Efficiencies of Weighted Averages in Stationary Autoregressive Processes
平稳自回归过程加权平均估计量的效率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：摘要明确研究平稳自回归过程的均值估计及其时间依赖结构下的效率。
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
平稳自回归过程加权平均估计量的效率
- 研究问题
- 对于平稳自回归过程的均值估计，当多个估计量具有相同渐近方差时，如何进一步比较其效率及参数变化下的表现？
- 方法与思路
- 作者采用二阶效率准则比较样本均值与若干加权平均估计量，并以二阶、三阶自回归过程的数值例子展示差异。
- 材料陈述的贡献
- 摘要称，样本均值在某些条件下表现较差，而部分加权平均在过程参数变化时表现较稳定；最优线性无偏估计依赖未知参数。
- 阅读关注点
- 核对二阶效率的定义、样本均值表现较差的参数条件，以及加权方案是否依赖未知参数和如何落实为可计算估计量。
- 阅读边界
- 材料仅为版本未注明的 OpenAlex 索引摘要；较差表现的具体条件和效率差异数值未说明，不能推断刊本变化。
原文摘要
The criterion of second-order efficiency is used to distinguish among estimators, which have the same asymptotic variance, of the mean of a stationary autoregressive process. The best linear unbiased estimator is typically unknown, since it depends on the parameters of the process. It is demonstrated by second-order efficiency that the sample mean performs poorly under certain conditions, whereas some weighted averages maintain a more consistent performance as the parameters of the underlying process are allowed to vary. Numerical examples are shown for second-and third-order autoregressive processes.