Estimation of the $k$th Derivative of a Distribution Function
分布函数的 k 阶导数估计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：摘要是一般分布函数导数估计理论，未明确研究分位数或经济分布效应。
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
分布函数的 k 阶导数估计
- 研究问题
- 如何利用经验分布函数的高阶差商估计总体分布函数的 k 阶导数，并刻画其一致性、偏差与估计误差？
- 方法与思路
- 作者研究经验分布函数的 k 阶差商估计，给出一致性条件，计算渐近偏差、方差和均方误差，并讨论误差最小化。
- 材料陈述的贡献
- 摘要提供了该类导数估计量的渐近误差分析与一致性条件，并讨论如何选择相关设置以降低均方误差。
- 阅读关注点
- 应核对分布函数的光滑性要求、差商步长与样本量的关系，以及误差最小化是理论选择还是可实施的数据选择。
- 阅读边界
- 仅据版本未注明的索引摘要；摘要未给出条件、步长规则或误差公式，不能据此推断分布效应或分位数推断结果。
原文摘要
Estimation of the $k$th derivative of a df by means of the $k$th-order difference quotients of the empiric df is investigated. In particular, consistency conditions are given, the asymptotic bias, variance, and mean-squared error of the estimator are computed, and means of minimizing the latter are discussed.