The asymptotic distribution of the sample inverse autocorrelations of an autoregressive-moving average process
ARMA 过程样本逆自相关的渐近分布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 ARMA 时间序列及样本逆自相关的分布性质。
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
ARMA 过程样本逆自相关的渐近分布
- 研究问题
- 逆自相关可用于时间序列模型识别，但实际需要从数据估计；这些样本估计量具有怎样的渐近分布性质？
- 方法与思路
- 作者利用两个自回归移动平均过程之间，自相关与逆自相关的对偶关系，推导样本逆自相关估计量的渐近分布。
- 材料陈述的贡献
- 摘要称建立了样本逆自相关的渐近分布，为时间序列建模识别阶段理解其估计不确定性提供理论依据。
- 阅读关注点
- 应核对逆自相关的定义与估计方式、对偶过程的构造，以及极限分布所需条件和不同滞后项之间的协方差。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；具体极限分布、过程条件及有限样本误差未说明，不能据此直接构造未经核对的模型识别阈值。
原文摘要
The inverse autocorrelations of a time series are useful at the identification stage of model building. In practice these quantities must be estimated from the data and so the distributional properties of the estimators are of great importance. In this paper the asymptotic distribution of the sample inverse autocorrelations is derived, making use of the duality between the autocorrelations and inverse autocorrelations of two autoregressive-moving average processes.