An Empirical Bayes Approach for Estimating the Mean of N Stationary Time Series
估计多条平稳时间序列均值函数的经验贝叶斯方法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：摘要直接涉及多条平稳时间序列、谱密度与均值函数估计，未明确设定宏观面板或因子模型。
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
估计多条平稳时间序列均值函数的经验贝叶斯方法
- 研究问题
- 对于包含共同均值函数的多条平稳时间序列，如何进行经验贝叶斯估计，并比较其与最大似然估计的渐近均方误差？
- 方法与思路
- 作者分别考虑固定时间函数和随机平稳正态均值过程，通过时间序列版单因素方差分析估计谱密度并代入贝叶斯近似。
- 材料陈述的贡献
- 摘要称，文章构造谱密度及经验贝叶斯估计量，并通过一个例子比较经验贝叶斯与最大似然估计的渐近均方误差。
- 阅读关注点
- 应核对多条序列之间的依赖、两种均值设定和先前数据的作用，并检查贝叶斯近似误差及比较例子的适用范围。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；无法核实刊本内容。摘要未报告比较方向或一般优势，单个例子不足以认定经验贝叶斯普遍更优。
原文摘要
An empirical Bayes procedure is considered for estimating a mean value function imbedded within a collection of N stationary time series. Two cases are considered: a mean value function that is a fixed function of time and one that is a stationary normal process. Estimators for the spectral densities are derived from prior data using an extension to time series of the usual one-way analysis of variance. These estimators are inserted into approximations for the classical Bayes estimators to obtain empirical Bayes estimators. Asymptotic mean square errors of the empirical Bayes and maximum likelihood estimators are compared by an example.