Asymptotic Distributions of Multivariate Rank Order Statistics
多元秩次统计量的渐近分布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：摘要提供一般经验过程与秩统计量理论，未明确面向时间序列模型或其他所列经济领域。
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
多元秩次统计量的渐近分布
- 研究问题
- 当观测不预设独立性或平稳性时，多元序贯经验过程和秩过程如何弱收敛，并支持线性多元秩统计量的渐近分析？
- 方法与思路
- 作者借助一般弱收敛定理，在比广义 Skorohod 度量更强的度量下建立不变原理，再通过新表示推导渐近正态性。
- 材料陈述的贡献
- 摘要称得到加权经验累积分布和加权秩过程的收敛结果，并证明一类一般线性多元秩次统计量的渐近正态性。
- 阅读关注点
- 应核对替代独立性和平稳性的实际条件、较强度量的定义、权重限制，以及新表示适用的秩统计量类别。
- 阅读边界
- 仅据版本未注明的 OpenAlex 摘要；不预设独立或平稳并不代表允许任意依赖，具体过程条件和定理范围未说明。
原文摘要
By means of a general weak convergence theorem some invariance principles are proven for the multivariate sequential empirical process and for the multivariate rank order process w.r.t. stronger metrics than the generalized Skorohod metric. The underlying random variables are neither assumed to be independent nor to be stationary. These results are then applied to derive convergence of the weighted empirical cumulatives and for the weighted rank order process. Finally by a new representation asymptotic normality is proven for a general class of linear multivariate rank order statistics.