Robust Likelihood Calculation for Time Series
时间序列的稳健似然计算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：摘要直接研究时间序列的状态空间似然，并将水平跃迁作为候选结构变化处理。
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
时间序列的稳健似然计算
- 研究问题
- 当时间序列可能存在成段异常值或水平跃迁时，如何高效计算多个候选子模型的似然并支持稳健估计？
- 方法与思路
- 作者采用状态空间表示，对异常使用类似贝叶斯的处理方式，组织多个含异常区段或水平跃迁子模型的似然计算。
- 材料陈述的贡献
- 摘要提出一种计算高效的似然方法，作为稳健估计程序的基础，并指出它也适用于误差相关的线性回归。
- 阅读关注点
- 应核对异常区段与水平跃迁的建模方式、计算复用机制，以及稳健估计如何由子模型似然组合得到。
- 阅读边界
- 仅据所给 Crossref 摘要；计算复杂度、稳健性条件和两个例子的结果未说明，不能推断刊本变化。
原文摘要
SUMMARY We propose a computationally efficient method for calculating the likelihoods of a time series under many submodels, each of which assumes a patch of outliers or level shifts. We assume a state space representation of the time series model with a Bayesian-type treatment of anomalies. The calculations form the basis for an efficient and robust estimation procedure. The method is also applicable to linear regression with correlated errors and is illustrated with two examples.