지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학위논문
- 저자정보
- 지도교수
- 白埈杰
- 발행연도
- 2014
- 저작권
- 고려대학교 논문은 저작권에 의해 보호받습니다.
이용수0
이 논문의 연구 히스토리 (3)
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
In this paper, we propose new method for estimating coefficients of AR(autoregressive) model which named MLPAR(Maximum Likelihood of Pearson system for Auto-Regressive model). In the present method for estimating coefficients of AR model, there is an assumption that residual or error term of the model follows the normal distribution. In common cases, we can observe that the error of AR model do not follow the normal distribution. so the normal distribution assumption will cause decreasing prediction accuracy of AR model. In the paper, we propose the MLPAR which does not assume the normal distribution. The MLPAR estimates coefficients of auto-regressive model and distribution moments of error term by using pearson distribution system and maximum likelihood estimation. In addition, the MLPAR estimates interval of coefficients by using Monte Carlo Simulation. Comparing proposed method to auto-regressive model, results are shown to verify improved performance of the MLPAR in terms of prediction accuracy.
목차
제 1장 서 론 11.1 연구의 배경 및 목적 11.2 연구의 타당성 31.3 연구 방법 4제 2장 본 론 62.1 자기회귀모형(Auto-Regressive Model) 62.2 피어슨 분포 시스템 8제 3장 제안 방법 123.1 MLPAR의 점 추정 133.2 MLPAR의 구간 추정 16제 4장 실험 및 결과 분석 184.1 실험 설계 184.2 실험 결과 21제 5장 결론 및 추후 연구 30[참고 문헌] 31
최근 본 자료
댓글(0)
0