Questions tagged «stochastic-processes»

我已经看到了以以下方式建模/构造的随机过程。 考虑概率空间并令为（可测量的）变换 ，我们用它来模拟采样点随时间的演变。同样，令为随机向量。然后，随机过程用于通过公式来观察序列建模 或 小号小号：Ω →交通Ω ω X X ：Ω →交通ř Ñ { X 吨：吨= 0 ，1 ，。。。} X 吨（ω ）= X [ 小号吨（ω ）] X 吨 = X ∘ 小号吨。(Ω,F,Pr)(Ω,F,Pr)(\Omega, \mathcal F, Pr)SS\mathbb SS:Ω→ΩS:Ω→Ω\mathbb S: \Omega \rightarrow \Omegaωω\omegaXXXX:Ω→RnX:Ω→RnX: \Omega \rightarrow \mathbb R^n{Xt:t=0,1,...}{Xt:t=0,1,...}\{ X_t: t=0,1,...\}Xt(ω)=X[St(ω)]Xt(ω)=X[St(ω)] X_t(\omega) = X[\mathbb S^t(\omega)] Xt=X∘St.Xt=X∘St. …

11 econometrics  time-series  probability  stochastic-processes 

我具有对应于Tauchen（1986）的代码（Python的当量此），其产生的一离散时间AR（1）处理的离散近似。 例如，如果将网格尺寸设置为3，则可以得出生产率的矢量 [A_1, A_2, A_3,] 和转移概率矩阵 A_11, A_12, A_13 A_21, A_22, A_23 A_31, A_32, A_33 在row i，column的情况下j，您可以从转换i为j，并且满足每行总和约为1的要求。 我想知道如何将其转换为等效于转换矩阵的连续时间。一组控制状态之间流速的泊松概率。 在这方面，我所记得的是，我们可以使用以下方法获得泊松概率的线性近似 Prob(i→j)=limΔ→0exp(−λijΔ)≈1−λijΔProb(i→j)=limΔ→0exp⁡(−λijΔ)≈1−λijΔProb(i \to j) = \lim_{\Delta\to0} \exp(-\lambda_{ij}\Delta) \approx 1-\lambda_{ij}\Delta 但是我看不到如何帮助我将以前的矩阵转换为λλ\lambda s ...我期待任何建议。

8 computation  stochastic-processes