Estimating the Spectral Density at Frequencies Near Zero
零频率附近的谱密度估计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：摘要直接研究周期图、谱密度与序列均值推断，属于时间序列方法。
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
零频率附近的谱密度估计
- 研究问题
- 谱密度在零频率及正负π附近估计时，传统周期图核平滑的边界问题如何影响估计，尤其如何关系到均值推断？
- 方法与思路
- 作者将这些频率视为平滑问题中的有效边界，提出对周期图或对数周期图进行局部多项式回归，替代局部平均。
- 材料陈述的贡献
- 摘要提出针对特殊频率附近的谱估计方案，强调零频谱与样本均值的大样本方差相关，因而对均值推断具有作用。
- 阅读关注点
- 应核对有效边界的论证、局部多项式阶数及带宽、对数变换的处理，以及零频谱估计用于均值推断的条件。
- 阅读边界
- 仅据版本未注明的OpenAlex索引摘要，不能推断刊本变化；摘要未给出误差率、依赖条件或比较结果，谱归一化约定需全文确认。
原文摘要
Estimating the spectral density function f(w) for some w∈[−π,π] has been traditionally performed by kernel smoothing the periodogram and related techniques. Kernel smoothing is tantamount to local averaging, that is, approximating f(w) by a constant over a window of small width. Although f(w) is uniformly continuous and periodic with period 2π, in this article we recognize the fact that w = 0 effectively acts as a boundary point in the underlying kernel smoothing problem, and the same is true for w=±π. It is well-known that local averaging may be suboptimal in kernel regression at (or near) a boundary point. As an alternative, we propose a local polynomial regression of the periodogram or log-periodogram when w is at (or near) the points 0 or ±π. The case w = 0 is of particular importance since f(0) is the large-sample variance of the sample mean; hence, estimating f(0) is crucial in order to conduct any sort of inference on the mean. Supplementary materials for this article are available online.