нелинейная модель регрессии

Состоятельность оценки наименьших квадратов параметров линейной регрессии в случае дискретного времени и сильно- или слабозависимых регрессоров

Рассмотрены линейные модели регрессии с дискретным временем, сильно- и слабозависимым случайным шумом и регрессорами, которые зависят от времени и наблюдаются с сильно- и слабозависимыми ошибками. Задача оценивания параметров таких моделей является важным заданием статистики случайных процессов. В роли оценки было выбрана оценка наименьших квадратов. Исследованы свойства состоятельности оценки наименьших квадратов параметров таких моделей.

Предельные теоремы для экстремальных невязок в нелинейной модели регрессии с гауссовским стационарным шумом

В работе рассмотрена нелинейная модель регрессии с гауссовским стационарным случайным шумом и непрерывным временем. Исследовано поведение нормированного определенным образом максимума невязок и максимума абсолютных величин невязок, в которые вместо неизвестного параметра функции регрессии подставлена его оценка наименьших квадратов. Доказана сходимость распределения этого нормированного максимума к двойной экспоненте, что следует из предположения о гауссовости случайного шума.

Асимптотические разложения моментов оценки наименьших квадратов векторного параметра нелинейной регрессии с коррелированными наблюдениями

Рассмотрена нелинейная модель регрессии с непрерывным временем и непрерывным в среднем квадратичном сепарабельным измеримым гауссовым стационарным случайным шумом с нулевым средним и абсолютно интегрируемой ковариационной функцией. Оценивание параметров таких моделей является важной задачей статистики случайных процессов. Найдены первые члены асимптотических разложений вектора смещения и ковариационной матрицы оценки наименьших квадратов векторного параметра нелинейной функции регрессии.