A CLT for regularized sample covariance matrices
正则化样本协方差矩阵的中心极限定理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：摘要明确以平稳序列为对象，研究其样本协方差矩阵的渐近谱性质。
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
正则化样本协方差矩阵的中心极限定理
- 研究问题
- 对平稳但不必高斯的序列，带状化大维样本协方差矩阵的谱具有怎样的大数规律和渐近波动性质？
- 方法与思路
- 作者研究带状化正则估计量的谱性质，在同一渐近框架中建立大数定律与中心极限定理，并允许非高斯序列。
- 材料陈述的贡献
- 摘要称大数定律支持带状样本协方差矩阵的谱估计，主要贡献是同一框架下的中心极限定理，并称高斯情形亦新。
- 阅读关注点
- 应核对谱统计量的具体对象、矩阵维度与带宽的增长关系，以及平稳序列的依赖和矩条件与极限定理表述。
- 阅读边界
- 仅据版本未注明的索引摘要；渐近框架、归一化和效率含义未说明，作者的新颖性陈述也不能凭摘要独立验证。
原文摘要
We consider the spectral properties of a class of regularized estimators of (large) empirical covariance matrices corresponding to stationary (but not necessarily Gaussian) sequences, obtained by banding. We prove a law of large numbers (similar to that proved in the Gaussian case by Bickel and Levina), which implies that the spectrum of a banded empirical covariance matrix is an efficient estimator. Our main result is a central limit theorem in the same regime, which to our knowledge is new, even in the Gaussian setup.