Asymptotic Properties of the Wiener–Kolmogorov Predictor. Ii
Wiener–Kolmogorov 预测器的渐近性质（二）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：摘要明确分析自回归时间序列的线性预测器，同时研究谱密度与创新方差，直接对应时间序列和预测。
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
Wiener–Kolmogorov 预测器的渐近性质（二）
- 研究问题
- 将特定方法得到的自回归系数估计截断后，线性预测器、谱密度及创新方差估计具有什么渐近性质？
- 方法与思路
- 作者用截断后的自回归系数序列构造三类估计，分别分析有限阶和无限阶自回归过程，并与时域系数方法比较。
- 材料陈述的贡献
- 摘要称，作者推导这些截断估计的部分渐近性质，并开展与对应时域估计的比较，回应实际应用中的截断问题。
- 阅读关注点
- 应核对摘要所称 fles 方法的定义、截断阶数如何设定，以及有限阶与无限阶情形的条件、误差来源和比较标准。
- 阅读边界
- 仅据所给 Crossref 摘要；系数记号的排版不清，需查原 PDF，且摘要未给截断选择规则、具体渐近结论或预测误差结果。
原文摘要
Summary The asymptotic properties of the autoregressive estimates a (T)(u) obtained using the fles method (Bhansali, 1974) suggest that, in practice, a decision on truncating the a (T)(u) at u = p, say, will need to be taken. This truncated sequence of the auto-regressive estimates is used to form alternative estimates of the linear predictor, the autoregressive spectral density function and the innovation variance. Some of the asymptotic properties of these estimates are derived for the case when the observed time series is a sample of an infinite, as well as a finite, order autoregressive process. A comparison of these estimates with the corresponding estimates obtained using the time domain autoregressive coefficients is carried out.