Bahadur representation of $M\sb m$ estimates
M_m估计量的Bahadur表示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：摘要提供位置与尺度估计的一般渐近框架，未明确涉及所列领域，不能仅凭估计理论关键词归类。
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
M_m估计量的Bahadur表示
- 研究问题
- 对于基于独立同分布观测、通过最小化单变量或多变量实值准则定义的M_m估计量，如何统一研究其渐近性质？
- 方法与思路
- 作者采用统一框架分析准则最小化产生的估计量；题名指向Bahadur表示，摘要未说明具体展开形式和技术条件。
- 材料陈述的贡献
- 摘要称所得结果适用于文献中的多种位置与尺度估计量，但没有列出具体估计量、余项界或完整的渐近结论。
- 阅读关注点
- 应核对M_m估计量的准确类别、准则函数和观测所需条件，以及Bahadur表示的余项控制和各位置尺度例子的适用性。
- 阅读边界
- 仅据版本未注明的OpenAlex短摘要，无法确定Bahadur表示的公式、收敛阶数或正则条件，也不能直接套用于相关观测。
原文摘要
We take a unified approach to asymptotic properties of $M_m$ estimates based on i.i.d. observations defined through the minimization of a real-valued criterion function of one or more variables. Our results are applicable to a host of location and scale estimators found in the literature.