Bias in the Sample Autocorrelations of Fractional Noise
分数噪声样本自相关的偏差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：摘要明确讨论分数噪声时间序列的自相关及其样本偏差，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
分数噪声样本自相关的偏差
- 研究问题
- 当分数噪声的差分参数为正、过程均值未知时，为何中等长度序列的样本自相关可能难以呈现理论自相关的特征？
- 方法与思路
- 摘要围绕分数噪声的理论自相关与有限长度样本自相关之间的差异，讨论未知过程均值时的偏差，但未说明分析方法。
- 材料陈述的贡献
- 摘要指出，均值未知时样本自相关可能存在严重偏差，使正差分参数对应的鲜明理论模式难以在中等长度数据中观察。
- 阅读关注点
- 应核对样本自相关和均值处理的具体定义、偏差的推导或评估方式，以及序列长度与差分参数如何影响结果。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；摘要很短，未给出偏差公式、适用参数范围或修正方法，不能推断具体偏差大小。
原文摘要
The autocorrelation function of fractional noise, when the difference parameter is positive, is quite distinctive. However, for time series of moderate length, this pattern is unlikely to be seen in the sample autocorrelations, which are severely biased when the process mean is unknown.