Permutational Extreme Values of Autocorrelation Coefficients and a Pitman Test Against Serial Dependence
自相关系数的置换极值与检验序列依赖的 Pitman 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：摘要直接研究自相关系数和序列依赖检验，对应时间序列方法。
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
自相关系数的置换极值与检验序列依赖的 Pitman 检验
- 研究问题
- 置换正态近似在条件分布下可能很差时，如何求出自相关统计量的置换取值极限，以构造序列依赖检验的临界值？
- 方法与思路
- 作者将序列统计量的置换极值问题联系到旅行商问题，显式解决一阶自相关情形，为限定取值区间上的贝塔近似提供依据。
- 材料陈述的贡献
- 摘要称，一阶自相关的置换极值可被显式求解，从而便于计算 Pitman 检验临界值；高阶自相关需要另一种处理方法。
- 阅读关注点
- 应核对自相关系数的具体定义、置换条件化方式、极值求解步骤，以及贝塔近似临界值的准确性和检验适用条件。
- 阅读边界
- 依据 OpenAlex 索引摘要，稿件版本未注明；摘要未给出极值公式或近似误差，且明确指出一阶结果不能直接推广到高阶自相关。
原文摘要
Normal approximations, as provided by permutational central limit theorems, conditionally can be arbitrarily bad. Such approximations therefore are poorly suited to the construction of critical values for Pitman (permutation) tests. A classical remedy consists in substituting a beta approximation (over the appropriate conditional interval range) for the normal one. Whereas deriving permutational extreme values for usual, nonserial statistics is generally straightforward, the corresponding problem for serial statistics (e.g., autocorrelation coefficients), however, appears somewhat more difficult. This problem, which is shown to reduce to a particular case of the well-known travelling salesman problem, is explicitly solved here for the autocorrelation coefficient of order one, allowing for a simple computation of permutational critical values for Pitman tests against serial dependence. The case of higher order autocorrelations is, however, of a different nature and requires another approach.