PL EN


Preferencje help
Widoczny [Schowaj] Abstrakt
Liczba wyników
2009 | 29 | 1 | 53-68
Tytuł artykułu

Robustness of estimation of first-order autoregressive model under contaminated uniform white noise

Autorzy
Treść / Zawartość
Warianty tytułu
Języki publikacji
EN
Abstrakty
EN
The first-order autoregressive model with uniform innovations is considered. In this paper, we study the bias-robustness and MSE-robustness of modified maximum likelihood estimator of parameter of the model against departures from distribution of white noise. We used the generalized Beta distribution to describe these departures.
Rocznik
Tom
29
Numer
1
Strony
53-68
Opis fizyczny
Daty
wydano
2009
otrzymano
2009-03-17
poprawiono
2009-08-19
Twórcy
  • Department of Mathematics, Faculty of Sciences, University of Tizi-Ouzou, Tizi-Ouzou, 15000, Algeria
Bibliografia
  • [1] J. Andĕl, On AR(1) processes with exponential white noise, Communication In Statistics, A, Theory And Methods 5 (17) (1988), 1481-1495.
  • [2] C.B. Bell and E.P. Smith, Inference for non-negative autoregressive schemes, Communication In statistics, Theory And Methods 15 (1986), 2267-2293.
  • [3] H. Fellag and M. Ibazizen, Estimation of the first-order autoregressive model with contaminated exponential white noise, Journal of Mathematical Sciences 106 (1) (2001), 2652-2656.
  • [4] K. Nouali and H. Fellag, Approximate bias for first-order autoregressive model with uniform innovations. Small sample case, Discussiones Mathematicae, Probability and Statistics 22 (2002), 15-26.
  • [5] K. Nouali and H. Fellag, Testing on the first-order autoregressive model with uniform innovations under contamination, Journal of Mathematical Sciences 131 (3) (2005), 5657-5663.
  • [6] R. Zieliński, Robustness: A quantitative approach, Bulletin de l'Académie Polonaise des Sciences, Serie Sciences Math., Astronomie et Physique XXV (12) (1977), 1281-1286.
Typ dokumentu
Bibliografia
Identyfikatory
Identyfikator YADDA
bwmeta1.element.bwnjournal-article-doi-10_7151_dmps_1107
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.