„Twierdzenie o granicy środkowej” dla sumy ważonej skorelowanych zmiennych losowych

10

Czytam gazetę, która to twierdzi

X^k=1N.jot=0N.-1Xjotmi-ja2)πkjot/N.,
(tj. dyskretna transformata Fouriera , DFT) przez CLT ma tendencję do (złożonej) losowej zmiennej gaussowskiej. Wiem jednak, że ogólnie nie jest to prawdą. Po przeczytaniu tego (błędnego) argumentu przeszukałem sieć i znalazłem ten artykuł z 2010 roku autorstwa Peligrad i Wu , gdzie dowodzą, że w przypadku niektórych stacjonarnych procesów można znaleźć „twierdzenie CLT”.

Moje pytanie brzmi: czy masz jakieś inne odniesienia, które próbują rozwiązać problem znalezienia ograniczającego rozkładu DFT danej sekwencji indeksowanej (zarówno przez symulację, jak i teorię)? Szczególnie interesuje mnie współczynnik zbieżności (tj. Jak szybko DFT zbiega się), biorąc pod uwagę pewną strukturę kowariancji dla w kontekście analizy szeregów czasowych lub pochodnych / aplikacji do szeregów niestacjonarnych.Xjot

Néstor
źródło

Odpowiedzi:

1

W „Analizie i teorii danych szeregów czasowych” Davida Brillingera z 1975 r. Holt, Rinehart i Winston Publishers str. 94 Theroem 4.4.1 stwierdza w pewnych warunkach, że dyskretna transformata Fouriera dla szeregu o wartości wektora r przy częstotliwościach λ (N) jest asymptotycznie niezależna r wymiarowa złożona normalna zmienia się ze średnim wektorem 0, gdzie λ (N) = 2π s (N) / N. Jest to bardzo ważne twierdzenie przy opracowywaniu oszacowań gęstości widmowej stacjonarnych szeregów czasowych.jotjotjot

Michael R. Chernick
źródło
2
Jakie są te warunki? A czym różni się jego twierdzenie od cytowanego przeze mnie artykułu?
Néstor,
Prawdopodobnie jest bardzo podobny do wyniku w cytowanym artykule. Spojrzałem na to, ponieważ zabrzmiało to jak rezultat, którego nauczyłem się w czasach studiów podyplomowych. Nie zamierzam recytować założeń. Obejmuje ograniczenie funkcji autokorelacji dla Xj, a λjs nie sumują się parami do wielokrotności 2π.
Michael R. Chernick,