On the Use of Conditional Asymptotic Normality
条件渐近正态性的应用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：摘要属于通用渐近分布理论，未指向任何所列经济计量应用领域。
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…
条件渐近正态性的应用
- 研究问题
- 当复杂统计量依赖另一个辅助统计量时，如何利用条件分布分析获得其极限分布，并简化此类渐近推导？
- 方法与思路
- 作者讨论依赖辅助统计量的复杂统计量之极限分布求法，并通过若干例子展示 Sethuraman 提出的通用条件分析方法。
- 材料陈述的贡献
- 摘要称该条件方法在所给例子中对求解极限分布问题十分有效，但未交代具体统计量、适用条件或一般性结果的形式。
- 阅读关注点
- 应核对条件极限如何转化为最终极限分布、辅助统计量承担的作用，以及各例子中所需的收敛条件和正态性结论。
- 阅读边界
- 仅据所给 Crossref 摘要解读；摘要极简，未说明定理条件、例子细节或适用范围，不能据题名断言所有结果均为正态极限。
原文摘要
Summary Methods for obtaining the limiting distribution of a complicated statistic which depends on another auxiliary statistic are discussed. Examples are given in which a general conditional approach due to Sethuraman is found to be extremely fruitful in solving this type of problem.