Autocorrelation estimation of time series with randomly missing observations
随机缺失观测下的时间序列自相关估计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：摘要直接研究随机缺失时间序列的自相关估计及其偏差和协方差。
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
随机缺失观测下的时间序列自相关估计
- 研究问题
- 当时间序列中部分观测随机缺失时，如何估计自相关，并评估缺失观测对估计量偏差与协方差的影响？
- 方法与思路
- 作者在观测随机缺失的设定下提出自相关估计量，推导其协方差与偏差的近似公式，并讨论若干特殊情形。
- 材料陈述的贡献
- 摘要所述贡献是为随机缺失时间序列提供自相关估计及误差近似分析，但未列出估计量表达式或具体比较结果。
- 阅读关注点
- 应核对随机缺失的精确定义、其与序列取值的关系，以及近似公式所需的序列条件、样本规模和特殊情形。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；不能将“随机缺失”直接解释为特定现代缺失机制，摘要未说明详细条件或刊本差异。
原文摘要
Estimation of the autocorrelations of a time series is considered when some observations are missing. Missing observations are assumed to occur at random. Estimators are proposed and approximate formulae are derived for their covariance and bias. Some particular cases are discussed.