Maximum Likelihood Estimation of Order m for Stationary Stochastic Processes
平稳随机过程的 m 阶最大似然估计AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要研究平稳随机过程并以近期观测构造条件似然近似，直接对应时间序列方法。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
平稳随机过程的 m 阶最大似然估计
- 研究问题
- 平稳随机过程的完整似然难以计算时，能否仅利用最近若干次观测的条件信息构造可计算的估计，并分析其渐近性质？
- 方法与思路
- 作者采用以最近 m 次观测为条件的样本项近似对数似然，给出相应估计量的一般渐近结果，并在特殊情形中作数值比较。
- 材料陈述的贡献
- 摘要称，这种有限历史的似然近似为难以计算完整似然的过程提供估计途径，并给出渐近性质及与其他估计量的特殊案例比较。
- 阅读关注点
- 应核对近似目标函数的准确写法、m 的选择与渐近处理、估计量的目标参数，以及数值比较所涉及的过程和基准。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；其对求和项的表述需查原文确认，具体渐近条件与比较结果未说明。
原文摘要
SUMMARY Sometimes the likelihood cannot be computed even introducing approximations whose effect is asymptotically negligible. To overcome this problem for inference from a stochastic process, we approximate the log likelihood by a sum whose generic term is the density function of the corresponding sample element conditional on the m most recent observations, for some m ≥ 0. General results on the asymptotic properties of the associated estimates are given, and numerical comparisons with other estimators are carried out in special cases.