A direct representation for the maximum likelihood estimator of a Gaussian moving average process
高斯移动平均过程最大似然估计量的直接表示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：摘要明确研究离散高斯移动平均过程及样本序列相关，直接对应时间序列方法。
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
高斯移动平均过程最大似然估计量的直接表示
- 研究问题
- 如何将离散高斯移动平均过程各参数的最大似然估计量，表示为适当选取的大量样本序列相关系数的线性组合？
- 方法与思路
- 作者描述一种直接表示程序，用一组样本序列相关系数的线性组合表达各参数的最大似然估计量，并提供示例。
- 材料陈述的贡献
- 摘要将效率和渐近正态性作为已有背景，本文所述贡献是最大似然估计量的直接表示方法及其示范。
- 阅读关注点
- 应核对表示是精确关系还是渐近近似、相关系数的选择及组合权重，并检查过程阶数和参数范围的要求。
- 阅读边界
- 来源为版本未注明的 OpenAlex 摘要，且含疑似文字提取错误；表示形式、精确性及适用条件需核对原文，不能补造公式。
原文摘要
It has been known for several years that the maTin-mm likelihood estimator of the parameters of a discrete Gaussian moving average process is efficient and asymptotically normally distributed. A procedure is described in this paper which gives an expression for the maximum likelihood estimator of each parameter as a linear combination of a suitable large set of sample serial correlations. An illustration of this procedure is given.