Testing That a Stationary Time Series is Gaussian
检验平稳时间序列是否为高斯过程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：摘要明确针对平稳时间序列的高斯性检验及其经验特征函数。
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
检验平稳时间序列是否为高斯过程
- 研究问题
- 在对平稳随机过程结构了解有限的情况下，如何检验其为高斯过程的复合假设，并允许部分检验设置由数据决定？
- 方法与思路
- 作者构造样本统计量偏差的二次型并对未知参数最小化，具体检验比较若干实数点上的经验与高斯特征函数。
- 材料陈述的贡献
- 摘要称通过零假设下标准化经验特征函数的弱收敛，证明某些数据依赖的特征函数评价点仍可保持检验有效性。
- 阅读关注点
- 应核对时间依赖的正则条件、未知参数的最小化步骤，以及哪些数据依赖评价点选择受到有效性结果覆盖。
- 阅读边界
- 仅据版本未注明的 OpenAlex 摘要；依赖条件、允许的选点规则及功效未说明，不能将有效性推广至任意数据选点。
原文摘要
A class of procedures is proposed for testing the composite hypothesis that a stationary stochastic process is Gaussian. Requiring very limited prior knowledge about the structure of the process, the tests rely on quadratic forms in deviations of certain sample statistics from their population counterparts, minimized with respect to the unknown parameters. A specific test is developed, which employs differences between components of the sample and Gaussian characteristic functions, evaluated at certain points on the real line. By demonstrating that, under $H_0$, the normalized empirical characteristic function converges weakly to a continuous Gaussian process, it is shown that the test remains valid when arguments of the characteristic functions are in certain ways data dependent.