Strong Law of Large Numbers for Measures of Central Tendency and Dispersion of Random Variables in Compact Metric Spaces
紧致度量空间中集中趋势与离散程度的大数强律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：摘要属于度量空间随机对象的大数律理论，没有足够证据归入所列应用领域。
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…
关注这篇论文的作者
紧致度量空间中集中趋势与离散程度的大数强律
- 研究问题
- 对紧致度量空间中的独立同分布样本，按距离幂定义的样本中心和离散程度是否几乎必然趋近总体对应量？
- 方法与思路
- 作者以平均距离幂的最小化定义样本中心和变异量，并研究任意正阶数以及中心限于样本点时的收敛。
- 材料陈述的贡献
- 摘要称建立所有正阶数下样本中心与变异量的几乎必然收敛，并给出中心只能选取样本值时的对应结果。
- 阅读关注点
- 应核对总体中心不唯一时的收敛含义、样本中心的选取规则，以及紧致性在存在性与强律证明中的作用。
- 阅读边界
- 仅据版本未注明的OpenAlex索引摘要；中心不唯一时的精确定理表述未说明，也没有给出非紧致空间的结论。
原文摘要
Given a sample of independent random variables $Z_1, Z_2, \cdots, Z_n$ with identical distribution $p$ on a compact metric space $(M, d)$, a measure of central tendency is a sample centroid (of order $r > 0$) defined as a point $\hat{X}_n$ in $M$ satisfying $\frac{1}{n} \sum^n_{i=1} d^r(\hat{X}_n, Z_i) = \inf_{x \in M} \frac{1}{n} \sum^n_{i=1} d^r(x, Z_i).$ A (population) centroid of $Z$ is any point $x^\ast$ in $M$ such that $\int_M d^r(x^\ast, z) dp(z) = \inf_{x \in M} \int_M d^r(x, z) dp(z).$ The quantity $\frac{1}{n} \sum^n_{i=1} d^r(\hat{X}_n, Z_i)$ itself is called the sample variation, whereas $\int_M d^r(x^\ast, z) dp(z)$ is the variation of $Z$. This paper establishes almost sure convergence for the sample centroid and variation to the corresponding population values for all orders $r > 0$. Convergence is also proved for the case when the sample centroid is restricted to be one of the sample values.