课题基金 / 基金详情

Inference Methods for Stationary Martingales and Other Non-Gaussian Processes

Inference Methods for Stationary Martingales and Other Non-Gaussian Processes
稳态鞅和其他非高斯过程的推理方法
批准号：
RGPIN-2017-05657
负责人：
Jasiak, Joann
金额：
$0.68万
依托单位：
York University
依托单位国家：
加拿大
项目类别：
Discovery Grants Program - Individual
财政年份：
2017
资助国家：
加拿大
项目状态：
已结题
起止时间：
2017-01-01 至 2018-12-31
来源：
https://www.nserc-crsng.gc.ca/ase-oro/Details-Detailles_eng.asp?id=635826
关键词：
InferenceMethodsStationaryMartingalesOther

项目摘要

项目成果

Jasiak, Joann的其他基金

相似基金

相关文献

中文摘要
翻译
本研究建议为动态过程引入新的推理方法，这些动态过程显示非线性模式，如轨迹中的峰值、时变波动和/或水平变化。方法包括：1)趋势检验和预测；2)这些过程的动态模型的检验和估计。
英文摘要
This research proposal introduces new inference methods for dynamic processes that display nonlinear patterns, such as spikes in the trajectory, time varying volatility and/or level shifts. The methods include: 1) tests of trend and forecasts; 2) tests and estimators for dynamic models of these processes.
期刊论文(0)
专著(0)
科研奖励(0)
会议论文
Inference Methods for Stationary Martingales and Other Non-Gaussian Processes
  • 批准号：
    RGPIN-2017-05657
  • 项目类别：
    Discovery Grants Program - Individual
  • 资助金额：
    $0.68万
  • 财政年份：
    2022
  • 负责人：
    Jasiak, Joann
  • 依托单位：
    York University
Inference Methods for Stationary Martingales and Other Non-Gaussian Processes
  • 批准号：
    RGPIN-2017-05657
  • 项目类别：
    Discovery Grants Program - Individual
  • 资助金额：
    $0.68万
  • 财政年份：
    2021
  • 负责人：
    Jasiak, Joann
  • 依托单位：
    York University
Inference Methods for Stationary Martingales and Other Non-Gaussian Processes
  • 批准号：
    RGPIN-2017-05657
  • 项目类别：
    Discovery Grants Program - Individual
  • 资助金额：
    $0.68万
  • 财政年份：
    2020
  • 负责人：
    Jasiak, Joann
  • 依托单位：
    York University
Inference Methods for Stationary Martingales and Other Non-Gaussian Processes
  • 批准号：
    RGPIN-2017-05657
  • 项目类别：
    Discovery Grants Program - Individual
  • 资助金额：
    $0.68万
  • 财政年份：
    2019
  • 负责人：
    Jasiak, Joann
  • 依托单位：
    York University
国内基金
海外基金
Computational Methods for Analyzing Toponome Data