A Note on Prediction from an Autoregressive Process Using Pistimetric Probability
利用 Pistimetric 概率预测自回归过程的说明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：题名明确讨论自回归过程预测，摘要明确求取马尔可夫过程未来值分布，直接对应时间序列与预测方法。
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
利用 Pistimetric 概率预测自回归过程的说明
- 研究问题
- 如何在自回归或马尔可夫过程的预测中同时描述参数与未来取值的不确定性，并结合贝叶斯和充分估计量相关推断？
- 方法与思路
- 作者将 Bayes 定理与一种适用于存在充分估计量情形的推断方法结合，求取马尔可夫机制参数及未来值的分布。
- 材料陈述的贡献
- 摘要明确报告得到了参数分布和未来值分布；没有说明这种组合的具体形式、预测评价或相对于其他方法的优势。
- 阅读关注点
- 核对 Pistimetric 概率的原文定义、组合推断的逻辑、模型和充分估计量条件，以及未来值分布如何纳入参数不确定性。
- 阅读边界
- 仅据所给 Crossref 简短摘要；术语定义、先验及模型细节未提供，不能将该方法等同于现代标准贝叶斯预测或推断其性能。
原文摘要
Summary The distributions of the parameters and of the future values of a Markov scheme are obtained by a technique which combines the use of Bayes' theorem with the method of inference sometimes considered appropriate to situations where there exist sufficient estimators.