Asymptotically Efficient Prediction of a Random Field with a Misspecified Covariance Function
协方差函数误设下随机场预测的渐近有效性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：摘要研究空间随机场预测，未提供宏观时间序列预测等所列方向的直接依据。
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
协方差函数误设下随机场预测的渐近有效性
- 研究问题
- 在有界区域内根据不断接近目标点的观测预测随机场时，协方差函数设定错误是否仍可保留预测的渐近有效性？
- 方法与思路
- 作者考察观测点以预测位置为极限点但不包含该位置的情形，并要求误设与真实协方差对应的高斯测度相互绝对连续。
- 材料陈述的贡献
- 摘要称在上述观测布局与高斯测度等价条件下，使用误设协方差构造的预测器，随观测数量增加仍具有渐近有效性。
- 阅读关注点
- 应核对渐近有效性的具体定义、高斯测度等价的可检验条件、观测点布局要求，以及结论是否需要额外的均值设定。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；未说明效率度量和收敛速度，结论不能推广到任意协方差误设或有限样本预测。
原文摘要
Best linear unbiased predictors of a random field can be obtained if the covariance function of the random field is specified correctly. Consider a random field defined on a bounded region $R$. We wish to predict the random field $z(\cdot)$ at a point $x$ in $R$ based on observations $z(x_1), z(x_2), \ldots, z(x_N)$ in $R$, where $\{x_i\}^\infty_{i = 1}$ has $x$ as a limit point but does not contain $x$. Suppose the covariance function is misspecified, but has an equivalent (mutually absolutely continuous) corresponding Gaussian measure to the true covariance function. Then the predictor of $z(x)$ based on $z(x_1), \ldots, z(x_N)$ will be asymptotically efficient as $N$ tends to infinity.