On Large-Sample Estimation for the Mean of a Stationary Random Sequence
平稳随机序列均值的大样本估计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：摘要直接研究平稳随机序列、谱密度与均值估计的渐近性质，属于时间序列方法。
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
平稳随机序列均值的大样本估计
- 研究问题
- 平稳随机序列的均值估计精度如何由零频附近的谱密度决定，如何据此选择渐近有效估计量并评估谱行为误判的影响？
- 方法与思路
- 作者分析最优线性无偏均值估计量的渐近方差，并针对零频附近呈幂次行为的谱密度构造依赖幂指数的有效估计量。
- 材料陈述的贡献
- 摘要称渐近方差仅依赖谱密度在原点附近的行为，给出相应最小方差衰减速率，并考察高估或低估幂指数的后果。
- 阅读关注点
- 应核对平稳序列与谱密度的正则条件、幂次行为的精确定义，以及指数未知时如何选择估计量和评价效率损失。
- 阅读边界
- 所给为版本未注明的 OpenAlex 摘要；适用序列类别与指数选择细节未展开，不能把渐近有效性等同于有限样本表现。
原文摘要
For a wide class of stationary random sequences possessing a spectral density function, the variance of the best linear unbiased estimator for the mean is seen to depend asymptotically only on the behavior of the spectral density near the origin. Asymptotically efficient estimators based only on this behavior may be chosen. For spectral densities behaving like $\lambda^\nu$ at the origin, $\nu > -1$ a constant, the minimum variance decreases like $n^{-\nu-1}$, where $n$ is the sample size. Asymptotically efficient estimators depending on $\nu$ are given. Finally, the consequences of over- or under-estimating the value of $\nu$ in choosing an estimator are considered.