Limiting Behavior of Functionals of the Sample Spectral Distribution
样本谱分布泛函的极限行为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：摘要直接研究平稳过程、样本谱分布及其参数估计的极限性质。
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
样本谱分布泛函的极限行为
- 研究问题
- 将平稳过程参数表示为谱分布上的多维核积分时，基于样本谱分布的估计量在何种条件下具有收敛性与渐近正态性？
- 方法与思路
- 作者利用 Fréchet 微分及其线性性，将多维泛函问题化为一维分析；先建立样本谱分布的一致范数界，再通过积分传递给估计量。
- 材料陈述的贡献
- 摘要称，推导了这些估计量渐近正态、几乎必然收敛和概率一界的条件，并说明谱分布估计误差的收敛速率可以传递。
- 阅读关注点
- 应核对平稳过程的依赖与矩条件、核函数及泛函可微性要求，以及线性化余项如何支持极限分布和误差界的传递。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；具体正则条件和极限方差未提供，不能据此认为任意谱泛函都满足这些结果。
原文摘要
The parameters of a stationary process can be viewed as functions of the spectral distribution function. This work concerns (estimators) parameters defined as integrals of $m (\geq 1)$-dimensional kernel functions with respect to the (sample) spectral distribution function. Conditions for asymptotic normality, almost sure convergence, and probability one bounds are derived for such estimators. The approach taken is based upon the reduction of an $m$-dimensional problem to one-dimension via consideration of a Frechet differential and its linearity. The probability one bound for the estimators is obtained by first establishing it $(O((n^{-1}\log n)^{1/2}))$ for the difference of the sample and true spectral distribution functions in the supnorm and then showing that this rate is transferred to the estimators through integration.