Smoothing of Samples for Maxima
用于研究最大值的样本平滑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：摘要只涉及一般样本最大值的平滑与近似，没有金融尾部风险或其他给定细分的明确证据。
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…
关注这篇论文的作者
用于研究最大值的样本平滑
- 研究问题
- 研究样本最大值时，能否通过平均平滑减轻离群值的影响，并使用高斯样本最大值近似平滑后数据的最大值？
- 方法与思路
- 作者建议先通过平均处理平滑数据，再用高斯样本的最大值进行近似；摘要未说明平均规则或近似成立的条件。
- 材料陈述的贡献
- 摘要称，平滑数据的最大值可由高斯样本最大值近似，并因此对离群值更稳健；没有给出具体误差界或比较数值。
- 阅读关注点
- 应核对平滑范围和权重、处理后的依赖结构，以及高斯近似与稳健性结论的条件，并辨明平滑是否改变目标最大值。
- 阅读边界
- 仅据版本未注明的简短索引摘要，无法判断近似精度、稳健性定义或目标变化；不能据此推断金融尾部风险估计的改进。
原文摘要
Smoothing of the data by averaging is suggested in order to study the maximum. The maximum of the smoothed data is approximated by that of a Gaussian sample and thus is more robust against outliers.