A Direct Representation for the Maximum Likelihood Estimator of a Gaussian Moving Average Process
高斯移动平均过程最大似然估计量的直接表示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：题名与摘要明确研究高斯移动平均过程及样本序列相关系数，直接属于时间序列估计。
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
高斯移动平均过程最大似然估计量的直接表示
- 研究问题
- 研究离散高斯移动平均过程的参数最大似然估计量，能否通过足够多的样本序列相关系数给出直接表示，以揭示其计算结构。
- 方法与思路
- 作者描述一种程序，将各参数的最大似然估计量表示为适当选取的一大组样本序列相关系数的线性组合，并提供程序的示例。
- 材料陈述的贡献
- 摘要所述新贡献是最大似然估计量的表示程序与示例；效率及渐近正态性被作为已有背景陈述，不能将其归为本文首次证明。
- 阅读关注点
- 应核对线性组合的权重如何获得、相关系数的选取范围，以及该表示是有限样本恒等式还是渐近形式，并检查示例与模型条件。
- 阅读边界
- 仅据版本未注明的索引摘要，且文字存在识别乱码；表示的精确性、模型限制与计算步骤未说明，需查阅原文确认。
原文摘要
It has been known for several years that the maTin-mm likelihood estimator of the parameters of a discrete Gaussian moving average process is efficient and asymptotically normally distributed. A procedure is described in this paper which gives an expression for the maximum likelihood estimator of each parameter as a linear combination of a suitable large set of sample serial correlations. An illustration of this procedure is given.