Stochastic models that separate fractal dimension and the Hurst effect


Gneiting, Tilmann ; Schlather, Martin



Dokumenttyp: Zeitschriftenartikel
Erscheinungsjahr: 2004
Titel einer Zeitschrift oder einer Reihe: SIAM Review
Band/Volume: 46
Heft/Issue: 2
Seitenbereich: 269-282
Ort der Veröffentlichung: Philadelphia, Pa.
Verlag: SIAM
ISSN: 0036-1445
Sprache der Veröffentlichung: Englisch
Einrichtung: Fakultät für Wirtschaftsinformatik und Wirtschaftsmathematik > Applied Stochastics (Schlather 2012-)
Fachgebiet: 310 Statistik
510 Mathematik
Freie Schlagwörter (Englisch): Cauchy class, fractal dimension, fractional Brownian motion, Hausdor_ dimension, Hurst coe_cient, long-range dependence, power-law covariance, self-similar, simulation
Abstract: Fractal behavior and long-range dependence have been observed in an astonishing number of physical, biological, geological, and socio-economic systems. Time series, pro_les, and sur- faces have been characterized by their fractal dimension, a measure of roughness, and by the Hurst coe_cient, a measure of long-memory dependence. Either phenomenon has been modeled and explained by self-a_ne random functions, such as fractional Gaussian noise and fractional Brownian motion. The assumption of statistical self-a_nity implies a linear relationship be- tween fractal dimension and Hurst coe_cient and thereby links the two phenomena. This article introduces stochastic models that allow for any combination of fractal dimension and Hurst coe_cient. Associated software for the synthesis of images with arbitrary, pre-speci_ed fractal properties and power-law correlations is available. The new models suggest a test for self-a_nity that assesses coupling and decoupling of local and global behavior.




Dieser Datensatz wurde nicht während einer Tätigkeit an der Universität Mannheim veröffentlicht, dies ist eine Externe Publikation.




Metadaten-Export


Zitation


+ Suche Autoren in

+ Aufruf-Statistik

Aufrufe im letzten Jahr

Detaillierte Angaben



Sie haben einen Fehler gefunden? Teilen Sie uns Ihren Korrekturwunsch bitte hier mit: E-Mail


Actions (login required)

Eintrag anzeigen Eintrag anzeigen