数学 > 统计理论
[提交于 2015年12月2日
(v1)
,最后修订 2016年3月20日 (此版本, v2)]
标题: 一种统一的自归一化块抽样方法
标题: A unified approach to self-normalized block sampling
摘要: 平稳时间序列均值的推断程序在不同的模型假设下通常是相当不同的,因为部分和过程的行为取决于时间序列是短距离依赖还是长距离依赖,或者其边缘分布是轻尾还是重尾。 在本文中,我们发展了自归一化块抽样的渐近理论,并证明了相应的块抽样方法可以在上述不同情况下提供一种统一的推断方法,即它不需要辅助参数的{\em 先验}估计。 蒙特卡罗模拟展示了其有限样本下的表现。 实现该方法的 R 函数可向作者索取。
文献和引用工具
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
推荐器和搜索工具
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.