Asymptotic Properties of Weighted $L^2$ Quantile Distance Estimators
加权 L² 分位数距离估计量的渐近性质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：摘要直接利用分位数函数距离进行分布参数估计，对应分位数与分布方法方向。
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
加权 L² 分位数距离估计量的渐近性质
- 研究问题
- 通过最小化经验分位数函数与参数化分位数函数之间的距离来估计参数时，需要哪些条件保证一致性和渐近正态性？
- 方法与思路
- 作者研究加权平方距离最小化形成的参数估计量，给出一致性与渐近正态性的正则条件，并分析单参数模型的权重选择。
- 材料陈述的贡献
- 摘要称，论文建立这一类距离估计量的渐近性质，并给出单参数分布族中权重函数的最优形式。
- 阅读关注点
- 阅读全文时应核对分位数函数的端点条件、权重可积性要求、最优性的评价准则，以及权重是否依赖未知参数。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；摘要未列出正则条件或权重公式，也未说明多参数情形是否存在相同结论。
原文摘要
The asymptotic properties of a family of minimum quantile function distance estimators are considered. These procedures take as the parameter estimates that vector which minimizes a weighted $L^2$ distance between the empirical quantile function and an assumed parametric family of quantile functions. Regularity conditions needed for these estimators to be consistent and asymptotically normal are presented. For single parameter families of distributions, the optimal form of the weight function is presented.