Aproximate Distributions of the Periodogram and Related Statistics under Normality
正态性下周期图及相关统计量的近似分布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：摘要研究周期图、谱估计与预测误差方差等频域统计量，直接支持时间序列分类，但未研究具体预测方法。
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
正态性下周期图及相关统计量的近似分布
- 研究问题
- 在正态性假设下，如何更精细地近似周期图及其衍生统计量的分布，并研究谱和预测误差方差估计的高阶性质？
- 方法与思路
- 作者利用将周期图分解为两个独立随机变量之和的定理推导高阶分布近似，并将部分近似结果与模拟参照作图比较。
- 材料陈述的贡献
- 摘要称，该分解支持周期图及谱估计量、预测误差方差估计量的高阶性质分析，并展示部分分布近似的图形比较。
- 阅读关注点
- 应核对独立分解成立的条件、高阶近似的阶数与误差控制，以及模拟参照的构造和不同统计量的适用范围。
- 阅读边界
- 摘要未报告近似精度、频率或样本量条件；结果以正态性为前提，不能据此推广到非正态或任意依赖过程。
原文摘要
Under normality, we obtain higher-order approximations to the distributions of the periodogram and related statistics. Our approach is based on the theorem which decomposes the periodogram into the sum of two independent random variables. It is seen that this decomposition enables us to study fairly closely the higher-order properties of not only the periodogram, but also periodogram-based statistics such as the estimators of the spectrum and prediction error variance. Some of the approximation results are graphically presented together with the exact results based on simulations.