δείτε την πρωτότυπη σελίδα τεκμηρίου στον ιστότοπο του αποθετηρίου του φορέα για περισσότερες πληροφορίες και για να δείτε όλα τα ψηφιακά αρχεία του τεκμηρίου*
In this dissertation we examine the problem of classification analysis for time series data from its predictive aspect. We suggest two classification functions for time series through a linear stale-space model representation and, also, for non-linear time series of the GARCH family. Our classification functions are based on the likelihood ratio and the Kullback-Leibler information measure. We propose asymptotic distributions and we investigate their behaviour through simulation experiments.
Στη διατριβή αυτή κάνουμε μία μελέτη της ανάλυσης, ταξινόμησης για χρονικές σειρές. Προτείνουμε συναρτήσεις ταξινόμησης για υποδείγματα χρονικών σειρών μέσω του γενικού γραμμικού υποδείγματος χώρου καταστάσεων και για τα μη γραμμικά υποδείγματα GARCH. Οι συναρτήσεις προέρχονται από τον λόγο των πιθανοφανειών και την πληροφορία των Kullback-Leibler. Προτείνουμε ασυμπτωτικές κατανομές και εξετάζουμε την συμπεριφορά τους με προσομοιώσεις.
Πανεπιστήμιο Μακεδονίας Οικονομικών και Κοινωνικών Επιστημών
University of Macedonia Economic and Social Sciences
*Η εύρυθμη και αδιάλειπτη λειτουργία των διαδικτυακών διευθύνσεων των συλλογών (ψηφιακό αρχείο, καρτέλα τεκμηρίου στο αποθετήριο) είναι αποκλειστική ευθύνη των αντίστοιχων Φορέων περιεχομένου.
Βοηθείστε μας να κάνουμε καλύτερο το OpenArchives.gr.