Limiting Behavior of the Extremum of Certain Sample Functions
某些样本函数极值的极限行为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：摘要侧重一般随机过程与经验分布极值理论及纤维强度应用，缺少所列具体经济计量方向的依据。
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…
某些样本函数极值的极限行为
- 研究问题
- 对于不一定平稳的 m 依赖随机过程，经验分布的某些函数极值具有怎样的渐近分布、收敛性质及超越概率界？
- 方法与思路
- 作者研究经验分布函数相关极值的渐近分布与其他收敛性质，并将理论用于可表示为此类极值的平行纤维束强度。
- 材料陈述的贡献
- 摘要称，经典 Kolmogorov–Smirnov 统计量的渐近超越概率可提供相应上界，并研究纤维束强度的极限分布、强收敛及一阶矩收敛。
- 阅读关注点
- 核对 m 依赖、非平稳与非同分布的具体条件，以及所研究函数类、统计量尺度、概率上界和纤维束应用之间的对应。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；摘要未给出统计量标准化及概率界的完整条件，不能推广到任意依赖过程或极值。
原文摘要
For a sequence of random variables forming an $m$-dependent stochastic process (not necessarily stationary), asymptotic distribution and other convergence properties of the extremum of certain functions of the empirical distribution are studied. In this context, it is shown that the asymptotic probability of the classical Kolmogorov-Smirnov statistic exceeding any positive real number provides an upper bound for the corresponding probability when the underlying random variables are not necessarily identically distributed. The theory is specifically applied to the study of the limiting distribution, strong convergence and convergence of the first moment of the strength of a bundle of parallel filaments (which is shown to be the extremum of a function of the empirical distribution).