Testar a correlação residual de qualquer ordem no processo autorregressivo Exibir resumo Ocultar resumo RESUMO: O objetivo deste trabalho é investigar o comportamento assintótico da estatística de Durbin-Watson para o processo autoregressivo da ordem p estável quando o ruído dirigido é dado por um Processo autoregressivo de primeira ordem. É uma extensão do trabalho anterior de Bercu e Proquotia dedicado ao caso particular p1. Estabelecemos a convergência quase certa e a normalidade assintótica para o estimador de mínimos quadrados do parâmetro vetorial desconhecido do processo auto-regressivo, bem como para o estimador de correlação serial associado ao ruído gerado. Além disso, as taxas quase certeza de convergência de nossas estimativas também são fornecidas. Então, provamos a convergência quase certa e a normalidade assintótica para a estatística de Durbin-Watson e derivamos um procedimento estatístico de dois lados para testar a presença de uma autocorrelação residual significativa de primeira ordem que parece esclarecer e melhorar o bem conhecido Sugerido por Durbin. Finalmente, resumimos brevemente nossas observações sobre amostras simuladas. Artigo: Mar 2012 Frdric Proa Show abstract Hide abstract RESUMO: Muitos modelos estatísticos e, em particular, os modelos de séries temporais médias autorrependentes podem ser considerados como meios para transformar os dados em ruídos brancos, ou seja, para uma seqüência de erros não corrigida. Se os parâmetros são conhecidos exatamente, essa seqüência aleatória pode ser calculada diretamente das observações quando este cálculo é feito com estimativas substituídas pelos valores dos parâmetros verdadeiros, a sequência resultante é referida como os resíduos, que podem ser considerados como estimativas dos erros . Se o modelo apropriado tiver sido escolhido, haverá zero autocorrelação nos erros. Ao verificar a adequação do ajuste, é lógico estudar a função de autocorrelação da amostra dos resíduos. Para grandes amostras, os resíduos de um modelo corretamente ajustado se assemelham muito de perto aos verdadeiros erros do processo, porém é necessário cuidar da interpretação das correlações em série dos resíduos. É mostrado aqui que as autocorrelações residuais são para uma aproximação próxima representável como uma transformação linear singular das autocorrelações dos erros para que eles possuam uma distribuição normal singular. A falta de permitir isso resulta em uma tendência a ignorar a evidência de falta de ajuste. São elaborados testes de ajuste e verificações de diagnóstico que levam esses fatos em consideração. Os autores investigaram o problema de testar os termos de erro de um modelo de regressão para correlação em série. Em um artigo anterior (Durbin amp Watson, 1950), os autores investigaram o problema de testar os termos de erro de um modelo de regressão para correlação serial. Os critérios de teste foram apresentados, os seus momentos calculados e os limites das suas funções de distribuição foram obtidos. No presente trabalho, esses limites são tabulados e seu uso na prática é descrito. Para os casos em que os limites não estabelecem a questão da significância, é sugerido um método aproximado. Expressões são dadas para a média e variância de uma estatística de teste para classificações de um e dois sentidos e tendências polinomiais, levando a testes aproximados para esses casos. Os procedimentos descritos devem ser susceptíveis de serem aplicados pelo trabalhador prático sem referência ao documento anterior (a seguir denominado Parte I). Artigo Jan 1951 J DURBIN GS WatsonDistribuição de Residual em Questão de Tempo Médio Médio Autoregressivo Integrado (Box e Pierce, 1970), o teste usando a estatística Q 2 n 2 K k1 tr (nk) de Hosking (1980), o teste usando estatística Q 3 n K k1 trp 2 K (K 1) (2n) de Li e Mcleod (1981), onde (k) é a matriz de correlação da amostra dada em (1). Demonstrou-se que, sob a condição de que t seja IID (portanto, hipótese nula H 0 em (3) detém), todos Q j (j 1, 2, 3) são assintóticamente 2 p 2 K. quot Mostrar resumo Ocultar abstract RESUMO: Nós propomos um novo teste omnibus para o ruído branco do vetor usando as auto-correlações absolutas máximas e correlações cruzadas da série de componentes. Com base na nova aproximação estabelecida pela norma Linfty de um vetor aleatório normal, o valor crítico do teste pode ser avaliado por bootstrapping a partir de uma distribuição normal multivariada. Em contraste com o teste de ruído branco convencional, o novo método é provado ser válido para testar a saída do ruído branco não-IID. Nós ilustramos a precisão eo poder do teste proposto por simulação, o que também mostra que o novo teste supera vários métodos comumente usados, incluindo, por exemplo, o teste de multiplicador Lagrange e os testes multivariados de Box-Pierce portmanteau, especialmente quando a dimensão das séries temporais É alto em relação ao tamanho da amostra. Os resultados numéricos também indicam que o desempenho do novo teste pode ser melhorado quando aplicado aos dados pré-transformados obtidos através da análise de componentes principais da série temporal proposta por Chang, Guo e Yao (2014). Os procedimentos propostos foram implementados em um pacote R-package HDtest e estão disponíveis online no CRAN. Texto completo Artigo Ago 2016 Jinyuan Chang Qiwei Yao Wen Zhou quotBULLET Teste LjungBox (Box amp Pierce, 1970 Ljung amp Box, 1978): este teste de estacionaridade confirma a independência de incrementos, onde a rejeição da hipótese nula H 0 indica estacionança (o nulo Hipótese H 0 é que os dados não são estacionários) BULLET Augmented Dickey-Fuller (ADF) t-teste estatístico (Said amp Dickey, 1984 Diebold amp Rudebusch, 1991 Banerjee et al., 1993): no Augmented Dickey-Fuller (ADF ) T-teste estatístico a hipótese nula H 0 é que os dados não são estacionários (pequenos valores p (por exemplo, menos de 0,05) sugerem que as séries temporais estão estacionárias). BULLET Kwiatkowski-PhillipsSchmidtShin test (KPSS) (Kwiatkowski et al., 1992): este teste inverte as hipóteses, daí a hipótese nula H 0 é que as séries temporais estão estacionárias. Quot Mostrar resumo Ocultar resumo RESUMO: um projeto de software bem sucedido é o resultado de um processo complexo envolvendo, acima de tudo, pessoas. Os desenvolvedores são os principais fatores para o sucesso de um processo de desenvolvimento de software, não apenas como executores de tarefas, mas como protagonistas e núcleo de todo o processo de desenvolvimento. Este artigo investiga aspectos sociais entre desenvolvedores que trabalham em projetos de software desenvolvidos com o suporte de ferramentas Agile. Estudamos 22 projetos de software de código aberto desenvolvidos usando a placa Agile do repositório JIRA. Todos os comentários cometidos por desenvolvedores envolvidos nos projetos foram analisados e nós exploramos se a cortesia dos comentários afetou o número de desenvolvedores envolvidos e o tempo necessário para corrigir qualquer problema. Nossos resultados mostraram que o nível de cortesia no processo de comunicação entre desenvolvedores tem efeito sobre o tempo necessário para corrigir problemas e, na maioria dos projetos analisados, teve uma correlação positiva com a atratividade do projeto tanto para o ativo como para o potencial Desenvolvedores. Os desenvolvedores mais educados foram, menos tempo demorou para corrigir um problema. Artigo de texto completo Jul 2016 quotPortmanteau teste de ruído branco desenvolvido por Box amp Pierce (1970) é calculado para testar a distribuição normal do residual dentro da amostra. O teste baseia-se no fato de que se (1), (n) é a realização do processo de ruído branco (Baum, 2005). Resumo: A taxa de câmbio é um dos principais impulsionadores da inflação que influencia o índice de preços por atacado (WPI) em países onde a importação e a exportação são importantes, como a China. Neste trabalho, as taxas de câmbio que aglutinam a volatilidade e sua impulsividade como choque externo para a WPI são investigadas em um conjunto de dados de séries temporais, que representam 4,067 observações diárias da economia chinesa de 12 de agosto de 2004 a 30 de setembro de 2015. O menor quadrado ordinário E a análise de regressão ponderada revela valores de p significativos de 0.000 para taxa de câmbio que explicam a WPI ao longo do período indicado. A heterocedasticidade condicional autorregressiva e o modelo de heterocedasticidade condicional autorregressiva generalizada apresentam valor de probabilidade significativo de 0.000 e 0.044, respectivamente, para WPI e a taxa de câmbio. Verificou-se que a volatilidade dos dias anteriores da WPI influencia a volatilidade futura da WPI como um choque interno, além dos impulsos anteriores da taxa de câmbio que influenciam a volatilidade futura da WPI como um choque externo. Os modelos de teste são completamente aplicados e sua estabilidade e validade são evidenciadas. Artigo Abr 2016 Mohammad Naim Azimi
No comments:
Post a Comment