Simultaneous confidence bands in spectral density estimation
谱密度估计的同时置信带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：摘要明确研究高斯时间序列的谱密度、周期图平滑及频域自助推断。
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
谱密度估计的同时置信带
- 研究问题
- 如何为高斯过程的平滑谱密度构造覆盖所有频率的同时置信带，并可靠近似最大标准化偏差的分布。
- 方法与思路
- 作者平滑周期图得到核估计，利用学生化统计量确定各频率带宽度，再以频域自助法估计该统计量跨频率上确界的分布。
- 材料陈述的贡献
- 摘要称借助强逼近证明自助法分布估计的一致性及置信带的渐近同时覆盖，并用模拟和真实数据展示有限样本表现。
- 阅读关注点
- 应核对高斯过程与依赖条件、平滑参数及学生化方式，特别区分平滑谱密度目标与原始谱密度，以及同时覆盖与逐点覆盖。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；具体平滑和正则条件未说明，所述覆盖针对平滑谱密度，不能直接推广至原始谱或非高斯过程。
原文摘要
We propose a method for the construction of simultaneous confidence bands for a smoothed version of the spectral density of a Gaussian process based on nonparametric kernel estimators obtained by smoothing the periodogram. A studentized statistic is used to determine the width of the band at each frequency and a frequency-domain bootstrap approach is employed to estimate the distribution of the supremum of this statistic over all frequencies. We prove by means of strong approximations that the bootstrap estimates consistently the distribution of the supremum deviation of interest and, consequently, that the proposed confidence bands achieve asymptotically the desired simultaneous coverage probability. The behaviour of our method in finite-sample situations is investigated by simulations and a real-life data example demonstrates its applicability in time series analysis.