Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > math > arXiv:0803.2171

帮助 | 高级搜索

数学 > 统计理论

arXiv:0803.2171 (math)
[提交于 2008年3月14日 ]

标题: 关于样本空间-时间协方差估计量的渐近联合分布

标题: On the asymptotic joint distribution of sample space--time covariance estimators

Authors:Bo Li, Marc G. Genton, Michael Sherman
摘要: 我们研究了严格平稳随机场样本空间-时间协方差估计量的渐近联合分布。 我们在没有边际或联合分布假设的情况下进行这项研究,除了温和的矩条件和混合条件。 我们考虑了几种情况,取决于观测值是规则间隔还是不规则间隔,以及感兴趣的区域的一部分还是整个区域是固定的还是扩展的。 一个模拟实验验证了理论结果。
摘要: We study the asymptotic joint distribution of sample space--time covariance estimators of strictly stationary random fields. We do this without any marginal or joint distributional assumptions other than mild moment and mixing conditions. We consider several situations depending on whether the observations are regularly or irregularly spaced and whether one part or the whole domain of interest is fixed or increasing. A simulation experiment illustrates the theoretical results.
评论: 发表于 http://dx.doi.org/10.3150/07-BEJ6196 的《伯努利》期刊 (http://isi.cbs.nl/bernoulli/),由国际统计学会/伯努利学会 (http://isi.cbs.nl/BS/bshome.htm) 出版
主题: 统计理论 (math.ST)
引用方式: arXiv:0803.2171 [math.ST]
  (或者 arXiv:0803.2171v1 [math.ST] 对于此版本)
  https://doi.org/10.48550/arXiv.0803.2171
通过 DataCite 发表的 arXiv DOI
期刊参考: IMS-BEJ-BEJ6196
相关 DOI: https://doi.org/10.3150/07-BEJ6196
链接到相关资源的 DOI

提交历史

来自: Marc G. Genton [查看电子邮件]
[v1] 星期五, 2008 年 3 月 14 日 14:29:31 UTC (224 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • 其他格式
查看许可
当前浏览上下文:
math.ST
< 上一篇   |   下一篇 >
新的 | 最近的 | 2008-03
切换浏览方式为:
math
stat
stat.TH

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号