Trần Văn Lý * , Bùi Phong Quy , Nguyễn Lê Phúc Anh , Trang Thị Hiền Phan Thị Mỹ Tiên

* Tác giả liên hệ (tvly@ctu.edu.vn)

Abstract

Presented in the paper are the two types of reliability analysis including the goodness-of-fit  test for transition probabilities and the independent test for simulation data chain. These tests are applied for the simulation data chain having repeatability and seasonality. The simulation data chain is assumed that the Markov chain of order 1 and having stationary transition probabilities. Based on some existing research results on statistical inferences for Markov chains, the two statistics chi-square were established for using in the two mentioned tests. The illustration application is realized on the simulation data chain of the daily clear index sequence generated from the hidden Markov model having four states.

Keywords: Goodness-of-fit test, hidden Markov model, independent test, Markov chain, simulation data

Tóm tắt

Kiểm định về sự phù hợp với các xác suất chuyển và kiểm định về tính độc lập của chuỗi dữ liệu mô phỏng là hai dạng phân tích tin cậy được đề cập trong bài báo. Các kiểm định này được áp dụng đối với chuỗi dữ liệu mô phỏng có tính lặp và tính chu kỳ. Chuỗi dữ liệu mô phỏng được giả thiết là chuỗi Markov bậc nhất có các xác suất chuyển ổn định. Dựa vào một số kết quả nghiên cứu đã có về những suy luận thống kê trên các chuỗi Markov, hai dạng thống kê  – bình phương được xây dựng để sử dụng trong hai kiểm định đã nêu. Áp dụng minh họa được thực hiện trên chuỗi dữ liệu mô phỏng của dãy chỉ số sáng hàng ngày được khởi tạo từ mô hình Markov ẩn với bốn trạng thái.

Từ khóa: Chuỗi Markov, dữ liệu mô phỏng, kiểm định độc lập, kiểm định phù hợp, mô hình Markov ẩn

Article Details

Tài liệu tham khảo

Anderson, T. W. & Goodman, L. A.  (1957). Statistical inference about Markov Chains. The Annals of Mathematical Statistics, 28(1), 89-110. https://doi.org/10.1214/aoms/1177707039

Bartlett, M. S. (1951). The frequency goodiness of fit test for probability chain. Proc. Camb. Phil. Soc., 47, 86-95. https://doi.org/10.1017/S0305004100026402           

Billingsley, P. (1961). Statistical Methods in Markov Chains. The Annals of Mathematical Statistics, 32(1), 12-40. https://doi.org/10.1214/aoms/1177705136

Cramér, H. (1946). Mathematical Methods of Statistics. Princeton University Press. https://doi.org/10.1515/9781400883868

Elliott, J. R., Aggoun, L. & Moore, J. B. (2010). Hidden Markov Models: Estimation and control, Springer.

Levine, R. A., & Casella, G. (2006). Optimizing random scan gibbs samplers. Journal of Multivariate Analysis, 97, 2071-2100. https://doi.org/10.1016/j.jmva.2006.05.008

Rubinstein, R. Y., & Kroese, D. P. (2017). Simulation and the Monte Carlo method (Wiley Series in Probability and Statistics). John Wiley & Sons, Inc., Hoboken, NJ. https://doi.org/10.1002/9781118631980

Lý, T. V. (2016). Stochastic modeling for daily clearness index sequence in can tho city. Tạp chí Khoa học Trường Đại học Cần Thơ, 2, 90-99. https://doi.org/10.22144/ctu.jen.2016.005

Lý, T. V., Thịnh, N. T., Phú, N. D. T., Phô, T. Đ., & Trọng, T. V. (2020). Sử dụng thuật toán entropy chéo và chọn mẫu gibbs để ước lượng xác suất sự kiện hiếm. Tạp chí Khoa  học Trường Đại học Cần Thơ, 56 (Số CĐ Tự nhiên), 46-53. https://doi.org/10.22144/ctu.jsi.2020.092