A Characterization Problem in Stationary Time Series
平稳时间序列的一个刻画问题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：摘要明确研究严格平稳过程、自回归结构与马尔可夫性质，直接对应时间序列理论。
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
平稳时间序列的一个刻画问题
- 研究问题
- 若严格平稳过程在给定阶数之后的线性预测残差均独立于过去观测，这一条件会对过程的分布与记忆结构施加什么限制？
- 方法与思路
- 作者从线性预测残差与过去观测独立的条件出发刻画严格平稳过程，并定义广义非线性自回归平稳过程进行部分刻画。
- 材料陈述的贡献
- 摘要称，满足所述条件的过程必为高斯过程、退化过程或相应阶数的马尔可夫过程，并给出非线性自回归过程的部分结果。
- 阅读关注点
- 应核对残差独立条件中的阶数与系数要求、三类结论的准确含义，以及广义非线性自回归定义和部分刻画的边界。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；摘要未展开定理的完整技术条件，也未说明非线性过程刻画的具体范围。
原文摘要
If a strictly stationary process $\{Z_k\}$ has residuals $Z_{k+1} - \sum^k_{j=1} a_{k,j}Z_j$ independent of $(Z_1, \cdots, Z_k)$ for all $k \geq m$, it is shown that the process is Gaussian or degenerate or $m$-step Markovian. Generalized (nonlinear) autoregressive stationary processes are defined and partially characterized.