Bayes Linear Estimators of the Intensity Function of the Nonstationary Poisson Process
非平稳泊松过程强度函数的贝叶斯线性估计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：摘要研究通用时间点过程的强度估计，未直接涉及所列宏观时间序列或金融高频场景。
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
非平稳泊松过程强度函数的贝叶斯线性估计
- 研究问题
- 当非平稳泊松过程的强度函数被赋予二阶随机过程先验时，如何在不同估计函数类别中求解估计量并比较其表现？
- 方法与思路
- 作者采用贝叶斯框架，分别在阶梯函数、移动平均及一类线性估计量中求解最小化问题，并推导最后一类的大区间近似。
- 材料陈述的贡献
- 摘要称，文章给出三类估计量及线性估计量的近似，并用阿尔伯塔省一九五三至一九七一年勘探油井发现过程作数值比较。
- 阅读关注点
- 应核对强度先验的均值与协方差、最小化的具体准则、各类估计量的限制，以及大区间近似条件和实例比较指标。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；摘要未说明损失函数、先验有效性条件或数值比较结果，不能判断估计优劣。
原文摘要
A Bayesian approach is taken to the problem of estimating the intensity function of a nonstationary Poisson process. The intensity function, Λ(t), − T < t < T, is a priori a second-order stochastic process. Estimators are found which minimize among, respectively, the class of step functions, the class of moving averages, and a class of linear estimators. An approximation for large T to the last estimator is found. These estimators are compared in a numerical example involving the wildcat oilwell discovery process in Alberta for the years 1953–1971.