Resumen

Cuando el área de ubicación espacial aumenta y se vuelve extremadamente grande, es muy difícil, si no imposible, evaluar la matriz de covarianza determinada por el conjunto de distancias de ubicación incluso para un proceso Gaussiano estacionario en malla. Para aliviar los desafíos numéricos, construimos un estimador no paramétrico llamado periodograma de versión espacial para representar la propiedad de la muestra en el dominio de la frecuencia, ya que el periodograma requiere menos operaciones computacionales mediante el algoritmo de transformada rápida de Fourier. Bajo algunas condiciones de regularidad en el proceso, investigamos la propiedad de insesgadez asintótica del periodograma como estimador de la función de densidad espectral y logramos la tasa de convergencia.

• Materias:Sistemas no lineales Dinámica no lineal Red de tráfico dinámico Algoritmo alométrico Sistema conmutado
• Subjects:Nonlinear systems Nonlinear dynamics Dynamic traffic network Allometric algorithm Switched system
• Palabras claves:Ubicación espacial; Matriz de covarianza; Proceso gaussiano; Periodograma; Función de densidad espectral; Tasa de convergencia
• Keywords:Spatial location; Covariance matrix; Gaussian process; Periodogram; Spectral density function; Convergence rate