The Exponential Autoregressive-Moving Average Earma( P,Q ) Process
指数边际分布的自回归移动平均 EARMA(p,q) 过程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：摘要明确构造具有指数边际分布的自回归移动平均时间序列模型。
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
指数边际分布的自回归移动平均 EARMA(p,q) 过程
- 研究问题
- 如何为具有指数边际分布的过程构造高阶自回归、移动平均及混合模型，并描述其相关结构以对应传统 ARMA 模型？
- 方法与思路
- 作者构造高阶 EAR 过程，将一阶指数移动平均扩展为高阶 EMA，分别求相关结构，再用单个独立同分布指数序列生成混合过程。
- 材料陈述的贡献
- 摘要称，所得 EARMA 过程结合 EAR 与 EMA 的相关结构，形成高斯 ARMA 时间序列模型在指数边际分布下的对应模型。
- 阅读关注点
- 阅读全文时应核对生成机制、参数约束、指数边际分布如何保持，以及混合模型的相关结构与传统 ARMA 的具体对应关系。
- 阅读边界
- 仅据所给 Crossref 摘要；生成公式、适用条件与估计方法未提供，模型类比不代表统计性质完全相同，也不能推断版本变化。
原文摘要
Summary A new model for pth-order autoregressive processes with exponential marginal distributions, ear(p), is developed and an earlier model for first-order moving average exponential processes is extended to qth-order, giving an ema(q) process. The correlation structures of both processes are obtained separately. A mixed process, earma(p,q), incorporating aspects of both ear(p) and ema(q) correlation structures is then developed. The earma(p, q) process is an analog of the standard arma(p, q) time series models for Gaussian processes and is generated from a single sequence of independent and identically distributed exponential varables.