Weak Convergence of Empirical Distribution Functions of Random Variables Subject to Perturbations and Scale Factors
受随机扰动与尺度因子影响的经验分布函数弱收敛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：摘要属于一般经验过程与拟合优度理论，未涉及经济分位数或分布效应的具体问题。
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
受随机扰动与尺度因子影响的经验分布函数弱收敛
- 研究问题
- 经验分布函数在受到随机扰动和尺度因子影响后是否仍具有高斯过程极限，以及该极限如何用于研究间距型拟合优度检验？
- 方法与思路
- 作者建立受随机扰动与尺度因子影响的经验分布函数向高斯过程弱收敛的结果，再将其用于间距型检验的效率分析。
- 材料陈述的贡献
- 摘要称，论文给出相关经验分布函数的高斯过程弱收敛结果，并据此研究拟合优度问题中基于间距的检验效率。
- 阅读关注点
- 应核对随机扰动和尺度因子的形式、弱收敛所用空间与条件，以及极限过程如何进入间距检验和效率比较的计算。
- 阅读边界
- 摘要未给出扰动条件、极限协方差或效率结果，不能推定具体检验的优势；索引摘要未注明稿件版本。
原文摘要
The weak convergence of empirical distribution functions subject to random perturbations and scale factors to a Gaussian process is established. This result is used to study the efficiencies of tests based on spacings in goodness-of-fit problems.