Nonparametric inference for ergodic, stationary time series
遍历平稳时间序列的非参数推断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：摘要直接研究平稳遍历时间序列的下一期条件概率估计，并明确提及在线预测。
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…
遍历平稳时间序列的非参数推断
- 研究问题
- 对平稳遍历时间序列，如何仅使用有限长度的历史片段，强一致地估计给定无限过去时下一期观测的条件概率？
- 方法与思路
- 作者给出不同于摘要所述既有构造的算法，以有限历史片段构造估计序列，并讨论向回归、模式识别及在线预测的扩展。
- 材料陈述的贡献
- 摘要称，该方法为条件概率的强一致估计提供了另一种解法，其算法较简单、验证较清晰，并提及若干扩展方向。
- 阅读关注点
- 应核对条件概率的估计对象、强一致性的具体形式、算法使用历史信息的方式，以及各扩展是否有完整理论保证。
- 阅读边界
- 仅据稿件版本未注明的 OpenAlex 摘要；算法细节、适用状态空间及收敛速度未说明，不能推断刊本变化。
原文摘要
The setting is a stationary, ergodic time series. The challenge is to construct a sequence of functions, each based on only finite segments of the past, which together provide a strongly consistent estimator for the conditional probability of the next observation, given the infinite past. Ornstein gave such a construction for the case that the values are from a finite set, and recently Algoet extended the scheme to time series with coordinates in a Polish space. The present study relates a different solution to the challenge. The algorithm is simple and its verification is fairly transparent. Some extensions to regression, pattern recognition and on-line forecasting are mentioned.