• Journal of the Korean Data and Information Science Society
• /
• v.27 no.5
• /
• pp.1241-1251
• /
• 2016

We consider a correlated discrete-time random walk in which the current jump size depends on the previous jump size and a noncorrelated discrete-time random walk where the jump size is determined independently. By using the strong law of large numbers of Markov chains we derive the formula for the asymptotic means of the random mixture and the periodic pattern of these two random walks and then we show that there exists Parrondo's paradox where each random walk has mean 0 but their random mixture and periodic pattern have negative or positive means. We describe the parameter sets at which Parrondo's paradox holds in each case.

• Proceedings of the Korean Operations and Management Science Society Conference
• /
• 2001.10a
• /
• pp.132-135
• /
• 2001

마이크로셀 시스템에서 트래픽(통화량) 성능은 가입자(사용자)들의 이동성에 민감한 영향을 받는다. 셀 내 체류시간 및 채널점유시간은 이동 속도 및 방향의 추계적인 변화에 의하여 특성지어진다. 셀 내 체류시간은 채널점유시간과 같은 통화량 성능을 분석하는데 기초적으로 이용되는 중요한 정보를 제공한다. 차세대 이동통신 네크워크로 진화해 가는 과정에서 증가하는 사용자들의 접속요청을 수용하고 주파수 효용도를 높이기 위하여 셀의 크기는 매우 작아진다. 셀의 크기가 작아질수록 통화량 성능은 사용자들, 특히 보행자들의 가변적인 이동성에 더욱더 영향을 받게된다. 단순화된 모형을 이용한 기존연구는 제2세대 이동통신에서는 수용할만한 정확성을 보였으나, 통화량 분포의 변화가 시간적으로 크고, 보행자의 이동성에 영향을 많이 받는 picocell (피코셀)의 특성을 적절히 반영하지 못하여 성능분석의 정확성을 기대하기 어렵다. 보행자의 가변적인 이동성을 수리적으로 분석하기 '위하여 랜덤 웍 (random-walk)모형을 적용하여 기존의 연구보다 개선시킨 확률모형을 제안한다. 제안된 모형으로 추계적 상관관계가 있는 보행자 이동성의 가변적 특성을 분석할 수 있다. 주요 통화량 성능지표를 제안된 모형으로 분석하였다.

• International Area Studies Review
• /
• v.21 no.4
• /
• pp.159-172
• /
• 2017

In a typical trend-cycle decomposition of GDP, the trend component is usually assumed to follow a random walk process. This paper considers an ARIMA trend and assesses the validity of the ARIMA trend model. I construct univariate and bivariate unobserved-components(UC) models, allowing the ARIMA trend. Estimation results using U.S. data are favorable to the ARIMA trend models. I, also, compare the forecasting performance of the UC models. Dynamic pseudo-out-of-sample forecasting exercises are implemented with recursive estimations. I find that the bivariate model outperforms the univariate model, the smoothed estimates of trend and cycle components deliver smaller forecasting errors compared to the filtered estimates, and, most importantly, allowing for the ARIMA trend can lead to statistically significant gains in forecast accuracy, providing support for the ARIMA trend model. It is worthy of notice that trend shocks play the main source of the output fluctuation if the ARIMA trend is allowed in the UC model.