Bootstrapping Empirical Functions
经验函数的自助法AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要明确研究经验过程、分位数过程及相关置信带，与分布和分位数推断直接相关。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
经验函数的自助法
- 研究问题
- 如何为加权经验过程与分位数过程建立自助法渐近理论，并据此构造具有渐近有效性的统计函数置信带？
- 方法与思路
- 作者建立与既有加权经验过程及分位数过程渐近理论相对应的自助法理论，再用于统计函数的置信带构造。
- 材料陈述的贡献
- 摘要称，论文提供证明自助法置信带渐近有效性的一般技术，并展示这些技术对多种具体统计函数的适用性。
- 阅读关注点
- 应核对过程收敛采用的空间与权重条件、函数变换的要求，以及置信带覆盖性质对应的范围和构造步骤。
- 阅读边界
- 仅据OpenAlex索引摘要，稿件版本未注明；具体函数、正则条件和有限样本覆盖表现未说明，不能推断其他版本变化。
原文摘要
We develop the complete bootstrapped parallel to the asymptotic theory of weighted empirical and quantile processes. Utilizing this parallel theory, we present a general body of techniques to establish the asymptotic validity of the bootstrap method of constructing confidence bands for statistical functions. These techniques are demonstrated to be applicable to the construction of asymptotic bootstrap confidence bands for a variety of concrete functions.