统计理论 (math.ST)
引用方式: arXiv:1705.01287 [math.ST]
  (或者 arXiv:1705.01287v2 [math.ST] 对于此版本)
  https://doi.org/10.48550/arXiv.1705.01287
通过 DataCite 发表的 arXiv DOI

提交历史

来自: Alexander Novikov [查看电子邮件]
[v1] 星期三, 2017 年 5 月 3 日 07:47:25 UTC (54 KB)
[v2] 星期日, 2017 年 5 月 21 日 04:11:25 UTC (55 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • TeX 源代码
  • 其他格式
查看许可
当前浏览上下文:
math.ST
< 上一篇   |   下一篇 >
新的 | 最近的 | 2017-05
切换浏览方式为:
math
stat
stat.TH

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号