Bayes Linear Estimators of the Intensity Function of the Nonstationary Poisson Process
非平稳泊松过程强度函数的贝叶斯线性估计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：摘要研究一般计数过程的强度估计并使用油井发现实例，尚不足以将其归为宏观时间序列或金融高频计量。
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
非平稳泊松过程强度函数的贝叶斯线性估计
- 研究问题
- 当非平稳泊松过程的强度函数本身被赋予随机过程先验时，如何在不同函数或线性估计类中选择最优估计？
- 方法与思路
- 作者将强度函数先验设为二阶随机过程，分别在阶梯函数、移动平均和线性估计类中求解，并讨论大时间区间近似。
- 材料陈述的贡献
- 摘要称得到三个类别中的最优估计及线性估计的大区间近似，并用阿尔伯塔油井发现过程的数值例子进行比较。
- 阅读关注点
- 应核对先验均值与协方差、所最小化的损失、各估计类的限制及大区间近似条件，并查看实例的观测与评价方式。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；损失函数与先验细节未说明，也未报告数值比较结果，不能判断哪类估计总体更好。
原文摘要
A Bayesian approach is taken to the problem of estimating the intensity function of a nonstationary Poisson process. The intensity function, Λ(t), − T < t < T, is a priori a second-order stochastic process. Estimators are found which minimize among, respectively, the class of step functions, the class of moving averages, and a class of linear estimators. An approximation for large T to the last estimator is found. These estimators are compared in a numerical example involving the wildcat oilwell discovery process in Alberta for the years 1953–1971.