VALID EDGEWORTH EXPANSION FOR THE SAMPLE AUTOCORRELATION FUNCTION UNDER LONG RANGE DEPENDENCE
长程依赖下样本自相关函数的有效 Edgeworth 展开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：摘要明确研究长记忆时间序列的样本自相关联合分布。
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…
长程依赖下样本自相关函数的有效 Edgeworth 展开
- 研究问题
- 对于平稳高斯长记忆过程，能否为多个样本自相关的联合分布建立有效的 Edgeworth 展开，并改善分布近似？
- 方法与思路
- 作者验证经过适当修改的多元 Edgeworth 展开条件，以证明样本自相关联合分布的展开有效，并通过模拟考察近似表现。
- 材料陈述的贡献
- 摘要称，论文证明了平稳高斯长记忆情形下展开的有效性；模拟显示该展开具有实用性与较好的近似准确度。
- 阅读关注点
- 应核对长记忆强度限制、展开的阶数与误差控制、联合分布涉及的滞后维数，以及模拟中准确度的评价方式。
- 阅读边界
- 仅据所给 Crossref 摘要，无法确定展开公式、余项阶数或适用记忆参数范围；结论不能直接推广到非高斯或非平稳过程。
原文摘要
We prove in this paper the validity of an Edgeworth expansion to the joint distribution of the sample autocorrelations of a stationary Gaussian long memory process. The method of proof relies on a verification of the suitably modified conditions for the validity of a multivariate Edgeworth expansion of Durbin (1980, Biometrika 67, 311–333). A simulation study proves the expansion to be useful and accurate.