On the Statistical Inference of a Machine-generated Autoregressive AR(1) Model
机器生成 AR(1) 模型的统计推断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 AR(1) 时间序列模型及其 Yule–Walker 自回归参数估计的渐近性质。
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
机器生成 AR(1) 模型的统计推断
- 研究问题
- 当 AR(1) 模型噪声不满足独立性、而采用更弱假设时，Yule–Walker 参数估计的渐近性质如何变化？
- 方法与思路
- 作者在比噪声独立性更弱的假设下推导 Yule–Walker 估计量的渐近偏差与极限分布，具体弱化条件未列出。
- 材料陈述的贡献
- 摘要称这些结果提示经典结论具有一定稳健性，并有助于理解使用伪随机数模拟来验证经典结果的做法。
- 阅读关注点
- 应核对噪声依赖条件、机器生成序列与理论模型的对应关系，以及渐近偏差和极限分布适用的参数范围。
- 阅读边界
- 仅据所给 Crossref 摘要；弱化独立性的具体条件未说明，不能将稳健性陈述推广到任意依赖噪声或伪随机生成器。
原文摘要
Summary We have obtained the asymptotic bias and the limiting distribution for the Yule–Walker estimator of the autoregressive parameter under a considerably weaker assumption than that of independence in the noise sequence. Among other things, these suggest robustness of the classical results and throw some light on the use of simulations based on pseudorandom numbers in verifying these results.