A test of location for data with slowly decaying serial correlations
序列相关缓慢衰减数据的位置参数检验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：摘要直接研究缓慢衰减的序列相关，并明确扩展到未来平均值的预测区间。
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
序列相关缓慢衰减数据的位置参数检验
- 研究问题
- 序列相关缓慢衰减时，如何修正位置参数的常规检验与置信推断，并构造未来平均值的预测区间？
- 方法与思路
- 作者提出考虑该相关结构的修正 t 检验，在分数高斯噪声假设下给出统计量分布近似，再扩展至预测区间。
- 材料陈述的贡献
- 摘要称，论文提供位置检验的修正方法与近似分布，并将结果用于未来平均值的预测区间，以例子说明应用。
- 阅读关注点
- 应核对相关衰减参数的设定与估计、分数高斯噪声假设，以及近似分布和预测区间对设定偏离的敏感性。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；近似精度和参数处理未说明，不能推广到任意长记忆过程或推断刊本变化。
原文摘要
Slowly decaying serial correlations have, if ignored, disastrous effects on classical tests and confidence intervals. We propose a modified t test for the location parameter which takes into account such correlations. An approximate distribution function of the test statistic is given under the assumption of fractional Gaussian noise. The results are generalized to prediction intervals for a future average. An example is given to illustrate the methods.