A direct representation for the large-sample maximum likelihood estimator of a Gaussian autoregressive-moving
高斯自回归移动平均模型大样本极大似然估计量的直接表示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：摘要明确研究高斯自回归移动平均过程的参数估计及样本序列相关，直接对应时间序列。
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
高斯自回归移动平均模型大样本极大似然估计量的直接表示
- 研究问题
- 在高斯残差的自回归移动平均模型中，能否通过大样本下可忽略的简化，把参数估计写成样本序列相关的直接函数？
- 方法与思路
- 作者从高斯极大似然程序出发引入两项简化，将估计量分量表示为适当样本序列相关的线性组合或这些组合的有理函数。
- 材料陈述的贡献
- 摘要称，文章给出一种简便的参数估计程序，其直接表示来自两项大样本影响可忽略的简化，有助于理解估计计算。
- 阅读关注点
- 应核对两项简化的具体内容、可忽略性的渐近条件、所用样本相关集合，以及直接表示与原始似然估计的关系。
- 阅读边界
- 所给英文题名有截断，导读结合摘要理解；索引稿件版本未注明，简化条件及有限样本精度未说明，不能推断刊本变化。
原文摘要
SUMMARY A simple procedure is described for obtaining the estimator of the parameters of an autoregressive-moving average process. The estimator is derived from the maximum likelihood procedure assuming Gaussian residuals by making two simplifying assumptions which are negligible in large samples. Components of the estimator are expressed as linear combinations of a suitable set of sample serial correlations or as a rational function of such linear combinations.