Bias in the sample autocorrelations of fractional noise
分数噪声样本自相关的偏差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：摘要直接讨论分数噪声和样本自相关偏差，属于时间序列分析。
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
分数噪声样本自相关的偏差
- 研究问题
- 当分数噪声的差分参数为正时，为何理论自相关的鲜明形态可能难以在中等长度序列中观察到，未知均值在其中起什么作用？
- 方法与思路
- 摘要聚焦分数噪声样本自相关与理论自相关之间的差异，指出未知过程均值伴随严重偏差，但未说明具体推导或验证方法。
- 材料陈述的贡献
- 摘要强调，中等长度序列的样本自相关可能难以呈现分数噪声的理论特征，为通过样本自相关判断长记忆行为提供警示。
- 阅读关注点
- 应核对偏差的定义、均值估计方式、差分参数与序列长度如何影响偏差，以及文章是否提供校正方法或数值验证。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明，不能推断刊本变化；摘要极短，未给出偏差公式、样本长度或校正方案，不能量化失真程度。
原文摘要
The autocorrelation function of fractional noise, when the difference parameter is positive, is quite distinctive. However, for time series of moderate length, this pattern is unlikely to be seen in the sample autocorrelations, which are severely biased when the process mean is unknown.