Confidence Intervals for Autocorrelations Based on Cyclic Samples
基于周期抽样的自相关置信区间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：摘要直接讨论自相关函数、周期抽样及低阶 ARMA 过程的区间推断。
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
基于周期抽样的自相关置信区间
- 研究问题
- 通过周期性抽样估计随机过程各阶滞后的自相关后，如何量化这些估计的不确定性，尤其对低阶 ARMA 过程？
- 方法与思路
- 作者在已有周期抽样自相关估计方法上推导近似置信区间，重点讨论低阶自回归移动平均过程，并提供应用示例。
- 材料陈述的贡献
- 摘要的主要贡献是为周期抽样获得的自相关估计补充近似区间推断，并以植物病害流行病学例子说明方法。
- 阅读关注点
- 应核对周期抽样安排、各滞后估计的计算方式、区间近似依据，以及不同 ARMA 参数和样本量下的覆盖情况。
- 阅读边界
- 仅据版本未注明的索引摘要；摘要未说明抽样周期、近似公式与覆盖率结果，不能视为任意过程下的精确区间。
原文摘要
Clinger and Van Ness have shown how to sample a stochastic process in a periodic manner such that the autocorrelation function for that process can be estimated at all lags. We derive approximate confidence intervals for these estimates, focusing on low-order autoregressive moving average processes. Our methods are illustrated with an example from plant disease epidemiology.