Discrete Time Series Generated by Mixtures Ii: Asymptotic Properties
混合生成的离散时间序列（二）：渐近性质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：摘要明确研究平稳、依赖的离散时间序列模型及其渐近性质，直接对应时间序列方向。
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
混合生成的离散时间序列（二）：渐近性质
- 研究问题
- 对于由混合机制生成的平稳离散依赖序列，矩、百分位数与分位数估计以及边际分布拟合优度检验具有怎样的渐近性质？
- 方法与思路
- 作者研究由独立同分布离散变量的随机线性组合构成的 darma 过程，其边际分布与协方差结构由不同参数指定。
- 材料陈述的贡献
- 摘要称，论文获得矩、百分位数和分位数估计的极限结果，并研究该依赖序列边际分布的卡方拟合优度检验。
- 阅读关注点
- 应核对随机组合机制、边际与协方差参数的可行范围、极限结果的条件，以及序列依赖如何影响卡方检验校准。
- 阅读边界
- 仅据 Crossref 摘要；具体极限分布、收敛速率及检验修正未说明，不能把独立样本下的卡方临界值直接用于该过程。
原文摘要
Summary The darma (discrete mixed autoregressive-moving average) processes are a broad but parametrically simple class of models for a stationary sequence of dependent discrete random variables. A darma process is formed as a random linear combination of independent identically distributed discrete random variables. The process is specified by the distribution of the independent variables, which is also the marginal distribution of the random process, and several other chosen parameters which independently determine the covariance structure of the process. In this paper the asymptotic properties of the darma process are studied. Limiting results for estimates of moments, percentiles and quantiles are obtained. Asymptotic properties of the χ2 test for goodness-of-fit for the marginal distribution of the process are also studied.