Some Models for Discretized Series of Events
离散化事件序列的若干模型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：摘要直接研究二元时间序列、潜在时间动态和二阶性质，分类依据是时间序列方法。
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
离散化事件序列的若干模型
- 研究问题
- 当连续时间事件仅被记录为各区间内是否发生的二元序列时，如何建模潜在事件强度、时间依赖和多序列关系？
- 方法与思路
- 作者用未观测的连续时间离散状态马尔可夫过程控制双随机泊松过程强度，再经区间离散化生成二元时间序列。
- 材料陈述的贡献
- 摘要称，论文讨论模型的似然推断与二阶性质，并扩展至多个序列，以西欧若干受体的空气污染暴露时间为应用。
- 阅读关注点
- 应核对离散化区间长度对信息损失和参数识别的影响、多序列扩展的依赖结构，以及似然计算如何处理潜在状态。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；未提供识别条件、估计算法细节或应用数值，不能判断拟合和预测表现。
原文摘要
A discretized series of events is a binary time series that indicates whether or not events of a point process in the line occur in successive intervals. Such data are common in environmental applications. We describe a class of models for them, based on an unobserved continuous-time discrete-state Markov process, which determines the rate of a doubly stochastic Poisson process, from which the binary time series is constructed by discretization. We discuss likelihood inference for these processes and their second-order properties and extend them to multiple series. An application involves modeling the times of exposures to air pollution at a number of receptors in Western Europe.