Fr. 88.00

Sur les séries chronologiques à changements de régimes markoviens - DE

French · Paperback / Softback

Shipping usually within 2 to 3 weeks (title will be printed to order)

Description

Read more

Ce travail sera consacré à l'étude probabiliste, statistique et à l'application des modèles autorégressifs à changements de régimes markoviens (MS-AR). Initialement, nous étudions quelques propriétés probabilistes du modèle MS-AR à savoir la stationnarité stricte et au second ordre, l'ergodicité géométrique, la structure d'autocovariance et l'existence des moments d'ordres supérieurs ainsi que la relation ainsi que la relation de ce modèle avec d'autres modèle de séries chronologiques. Ensuite, nous présentons l'estimation des paramètres du modèle en utilisant la méthode du maximum de vraisemblance directement et via l'algorithme EM. En outre, les propriétés statistiques des estimateurs ainsi que l'évaluation des performances de ces estimateurs ont été établies. Enfin, une application de ce modèle sur des données réelles est effectuée.

About the author










Maître de conférences en Mathématiques à l'Université de Bejaia, Algérie. Il a obtenu son Magister en Méthodes Stochastiques de Recherche Opérationnelle à l' USTHB, en 2010 et de la même université son Doctorat en Mathématiques en 2015. Il a obtenu son HDR en mathématiques à l'université de Béjaia. Il est chercheur permanent au Laboratoire LaMOS.

Product details

Authors Nassim Touche
Publisher Éditions universitaires européennes
 
Languages French
Product format Paperback / Softback
Released 22.03.2024
 
EAN 9786206708711
ISBN 9786206708711
No. of pages 156
Subject Natural sciences, medicine, IT, technology > Mathematics > Probability theory, stochastic theory, mathematical statistics

Customer reviews

No reviews have been written for this item yet. Write the first review and be helpful to other users when they decide on a purchase.

Write a review

Thumbs up or thumbs down? Write your own review.

For messages to CeDe.ch please use the contact form.

The input fields marked * are obligatory

By submitting this form you agree to our data privacy statement.