Bayesian Estimation of Box–Jenkins Transfer Function-Noise Models
Box–Jenkins 传递函数—噪声模型的贝叶斯估计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：摘要明确研究 Box–Jenkins 传递函数—噪声这一时间序列模型的参数估计。
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
Box–Jenkins 传递函数—噪声模型的贝叶斯估计
- 研究问题
- 如何对 Box–Jenkins 传递函数—噪声模型的系数进行贝叶斯估计，并在精确后验过于复杂时获得可操作的单参数推断？
- 方法与思路
- 作者推导模型系数的精确后验密度，指出其复杂性造成的推断困难，并研究以 Student t 分布为基础的近似估计方案。
- 材料陈述的贡献
- 摘要称，论文提供系数的精确后验表达，并说明基于 Student t 分布的推断可近似解决估计问题，以应对精确分析的困难。
- 阅读关注点
- 应核对传递函数与噪声结构、先验和初始观测处理、t 分布近似的推导条件，以及近似误差如何影响参数区间推断。
- 阅读边界
- 依据所给 Crossref 摘要；先验形式、近似精度及适用模型复杂度未说明，不能声称近似与精确后验等价或推断版本变化。
原文摘要
Summary The problem of estimating the coefficients of the transfer function-noise models proposed by Box and Jenkins is considered. A Bayesian approach is taken and the exact posterior density function of the coefficients is derived. Because of the complexity of this function, inference about individual parameters is virtually impossible except in the most simple cases. Accordingly, it is desirable to consider certain approximations. In particular, it is shown that inference based on Student's t distribution provides an approximate solution to the estimation problem.