Weak Convergence of the Sample Distribution Function when Parameters are Estimated
参数由样本估计时经验分布函数的弱收敛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：摘要讨论经验分布过程的通用渐近理论，未明确涉及分位数或经济分布效应等所列专门问题。
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
参数由样本估计时经验分布函数的弱收敛
- 研究问题
- 当分布参数也由同一数据估计时，在给定备择假设序列下，标准化经验分布函数的极限过程如何变化？
- 方法与思路
- 作者针对一般估计量类别研究经验分布函数的弱收敛，给出其高斯过程极限，并进一步讨论有效估计的情形。
- 材料陈述的贡献
- 摘要称建立了参数估计存在时的经验分布函数弱收敛结果，并将一般理论专门化到有效参数估计情形。
- 阅读关注点
- 应核对备择序列、标准化方式、估计量类别与联合渐近条件，以及参数估计如何影响极限过程的均值和协方差。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；摘要未列出极限过程和正则条件，不能直接据此构造具体检验临界值。
原文摘要
The weak convergence of the sample df is studied under a given sequence of alternative hypotheses when parameters are estimated from the data. For a general class of estimators it is shown that the sample df, when normalised, converges weakly to a specified normal process. The results are specialised to the case of efficient estimation.