Discrete Samples and Moving Sums in Stationary Stochastic Processes
平稳随机过程中的离散抽样与移动和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：摘要直接研究平稳自回归过程、时间聚合、等间距抽样和谱混叠，明确对应时间序列方法。
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
平稳随机过程中的离散抽样与移动和
- 研究问题
- 当潜在自回归数据仅以不重叠区间移动和的等间距样本被观察时，如何恢复潜在自回归系数及缺失信息？
- 方法与思路
- 作者分析聚合与等间距抽样造成的估计问题，讨论一致估计、已知阶数下有限缺失值插补，并扩展至含外生变量模型。
- 材料陈述的贡献
- 摘要称简单最小二乘不一致但潜在系数可一致估计；有限缺失值可按所述模型插补，连续缺失信息则受混叠限制。
- 阅读关注点
- 应核对聚合窗口、抽样间隔与自回归阶数的关系，以及一致估计的条件、有限插补的含义和混叠导致的限制。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；一致估计和插补的具体条件未提供，不能推断任意模型均可恢复或刊本变化。
原文摘要
Assume that an autoregression generates the basic data but that the observations are an equi-spaced sample of moving sums of the basic data for non-overlapping discrete intervals. Simple least squares estimates of the underlying autoregression are not consistent. It is shown that it is possible to estimate consistently the coefficients of the underlying autoregression based on the equi-spaced sample. These results are equivalent to showing how to interpolate a finite number of missing values between adjacent sample observations if it is assumed that the underlying model is an autoregression of a specified order. It is not possible to interpolate a continuum of missing observations on the basis of an equi-spaced sample; this assertion is equivalent to the aliasing problem well known in spectral analysis. Finally, the analysis is extended to an autoregression including exogenous variables.