Recursive estimation of a drifted autoregressive parameter
随时间漂移的自回归参数的递归估计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：摘要明确研究自回归动态过程及其时变参数的递归估计。
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
随时间漂移的自回归参数的递归估计
- 研究问题
- 当一维自回归过程的参数随时间平滑变化，且每个时点只能使用此前观测时，如何递归估计当前参数？
- 方法与思路
- 作者把时变参数限制在预先指定、满足 Lipschitz 光滑条件的非参数函数类中，并提出使用历史观测的递归算法。
- 材料陈述的贡献
- 摘要称在一定模型条件下，推导了观测频率趋于无穷时递归估计量的收敛速度，但未报告具体速度表达式。
- 阅读关注点
- 应核对递归更新方式、历史窗口与调节参数的选择、噪声和稳定性条件，以及结论是否覆盖时间区间边界。
- 阅读边界
- 材料为稿件版本未注明的 OpenAlex 索引摘要；除光滑性外的模型条件及速度未列出，不能推断其适用于突变参数或刊本变化。
原文摘要
Suppose the $X_0,\dots, X_n$ are observations of a one-dimensional stochastic dynamic process described by autoregression equations when the autoregressive parameter is drifted with time, i.e. it is some function of time: $\theta_0,\dots, \theta_n$, with $\theta_k = \theta(k/n)$. The function $\theta(t)$ is assumed to belong a priori to a predetermined nonparametric class of functions satisfying the Lipschitz smoothness condition. At each time point $t$ those observations are accessible which have been obtained during the preceding time interval. A recursive algorithm is proposed to estimate $\theta(t)$.Under some conditions on the model,we derive the rate of convergence of the proposed estimator when the frequencyof observations $n$ tends to infinity.