Asymptotic properties of the NPMLE of a distribution function based on ranked set samples
基于排序集样本的分布函数非参数最大似然估计的渐近性质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：摘要研究抽样设计下的一般分布函数估计，未涉及经济分布效应或其他所列细分问题。
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
基于排序集样本的分布函数非参数最大似然估计的渐近性质
- 研究问题
- 利用平衡排序集样本估计分布函数时，非参数最大似然估计是否一致、是否具有高斯过程极限，并能否达到渐近效率？
- 方法与思路
- 作者分析平衡排序集抽样下的分布函数非参数最大似然估计，并用第二类 Fredholm 积分方程的解刻画极限过程协方差。
- 材料陈述的贡献
- 摘要称，该估计具有一致性、弱收敛至高斯过程和渐近有效性，并给出通过积分方程描述极限协方差函数的方式。
- 阅读关注点
- 应核对排序集抽样与平衡性的定义、排序误差是否允许、弱收敛所用空间，以及效率基准和积分方程的求解方法。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；抽样与排序条件、协方差表达式和数值实现未说明，不能外推至任意排序集设计。
原文摘要
We show that the nonparametric maximum likelihood estimator (NPMLE) of a distribution function based on balanced ranked set samples is consistent, converges weakly to a Gaussian process and is asymptotically efficient. The covariance function of the limiting process is described in terms of the solution to a Fredholm integral equation of the second kind.