Conditional Minimum Volume Predictive Regions for Stochastic Processes
随机过程的条件最小体积预测区域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：摘要明确以非线性时间序列的区间或区域预测为动机，并研究平稳依赖过程。
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
随机过程的条件最小体积预测区域
- 研究问题
- 对于非线性时间序列，如何随当前状态构造达到名义覆盖概率的预测区域，并使其在同等覆盖要求下体积最小？
- 方法与思路
- 作者为严格平稳过程构造依赖当前状态的最小体积预测区域，并在强混合条件下分析估计区域的覆盖概率和体积。
- 材料陈述的贡献
- 摘要称，论文建立估计预测区域的覆盖概率与 Lebesgue 测度的一致性、收敛速度及渐近正态性，并提供应用示例。
- 阅读关注点
- 核对条件覆盖与状态信息的定义、最小体积区域的构造，以及平稳性、混合速度和区域估计所需的其他条件。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；未说明具体估计步骤或有限样本覆盖结果，渐近性质不能直接保证每个状态的实际覆盖。
原文摘要
Motivated by interval/region prediction in nonlinear time series, we propose a minimum volume (MV) predictor for a strictly stationary process. The MV predictor varies with respect to the current position in the State space and has the minimum Lebesgue measure among all regions with the nominal coverage probability. We have established consistency, convergence rates, and asymptotic normality for both coverage probability and Lebesgue measure of the estimated MV predictor under the assumption that the observations are from a strong mixing process. Applications with both real and simulated datasets illustrate the proposed methods.