Fixed-domain asymptotics for a subclass of Matérn-type Gaussian random fields
一类 Matérn 型高斯随机场的固定域渐近理论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：摘要研究计算机实验中的空间高斯随机场与固定域理论，没有对应所列时间序列、面板或金融方向的直接应用依据。
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
一类 Matérn 型高斯随机场的固定域渐近理论
- 研究问题
- 对于恰好具有一次均方可微性的 Matérn 型高斯随机场子类，能否获得闭式似然，并在固定观测域下一致估计协方差参数？
- 方法与思路
- 作者限定研究特定光滑度的随机场子类，推导其闭式似然，并在固定域渐近框架下分析协方差参数的筛最大似然估计。
- 材料陈述的贡献
- 摘要称确定了该子类的闭式似然函数，并在所称温和条件下证明协方差函数参数的筛最大似然估计具有弱一致性。
- 阅读关注点
- 核对子类的精确定义、空间观测设计、筛参数空间及增长规则，以及固定域下协方差参数可识别性和弱一致性条件。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；摘要未列出“温和条件”、收敛速度或极限分布，结论不能推广到所有 Matérn 模型。
原文摘要
Stein [Statist. Sci. 4 (1989) 432–433] proposed the Matérn-type Gaussian random fields as a very flexible class of models for computer experiments. This article considers a subclass of these models that are exactly once mean square differentiable. In particular, the likelihood function is determined in closed form, and under mild conditions the sieve maximum likelihood estimators for the parameters of the covariance function are shown to be weakly consistent with respect to fixed-domain asymptotics.