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：摘要明确研究平稳随机过程，并以最近 m 个观测构造条件贡献，直接涉及时间序列估计。
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
- 当平稳随机过程的似然难以计算，且常规近似也无法解决时，如何利用有限长度的观测历史构造估计并研究其渐近性质？
- 方法与思路
- 作者以仅条件于最近 m 个观测的逐项贡献构造对数似然近似，研究相应估计量，并在特定情形下与其他估计方法进行数值比较。
- 材料陈述的贡献
- 摘要称给出了这类估计量渐近性质的一般结果，并通过特殊情形中的数值比较展示方法表现；未说明具体结论与比较结果。
- 阅读关注点
- 应核对近似目标的精确定义、m 的选择方式、渐近结果所需的过程条件，以及数值比较采用的模型、指标和基准估计量。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明。摘要未说明具体正则条件、m 的渐近安排或数值结果，不能据此判断估计效率或刊本变化。
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.