The Maximum of the Periodogram of a Sequence of Functional Data
函数型数据序列周期图的最大值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：摘要明确研究函数型时间序列的频域分析与周期检测，对应时间序列方法方向，但并未说明应用数据属于宏观经济。
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…
函数型数据序列周期图的最大值
- 研究问题
- 对于函数型时间序列，在周期长度未知的情况下，如何利用各基本频率上的周期图最大值检测潜在周期信号？
- 方法与思路
- 作者借助高斯逼近理论，推导周期图算子在全部基本频率上的最大范数渐近分布，并由独立噪声推广到函数型线性过程。
- 材料陈述的贡献
- 摘要称所建立的分布理论可用于未知周期的信号检测，并通过模拟和真实数据展示该检测方法的应用。
- 阅读关注点
- 应核对周期图算子及范数的定义、高斯逼近和线性过程的条件，以及未知周期检测的校准方式与有限样本表现。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；分布形式、依赖条件和真实数据细节未说明，不能推断刊本变化。
原文摘要
We study the periodogram operator of a sequence of functional data. Using recent advances in Gaussian approximation theory, we derive the asymptotic distribution of the maximum norm over all fundamental frequencies. We consider the case where the noise variables are independent and then generalize our results to functional linear processes. Our theory can be used for detecting periodic signals in functional time series when the length of the period is unknown. We demonstrate the proposed methodology in a simulation study as well as on real data. Supplementary materials for this article are available online.