Benutzer: Gast  Login
Mehr Felder
Einfache Suche
Originaltitel:
Time series analysis in Hilbert spaces
Originaluntertitel:
Estimation of functional linear processes and prediction of traffic
Übersetzter Titel:
Zeitreihenanalyse in Hilberträumen
Übersetzter Untertitel:
Schätzen von funktionalen linearen Prozessen und Prognose von Verkehr
Autor:
Klepsch, Johannes
Jahr:
2017
Dokumenttyp:
Dissertation
Fakultät/School:
Fakultät für Mathematik
Betreuer:
Klüppelberg, Claudia (Prof. Dr.)
Gutachter:
Klüppelberg, Claudia (Prof. Dr.); Mainzer, Klaus (Prof. Dr.); Aue, Alexander (Prof. Dr.)
Sprache:
en
Fachgebiet:
MAT Mathematik
Stichworte:
dimension reduction, estimation, functional data analysis (FDA), functional linear process, functional time series (FTS), Hilbert space valued process, Innovations Algorithm, moving average (MA), prediction, time series analysis
Übersetzte Stichworte:
Dimensionsreduktion, Schätzen, Funktionale Datenanalyse (FDA), Funktionaler linearer Prozess, Funktionale Zeitreihe, Innovationsalgorithmus, moving average (MA), Prognose, Zeitreihenanalyse
TU-Systematik:
MAT 620d
Kurzfassung:
When observations are curves over some natural time interval, the field of functional data analysis comes into play. In this thesis, we investigate the case where the observed curves are dependent in time. We model the temporal dependence using functional linear processes. Extending the Innovations Algorithm well-known from multivariate time series analysis, we construct consistent estimators and predictors for functional moving average models. We apply our methodology to high-dimensional highwa...     »
Übersetzte Kurzfassung:
Funktionale Daten sind Observationen, die als Kurve über ein natürliches Zeitintervall abgebildet werden können. In dieser Thesis beschäftigen wir uns mit zeitabhängigen funktionalen Daten. Mittels funktionaler linearer Prozesse modellieren wir die Zeitabhängigkeit. Wir erweitern den in der multivariaten Zeitreihenanalyse bekannten Innovationsalgorithmus, und können so funktionale Moving-Average Modelle schätzen und prognostizieren. Nach Herleitung von Konsistenzbeweisen für die Schätzer wenden...     »
WWW:
https://mediatum.ub.tum.de/?id=1341740
Eingereicht am:
10.01.2017
Mündliche Prüfung:
31.03.2017
Dateigröße:
4692009 bytes
Seiten:
139
Urn (Zitierfähige URL):
https://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:91-diss-20170331-1341740-1-7
Letzte Änderung:
13.04.2017
 BibTeX