Cybernetics And Systems Analysis logo
Інформація редакції Аннотації статей Автори Архів
Кібернетика та Системний Аналіз
Міжнародний Науково-Теоретичний Журнал
-->

УДК 519.21

О.Ю. МАСЮТКА,
Київський національний університет імені Тараса Шевченка, Київ, Україна,
omasyutka@gmail.com

М.П. МОКЛЯЧУК,
Київський національний університет імені Тараса Шевченка, Київ, Україна,
moklyachuk@gmail.com


ПРО ЗАДАЧУ МІНІМАКСНОЇ ІНТЕРПОЛЯЦІЇ
СТАЦІОНАРНИХ ПОСЛІДОВНОСТЕЙ

Анотація. Розглянуто задачу оптимального лінійного оцінювання функціоналів від невідомих значень стохастичної стаціонарної послідовності за спостереженнями послідовності з пропущеними значеннями. Знайдено формули для обчислення значення середньокваратичної похибки та спектральної характеристики оптимальної лінійної оцінки функціоналів за умови спектральної визначеності, коли спектральна щільність послідовності точно відома. У випадку, коли спектральна щільність послідовності точно не відома, а задаються лише деякі класи допустимих спектральних щільностей, застосовано мінімаксно-робастний метод. Знайдено формули для визначення найменш сприятливих спектральних щільностей та мінімаксних спектральних характеристик для оптимального лінійного оцінювання функціоналів для конкретних класів спектральних щільностей.

Ключові слова: стаціонарна послідовність, мінімаксно-робастна оцінка, найменш сприятлива спектральна щільність, мінімаксна спектральна характеристикa.


ПОВНИЙ ТЕКСТ

СПИСОК ЛІТЕРАТУРИ

  1. Kolmogorov A.N. In: Shiryayev A.N. (Eds.) Selected works by A.N. Kolmogorov. Vol. II: Probability theory and mathematical statistics, Dordrecht etc.: Kluwer Academic Publishers, 1992. 579 p. URL: https://www.springer.com/gp/book/9789401050036.

  2. Wiener N. Extrapolation, interpolation and smoothing of stationary time series. With engineering applications. The M. I. T. Press, Massachusetts Institute of Technology, Cambridge, Mass., 1966. 163 p. URL: https://mitpress.mit.edu/books/extrapolation-interpolation-and-smoothing-stationary-time-series.

  3. Yaglom A.M. Correlation theory of stationary and related random functions. Vol. 1, 2. Springer Series in Statistics, Springer-Verlag, New York etc., 1987.

  4. Rozanov Yu.A. Stationary stochastic processes. San Francisco; Cambridge; London; Amsterdam: Holden-Day, 1967. 211 p. URL: https://www.tandfonline.com/doi/abs/10.1080/01621459.1968.11009342.

  5. Hannan E.J. Multiple time series. New York: John Wiley and Sons, 1970. 536 p. https://doi.org/10.1002/9780470316429.

  6. Vastola K.S., Poor H.V. An analysis of the effects of spectral uncertainty on Wiener filtering. Automatica. 1983. Vol. 28. P. 289–293. https://doi.org/10.1016/0005-1098(83)90105-X.

  7. Grenander U. A prediction problem in game theory. Ark. Mat. 1957. Vol. 6. P. 371–379. https://doi.org/10.1007/BF02589429.

  8. Kassam S.A., Poor H.V. Robust techniques for signal processing: A survey. Proc. IEEE. 1985. Vol. 73, N. 3. P. 433–481. https://doi.org/10.1109/PROC.1985.13167.

  9. Liu Y., Xue Yu., Taniguchi, M. Robust linear interpolation and extrapolation of stationary time series in Lp. J. Time Ser. Anal. 2020. Vol. 41, N 2. P. 229–248. https://doi.org/10.1111/jtsa.12502.

  10. Luz M., Moklyachuk M. Estimation of Stochastic Processes with Stationary Increments and Cointegrated Sequences. London: ISTE; Hoboken, NJ: John Wiley and Sons, 2019. 282 p. https://onlinelibrary.wiley.com/doi/book/10.1002/9781119663539.

  11. Moklyachuk M.P. Minimax-robust estimation problems for stationary stochastic sequences. Stat., Optim. Inf. Comput. 2015. Vol. 3, N 4. P. 348–419. https://doi.org/10.19139/soic.v3i4.173.

  12. Moklyachuk M.P., Golichenko I.I. Periodically correlated processes estimates. Saarbrucken: LAP Lambert Academic Publishing. 2016. 308 p. https://www.lap-publishing.com/catalog/details//store/gb/book/978-3-659-88507-5/periodically-correlated-processes-estimates.

  13. Moklyachuk M.P., Masyutka A.Yu. Minimax-robust estimation technique for stationary stochastic processes. Saarbrucken: LAP Lambert Academic Publishing, 2012. 296 p. URL: https://www.amazon.co.uk/Minimax-robust-estimation-technique-Mikhail-Moklyachuk/dp/365919817X.

  14. Moklyachuk M.P., Sidei M.I., Masyutka, O.Yu. Estimation of stochastic processes with missing observations. New York: Nova Science Publishers, 2019. 334 p. https://novapublishers.com/shop/estimates-of-stochastic-processes-with-missing-observations.

  15. Gikhman I.I., Skorokhod A.V. The theory of stochastic processes. I. Berlin: Springer, 2004. 574 p. https://link.springer.com/book/10.1007/978-3-642-61943-4.

  16. Salehi H. Algorithms for linear interpolator and interpolation error for minimal stationary stochastic processes. Ann. Probab. 1979. Vol. 7, N 5. P. 840–846. https://www.jstor.org/stable/2243305.

  17. Pshenichnyj B.N. Necessary conditions of an extremum, Pure and Applied mathematics. 4. New York: Marcel Dekker, 1971. 248 p. https://www.routledge.com/Necessary-Conditions-for-an-Extremum/Pshenichnyi/p/book/9780367452124.

  18. Rockafellar R.T. Convex аnalysis. Princeton: NJ: Princeton University Press, 1997. 451 p. https://press.princeton.edu/books/paperback/9780691015866/convex-analysis.

  19. Krein M.G., Nudelman A.A. The Markov moment problem and extremal problems. Translations of Mathematical Monographs. Vol. 50. Providence, R.I.: American Mathematical Society, 1977. 417 p.




© 2022 Kibernetika.org. All rights reserved.