On estimation of the wavelet variance
小波方差的估计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：摘要明确研究时间序列的尺度方差分解与估计，因此归入时间序列；其应用是海洋观测，未说明宏观应用。
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
小波方差的估计
- 研究问题
- 如何将时间序列方差分解到不同尺度，并比较离散小波变换估计量与最大重叠估计量的效率和区间估计表现？
- 方法与思路
- 作者分析基于离散小波变换和滤波解释的两种估计量，推导大样本分布，并讨论小波方差的近似置信区间。
- 材料陈述的贡献
- 摘要称，最大重叠估计量对一类过程更有效率；模拟中其近似在 128 个观测时已有合理表现，并给出海洋应用。
- 阅读关注点
- 阅读全文时应核对过程类别、尺度与边界处理、效率比较条件，以及置信区间构造和模拟所覆盖的情形。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；效率优势限于摘要所称过程类别，128 个观测的结果不能保证普遍适用。
原文摘要
The wavelet variance decomposes the variance of a time series into components associated with different scales. We consider two estimators of the wavelet variance: the first based upon the discrete wavelet transform, and the second, called the maximal-overlap estimator, based upon a filtering interpretation of wavelets. We determine the large sample distribution for both estimators and show that the maximal-overlap estimator is more efficient for a class of processes of interest in the physical sciences. We discuss methods for determining an approximate confidence interval for the wavelet variance. We demonstrate through Monte Carlo experiments that the large sample distribution for the maximal-overlap estimator is a reasonable approximation even for the moderate sample size of 128 observations. We apply our proposed methodology to a series of observations related to vertical shear in the ocean.