Distribution theory for the studentized mean for long, short, and negative memory time series

ما مشکل برآورد واریانس مبالغ جزئی یک سری زمانی ثابت است که دارای حافظه طولانی، حافظه کوتاه، حافظه منفی یا متوسط ​​است یا اولین تفاوت این فرآیند است. نرخ رشد این واریانس به نوعی از نوع حافظه بستگی دارد و ما نتایجی را در رابطه با رفتار مخروطی از اتوکوداریهای نمونه در این زمینه در حال حاضر ارائه می کنیم زمانی که پهنای باند به صورت نامتقارن از بین می رود. ما همچنین نتایج غیرمستقیم برای این مورد ارائه می دهیم که پهنای باند یک نسبت ثابت از اندازه نمونه است و نتایج قابل توجهی را به صورت مسطح بالا می برد. ما پدیده نسبت پهنای باند نسبت را در بخش تجربی ما ترسیم می کنیم و دو روش برای ارزیابی مقادیر بحرانی محدود - هر دو روش زیر نمونه گیری و یک رویکرد پلاگین استفاده می کنیم. مطالعات شبیه سازی اندازه و قدرت هر دو رویکرد را در مقایسه با آزمون فرضیه ها برای میانگین مقایسه می کند. هر دو روش خوب عمل می کنند، اگرچه روش زیر نمونه سازی به اندازه ای بهتر می شود و یک چارچوب مناسب برای انجام استنتاج برای میانگین می دهد. به طور خلاصه، ما یک تئوری تکاملی متحد ارائه می دهیم که تمام انواع حافظه را تحت پوشش یک چتر قرار می دهد.