دانشگاه مازندران

 آمار

تعداد نشریات30
تعداد شماره‌ها467
تعداد مقالات4,519
تعداد مشاهده مقاله7,144,870
تعداد دریافت فایل اصل مقاله5,334,683
Rahmatan, Hormoz, Kalantari, Mahdi. (1400). On the Empirical Spectral Distribution of Lag-Covariance Matrix in Singular Spectrum Analysis. پژوهشنامه مدیریت اجرایی, 10(2), 280-288. doi: 10.22080/cjms.2021.18838.1507
Hormoz Rahmatan; Mahdi Kalantari. "On the Empirical Spectral Distribution of Lag-Covariance Matrix in Singular Spectrum Analysis". پژوهشنامه مدیریت اجرایی, 10, 2, 1400, 280-288. doi: 10.22080/cjms.2021.18838.1507
Rahmatan, Hormoz, Kalantari, Mahdi. (1400). 'On the Empirical Spectral Distribution of Lag-Covariance Matrix in Singular Spectrum Analysis', پژوهشنامه مدیریت اجرایی, 10(2), pp. 280-288. doi: 10.22080/cjms.2021.18838.1507
Rahmatan, Hormoz, Kalantari, Mahdi. On the Empirical Spectral Distribution of Lag-Covariance Matrix in Singular Spectrum Analysis. پژوهشنامه مدیریت اجرایی, 1400; 10(2): 280-288. doi: 10.22080/cjms.2021.18838.1507

On the Empirical Spectral Distribution of Lag-Covariance Matrix in Singular Spectrum Analysis

Caspian Journal of Mathematical Sciences
مقاله 13، دوره 10، شماره 2، اسفند 2021، صفحه 280-288    اصل مقاله (302.27 K)
نوع مقاله: Research Articles
شناسه دیجیتال (DOI): 10.22080/cjms.2021.18838.1507
نویسندگان
Hormoz Rahmatan* 1؛ Mahdi Kalantari2
1Department of Mathematics, Faculty of Science, Payame Noor University, P.O.Box 19395-3697, Tehran, Iran
2Department of Statistics,, Faculty of Science, Payame Noor University, P.O.Box 19395-4697, Tehran, Iran
تاریخ دریافت: 29 اردیبهشت 1399،  تاریخ بازنگری: 19 بهمن 1399،  تاریخ پذیرش: 20 بهمن 1399 
چکیده
Singular Spectrum Analysis (SSA) is a non-parametric and rapidly developing method of time series analysis. Recently, this technique receives much attention in a variety of fields. In SSA, a special matrix that is called lag-covariance matrix plays a pivotal role in analyzing stationary time series. The objective of this paper is to examine whether the Empirical Spectral Distribution (ESD) of lag-covariance matrix converges to Marˇcenko{Pastur distribution or not. Such limiting distribution can help us to provide more reliable statistical inference when encountering with high-dimensional data. Moreover, a simulation study is performed and some tools of Random Matrix Theory (RMT) are used.
کلیدواژه‌ها
Singular Spectrum Analysis؛ Random Matrix Theory؛ Empirical Spectral Distribution؛ MarˇcenkoPastur Distribution؛ Lag-Covariance Matrix
آمار
تعداد مشاهده مقاله: 328
تعداد دریافت فایل اصل مقاله: 232


سامانه مدیریت نشریات علمی. قدرت گرفته از سیناوب