The Joint Asymptotic Distribution of Entropy and Complexity
熵与复杂度的联合渐近分布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。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
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：摘要围绕弱依赖序列、长期协方差和序列依赖检验展开，直接对应时间序列方法；未提供具体宏观数据应用的依据。
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
熵与复杂度的联合渐近分布
- 研究问题
- 作者研究弱依赖时间序列的序数模式频率及熵—复杂度对的渐近分布，以支持序列依赖检验和估计不确定性量化。
- 方法与思路
- 作者分析序数模式频率的长期协方差，结合解析与模拟近似，并区分均匀和非均匀模式分布推导不同极限结果。
- 材料陈述的贡献
- 摘要称，获得熵—复杂度对的两类极限定理，据此构造序列依赖检验、考察有限样本表现，并近似度量估计不确定性。
- 阅读关注点
- 应核对弱依赖条件、序数模式的定义和维度、均匀分布情形为何需要不同极限，以及长期协方差估计和检验校准方法。
- 阅读边界
- 依据 arXiv 预印本摘要，同行评审或期刊接收未核实；摘要未列出具体极限分布和有限样本结果，不能判断对任意序列均适用。
原文摘要
We derive the asymptotic distribution of ordinal-pattern frequencies under weak dependence conditions and investigate the long-run covariance matrix not only analytically for moving-average, Gaussian, and the novel generalized coin-tossing processes, but also approximately by a simulation-based approach. Then, we deduce the asymptotic distribution of the entropy-complexity pair, which emerged as a popular tool for summarizing the time-series dynamics. Here, we make the necessary distinction between a uniform and a non-uniform ordinal pattern distribution and, thus, obtain two different limit theorems. On this basis, we consider a test for serial dependence and check its finite-sample performance. Moreover, we use our asymptotic results to approximate the estimation uncertainty of entropy-complexity pairs.