Тема дипломной работы: Исследование модели фрактального броуновского движения Студент: X Руководитель: X.

Презентация:



Advertisements
Похожие презентации
СТАТИСТИЧЕСКАЯ АВТОМОДЕЛЬНОСТЬ Камай А.М., магистрантка ММФ БГУ Научный руководитель: Профессор, доктор физ.-мат. наук. Кротов В.Г.
Advertisements

Прогнозирование ARMA- МОДЕЛЕЙ ВРЕМЕННЫХ РЯДОВ С «ПРОПУСКАМИ» БГУ, ФПМИ, МАГИСТРАНТ Лобач Сергей Викторович.
Обнаружение разладки временных рядов Ковалевский Артём Павлович кафедра высшей математики 18 марта 2011.
Непрерывность функции и классификация точек разрыва.
Множественная регрессия линейная функция:. Оценка параметров линейного уравнения множественной регрессии.
Формула конечных приращений или теорема Лагранжа о среднем значении Формула конечных приращений или теорема Лагранжа о среднем значении утверждает, что.
Формула конечных приращений или теорема Лагранжа о среднем значении Формула конечных приращений или теорема Лагранжа о среднем значении утверждает, что.
Моделирование ЭМС с применением определителя Вандермонда.
КИНЕМАТИКА ТОЧКИ Векторный способ задания движения.
{ общие понятия - теорема Коши - линейный дифференциальный оператор - основные теоремы - линейная независимость решений - определитель Вронского - вронскиан.
Лекция 2 Часть I: Многомерное нормальное распределение, его свойства; условные распределения Часть II: Парная линейная регрессия, основные положения.
Количественные характеристики случайных переменных Математическое ожидание (среднее значение) Математическое ожидание (среднее значение) Дисперсия и среднее.
« Комплексная обработка измерений спутникового радионавигационного приёмника и доплеровского измерителя скорости» студент: Добрецов А.А. Научный руководитель:
Кандидат технических наук, доцент Поляков Константин Львович Учебный курс Эконометрика: идентификация, оценивание и анализ статических моделей Лекция 6.
МЕТОД НАИМЕНЬШИХ КВАДРАТОВ. СТАТИСТИЧЕСКАЯ ОЦЕНКА.
Метод наименьших квадратов В математической статистике методы получения наилучшего приближения к исходным данным в виде аппроксимирующей функции получили.
Уравнения в Частных Производных Возникающие в Модели Кокса Ингерсолла Росса.
КЛАССИЧЕСКИЙ РЕГРЕССИОННЫЙ АНАЛИЗ. ОБЩАЯ ЛИНЕЙНАЯ МОДЕЛЬ.
Уравнение множественной регрессии y t = a 0 +a 1 x 1t +a 2 x 2t +a 3 x 3t +…+a k x kt +U t (8.1) Наилучшая линейная процедура получения оценок параметров.
Дифференциальные уравнения 2-го порядка Лекция 5.
Транксрипт:

Тема дипломной работы: Исследование модели фрактального броуновского движения Студент: X Руководитель: X

1 Основные определения Непрерывный гауссовский процесс с нулевым средним и ковариационной функцией называется фрактальным броуновским движением (ФБД) с показателем автомодельности Харста. При получаем обычный винеровский процесс. Н = 0.8 Н = 0.2 Свойства: 1) 2) однородные приращения, 3) гауссовский процесс, 4) непрерывные траектории, 5) свойство автомодельности:

2 Моделирование ФБД Ковариационная функция ФГШ: Спектральная плотность и ее аппроксимация:, где ФБД как сумма ФГШ: Моделирование ФГШ: Фрактальный гауссовский шум (ФГШ), как разность ФБД:

3 Оценка характеристик смоделированного фрактального гауссовского шума Оценка ковариационной функции: где - фрактальный гауссовский шум. Для реализации в случае Н = 0.8 Для реализации в случае Н = 0.2 Оценка параметра Харста по методу моментов: Для Н = 0.8 : Для Н = 0.2 :

4 Оценка ФБД по наблюдениям в двух точках Теорема о нормальной корреляции:, где - оцениваемое значение,- вектор наблюдений. - наблюдения, - оценка. При Н = 0.5 получаем линейную оценку. H = 0.8 H = 0.2

5 Фильтрация Калмана-Бьюси в диффер. системе с возмущениями в виде ФБД Дифференциальная система, описывающая процесс Орнштейна-Уленбека: - ФБД. Фильтр Калмана-Бьюси: где H = 0.8 H = 0.2 наблюдаемый процесс оцениваемый процесс оценка фильтра Калмана-Бьюси