相关随机变量加权和的“中心极限定理”


10

我正在读一篇声称

X^ķ=1个ñĴ=0ñ-1个XĴË-一世2πķĴ/ñ
(即离散傅立叶变换(DFT)表示CLT趋向于(复杂)高斯随机变量。但是,我知道通常情况并非如此。在阅读了这个(谬误的)论点之后,我在网上搜索并找到了Peligrad&Wu的2010年论文,他们证明对于某些平稳过程,人们可以找到“ CLT定理”。

我的问题是:您是否还有其他参考文献试图解决找到给定索引序列的DFT的极限分布(无论是通过模拟还是从理论上)的问题?给定在时间序列分析或非平稳序列的派生/应用中的某些协方差结构,我对收敛速度(即DFT收敛的速度)特别感兴趣。XĴ

Answers:


1

在戴维·布里林格(David Brillinger)的“时间序列数据分析和理论”(1975 Holt,Rinehart and Winston Publishers)中94定理4.4.1指出,在一定条件下,频率为(N)的r向量值序列的离散傅立叶变换是渐近独立的r维复数正态变量具有均值向量0,其中(N)=(N)/ N。在估计固定时间序列的频谱密度时,这恰好是一个非常重要的定理。ĴĴĴ


2
这些条件是什么?他的定理与我引用的论文有何不同?
内斯托尔·

这可能与您引用的论文中的结果非常相似。我查了一下,因为这听起来像是我在研究生院学到的结果。我不会背诵这些假设。它涉及到Xj自相关函数的约束,并且λjs不成对求和为2π的倍数。
Michael R. Chernick
By using our site, you acknowledge that you have read and understand our Cookie Policy and Privacy Policy.
Licensed under cc by-sa 3.0 with attribution required.