Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

Wyszukujesz frazę "wariancja estymatora" wg kryterium: Temat


Wyświetlanie 1-3 z 3
Tytuł:
Estymacja punktowa cyfrowego estymatora wartości średniej sygnałów przypadkowych
Point estimation of the mean value digital estimator of random signals
Autorzy:
Sienkowski, S.
Kawecka, E.
Powiązania:
https://bibliotekanauki.pl/articles/154292.pdf
Data publikacji:
2009
Wydawca:
Stowarzyszenie Inżynierów i Techników Mechaników Polskich
Tematy:
cyfrowy estymator wartości średniej
wartość oczekiwana
obciążenie
wariancja estymatora
mean value digital estimator
expected value
bias
estimator's ariance
Opis:
Artykuł przedstawia problematykę obliczania wartości oczekiwanej, obciążenia i wariancji cyfrowego estymatora wartości średniej sygnałów przypadkowych. W rzeczywistych sytuacjach pomiarowych estymacja obciążenia i wariancji, wymaga najczęściej wielokrotnego powtarzania eksperymentu pomiarowego. Nie są przy tym sformułowane kryteria dotyczące dokładności prowadzonych oszacowań. Zaprezentowane w pracy wzory omijają problem niejednoznaczności oszacowań i umożliwiają, na podstawie momentów, obliczenie obciążenia i wariancji cyfrowego estymatora wartości średniej sygnałów.
In the paper there is discussed a problem of estimation of the expected value, bias and variance of the mean value digital estimator of random signals. In real measurement tasks the estimation of the variance and bias values requires numerous repetitions of measurement experiments. Moreover, there are no clear criteria of the estimation accuracy. The equations formulated in this paper allow avoiding the problem of the estimation uncertainty and calculating the bias and variance of the digital estimator of the mean value signals basing on the so called moments. The paper is divided into 4 sections. Section 1 contains a short introduction to the issues of this paper. In Section 2 there is given a definition of the digital estimator of the mean value signal. The estimator's expected value is calculated - Eq. (2). On the basis of Eq. (2), the bias caused by quantization is given by Eq. (4). The variance is described by Eq. (7), while the mean square error by Eq. (8). It allows evaluating the consistency estimator. The variance of the mean value Eq. (13) is determined basing on the Widrow theory of quantization Eq. (10-12). In the next section there is presented an example of determining the bias - Eq. (17) and variance Eq. (20) of the mean value digital estimator of a Gaussian signal. The characteristic function of the Gaussian signal is given by Eq. (15). Table 1 presents the result of calculating the mean value variance for varying signal amplitude and increasing A/D resolution. Section 4 summarizes the investigations and presents some concluding remarks. There are discussed applications of the obtained expressions to evaluation of the measurement result uncertainty of the most important signal parameters.
Źródło:
Pomiary Automatyka Kontrola; 2009, R. 55, nr 7, 7; 441-443
0032-4140
Pojawia się w:
Pomiary Automatyka Kontrola
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Estymacja punktowa funkcji autokorelacji sygnałów na podstawie cyfrowych danych pomiarowych
Point estimation of the signal autocorrelation function basing on digital measurement data
Autorzy:
Kawecka, E.
Sienkowski, S.
Powiązania:
https://bibliotekanauki.pl/articles/154366.pdf
Data publikacji:
2009
Wydawca:
Stowarzyszenie Inżynierów i Techników Mechaników Polskich
Tematy:
cyfrowy estymator funkcji autokorelacji
wartość oczekiwana
obciążenie
wariancja estymatora
autocorrelation function digital estimator
expected value
bias
variance of autocorrelation function
Opis:
Artykuł przedstawia problematykę obliczania wartości oczekiwanej, obciążenia i wariancji cyfrowego estymatora funkcji autokorelacji sygnałów. Pokazano, że estymator funkcji autokorelacji nie jest zgodny oraz, że jest obciążony dodatkową, wynikającą z kwantowania składową. Pokazano, że funkcja gęstości kompensuje przesunięcie funkcji autokorelacji, co oznacza, że określenie na postawie momentów obciążenia i wariancji estymatora możliwe jest jedynie w tych punktach funkcji autokorelacji, które odpowiadają wartości średniokwadratowej sygnału. Przedstawiono wyniki oszacowań obciążenia i wariancji cyfrowego estymatora funkcji autokorelacji dla wybranych klas sygnałów. Do obliczeń zastosowano opracowany na potrzeby prowadzonych badań wielobitowy wirtualny korelator sygnałów.
In the paper there are discussed problems of estimation of the expected value, bias and variance of the digital estimator of the signal autocorrelation function. It is shown that the autocorrelation function estimator is not consistent and that the density function compensates the autocorrelation function delay. It means that determination of the bias and variance of the estimator basing on the so-called moments is possible only in these points of the autocorrelation function which are the mean square value of the signal. There are presented the results of estimation of the bias and variance of the autocorrelation function digital estimator for selected classes of signals. In order to perform calculations, there was designed a dedicated, multi-bit, virtual correlator of signals. The paper is divided into 3 sections. Section 1 contains a short introduction to the issues of this paper. In Section 2 there are presented the definitions of the autocorrelation function and the autocorrelation function estimator of a signal and quantized signal - Eqs. (2-4). Next, there is calculated the estimator's expected value - Eqs. (5, 6). There is determined the bias of the autocorrelation function digital estimator caused by quantization Eq. (7). In the next part of paper there is shown that the signal distribution density function compensates the autocorrelation function delay - Eq. (11). There is also calculated the estimator's mean square error - Eq. (20). The mean square error and variance from Eq. (17) allows evaluating the estimator consistency. Table 1 presents the results of analysis of the bias and variance of the autocorrelation function digital estimator for a sinusoidal signal with noise. There are analysed the following types of noise: Gaussian, uniform probability density function (PDF) and triangular PDF signal. In Section 3 the investigation results are summarized. The obtained results show the importance of investigations on autocorrelation function degradation caused by quantization.
Źródło:
Pomiary Automatyka Kontrola; 2009, R. 55, nr 7, 7; 422-425
0032-4140
Pojawia się w:
Pomiary Automatyka Kontrola
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Comparative analysis of sigma-based, quantile-based and time series VaR estimators
Analiza porównawcza estymatorów VaR opartych na wariancji, na metodach kwantylowych i metodach szeregów czasowych
Autorzy:
Małecka, Marta
Powiązania:
https://bibliotekanauki.pl/articles/654321.pdf
Data publikacji:
2015
Wydawca:
Uniwersytet Łódzki. Wydawnictwo Uniwersytetu Łódzkiego
Tematy:
VaR
oszacowanie VaR
obciążenie estymatora VaR
wariancja estymatora VaR
eksperyment Monte Carlo
VaR estimate
bias of the VaR estimator
variance of the VaR estimator
Monte Carlo experiment
Opis:
Od czasu wprowadzenia VaR pod koniec XX wieku, miara ta stała się najpopularniejszą miarą ryzyka. Jako główne jej zalety uznaje się: łatwość interpretacji, możliwość uzyskania syntetycznej informacji o poziomie ryzyka w postaci jednaj liczby oraz porównywalność poziomów ryzyka raportowanych przez różne instytucje. Jednak możliwość porównywania poziomów ryzyka pozostaje w sprzeczności z faktem stosowania różnych procedur wyznaczania tej miary. Wybór metody estymacji jest wewnętrzną decyzją przedsiębiorstwa i nie podlega regulacjom międzynarodowego nadzoru bankowego. Praca poświęcona została analizie porównawczej błędów estymatora związanych z konkurencyjnymi metodami szacowania VaR. Za pomocą badania Monte Carlo porównano cztery metody, wśród których wybrano dwie oparte na założeniu stacjonarności rozkładu – metodę wariancji-kowariancji oraz symulacji historycznej – oraz dwie metody szeregów czasowych – GARCH i RiskMetricsTM. Analiza porównawcza została przeprowadzona ze względu na wybór metody estymacji, długość szeregu czasowego oraz poziom tolerancji VaR.Wyniki badania pokazały przewagę estymatorów VaR opartych na wariancji nad kwantylową metodą symulacji historycznej. Ponadto porównanie estymatorów opartych na założeniu stacjonarności z estymatorami wywodzącymi się z metod szeregów czasowych pokazało, że uwzględnienie zmienności parametrów pozwoliło na znaczącą redukcję obciążenia i wariancji estymatorów.
Since its inception at the end of the XX century, VaR risk measure has gained massive popularity. It is synthetic, easy in interpretation and offers comparability of risk levels reported by different institutions. However, the crucial idea of comparability of reported VaR levels stays in contradiction with the differences in estimation procedures adopted by companies. The issue of the estimation method is subject to the internal company decision and is not regulated by the international banking supervision. The paper was dedicated to comparative analysis of the prediction errors connected with competing VaR estimation methods. Four methods, among which two stationarity-based – variance-covariance and historical simulation – and two time series methods – GARCH and RiskMetricsTM – were compared through the Monte Carlo study. The analysis was conducted with respect to the method choice, series length and VaR tolerance level.The study outcomes showed the superiority of the sigma-based method of variance-covariance over the quantile-based historical simulation. Furthermore the comparison of the stationarity-based estimates to the time series results showed that allowing for time-varying parameters in the estimation technique significantly reduces the estimator bias and variance.
Źródło:
Acta Universitatis Lodziensis. Folia Oeconomica; 2015, 1, 311
0208-6018
2353-7663
Pojawia się w:
Acta Universitatis Lodziensis. Folia Oeconomica
Dostawca treści:
Biblioteka Nauki
Artykuł
    Wyświetlanie 1-3 z 3

    Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies