The Asymptotic Distribution of the Sample Autocorrelations for an Integrated ARMA Process
单整 ARMA 过程样本自相关的渐近分布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：摘要直接研究单整 ARMA 过程及样本自相关的渐近分布，属于时间序列方法。
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
单整 ARMA 过程样本自相关的渐近分布
- 研究问题
- 单整自回归移动平均时间序列的样本自相关具有何种渐近分布，该分布如何随滞后阶数及过程参数变化？
- 方法与思路
- 作者分析单整 ARMA 序列的样本自相关函数，将其非正态渐近分布表述为滞后阶数与过程参数的函数，并考察近似效果。
- 材料陈述的贡献
- 摘要称刻画样本自相关的非正态渐近分布，同时考察该近似在中等样本规模下是否能够有效描述统计量的行为。
- 阅读关注点
- 应核对单整阶数、滞后阶数的处理方式、极限分布对参数的依赖，以及中等样本评估所采用的参数和样本量范围。
- 阅读边界
- 依据 OpenAlex 索引摘要，稿件版本未注明，不能推断刊本变化；摘要未给出极限分布公式、具体条件或近似误差结果。
原文摘要
The behavior of the sample autocorrelation function, r(k), for an integrated autoregressive moving average time series is examined. The nonnormal asymptotic distribution of r(k) is characterized as a function of lag k and the parameters of the process. The validity of the approximation in moderate-sized samples is examined.