A Differential for -Statistics
L 统计量的一种微分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：摘要研究 L 统计量的通用渐近理论，虽使用分位数函数，但未明确涉及分位数回归或分布效应。
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
L 统计量的一种微分
- 研究问题
- 与次序统计量线性组合相联系的分布泛函，能否建立适用的微分表示，并据此获得样本分布代入统计量的渐近性质？
- 方法与思路
- 作者研究以分位数函数加权积分定义的泛函，建立 Fréchet 型微分，再将其应用于由经验分布函数构造的统计量。
- 材料陈述的贡献
- 摘要称该泛函具有 Fréchet 型微分，并由此得到经验分布代入统计量的渐近正态性，以及其满足重对数律的结果。
- 阅读关注点
- 应核对微分所使用的函数空间和距离、权函数与总体分布的限制，以及渐近正态性和重对数律所需的抽样与矩条件。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；具体正则条件和极限方差未说明，不能推广为所有次序统计量组合均满足这些结果。
原文摘要
The functional $T(F) = \int F^{-1}(t)J(t) dt$ associated with linear combinations of order statistics is shown to have a Frechet-type differential. As a corollary, the statistic $T(F_n)$ obtained by evaluating $T(\cdot)$ at the sample df $F_n$ is seen to be asymptotically normal and to obey a law of the iterated logarithm.