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：摘要直接讨论随机过程的自相关估计及低阶 ARMA 模型，属于时间序列推断方法。
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
- 按周期方式抽取随机过程样本后，如何为各滞后自相关估计构造近似置信区间，尤其是在低阶 ARMA 过程中？
- 方法与思路
- 作者沿用可估计所有滞后自相关的周期抽样思路，推导近似置信区间，并用植物病害流行病学实例说明。
- 材料陈述的贡献
- 摘要明确陈述的贡献是为周期抽样所得自相关估计提供近似区间推断，分析重点为低阶自回归移动平均过程。
- 阅读关注点
- 应核对周期抽样设计、区间近似的依据、估计量方差的计算，以及不同滞后和 ARMA 参数下的覆盖率表现。
- 阅读边界
- 材料是版本未注明的 OpenAlex 索引摘要；未说明近似条件、覆盖误差或是否同时覆盖多个滞后，不能推断刊本变化。
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.