Spectral Analysis with Randomly Missing Observations
随机缺失观测下的谱分析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：摘要讨论随机缺失序列的谱密度估计，直接对应时间序列分析。
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
随机缺失观测下的谱分析
- 研究问题
- 当序列数据存在随机缺失观测时，什么条件允许一致估计观测过程的谱密度，以及如何构造并评估相应估计量？
- 方法与思路
- 作者研究随机缺失情形下谱密度可一致估计的条件，提出一个估计量，并通过模拟考察该估计量的前两个矩。
- 材料陈述的贡献
- 摘要明确陈述一致估计条件和估计量的提出，并报告针对前两个矩的模拟研究，但未提供条件形式或数值结果。
- 阅读关注点
- 应核对随机缺失机制与过程条件、目标是观测过程还是原始过程的谱，以及估计构造和模拟中前两个矩的表现。
- 阅读边界
- 仅依据所给 Crossref 摘要；缺失机制与一致性条件未说明，也未证明能够恢复原始完整序列的谱密度。
原文摘要
Summary Spectral analysis of data with randomly missing observations is considered. Conditions are found under which consistent estimation of the spectral density function of the observed process is possible. An estimate is proposed and the results of a simulation study of its first two moments are presented.