The Likelihood Ratio Detector for Non-Gaussian Infinitely Divisible, and Linear Stochastic Processes
非高斯无限可分及线性随机过程的似然比检测器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：摘要聚焦随机过程与函数空间测度的一般理论，未明确给出时间序列计量模型或其他所列领域的直接研究对象。
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
非高斯无限可分及线性随机过程的似然比检测器
- 研究问题
- 两个无限可分随机过程在函数空间上诱导的概率测度，何时具有绝对连续关系，其似然比具有怎样的分布？
- 方法与思路
- 作者从函数空间上的诱导测度出发，研究绝对连续性及作为 Radon–Nikodym 导数的似然比分布，再应用于线性过程。
- 材料陈述的贡献
- 摘要称，文章研究无限可分过程之间的测度关系和似然比分布，并将结果应用于文中证明具有无限可分性的线性过程。
- 阅读关注点
- 应核对所研究过程的具体类别、绝对连续性条件、似然比分布的表示，以及线性过程无限可分结论的适用范围。
- 阅读边界
- 依据 OpenAlex 索引摘要，稿件版本未注明；摘要未提供过程定义、定理条件或检测性能，不能推广至任意线性随机过程。
原文摘要
We consider the problem of determining absolute continuity, and the distribution of the likelihood ratio (Radon-Nikodym derivative) of the measures induced on function space by two infinitely divisible stochastic processes. The results are applied to linear processes, which are shown to be infinitely divisible.