Tests for periodic components in multiple time series
多元时间序列周期成分的检验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：题名和摘要明确研究多元时间序列、周期图与谱密度，直接属于时间序列分析。
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
多元时间序列周期成分的检验
- 研究问题
- 如何检测多元时间序列中的周期成分，并从独立高斯序列的精确分布扩展到具有相关结构的线性序列？
- 方法与思路
- 作者以周期图矩阵的欧氏范数构造统计量，推导独立高斯情形的精确分布，再研究谱密度矩阵估计替代。
- 材料陈述的贡献
- 摘要称，给出高斯线性序列的渐近扩展与极值定理，并指出非高斯序列的分布可由高斯情形作适当近似。
- 阅读关注点
- 核对周期图矩阵及其范数的定义、谱密度估计的条件，以及精确分布、渐近结论和非高斯近似各自的范围。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；依赖条件、频率范围与近似误差未说明，不能把独立高斯下的精确结论直接推广。
原文摘要
The problem of testing for periodicities in multiple time series is considered. The test statistic proposed is based on the Euclidean norm of the matrix of periodograms. We first obtain the exact distribution of our test statistic under the hypothesis that observations are taken from an n-vector time series consisting of independent series of independent normal variables. We extend the theory to normal linear series with a specified spectral density matrix and then show that a suitable estimate can be used to replace this matrix in our test statistic. These results are asymplotic in nature. Extreme value theorems are stated for the case of normal variates and it is shown that the distributions for nonnormal series can be approximated adequately by those for normal series.