Asymptotic Normality of the Kernel Quantile Estimator
核分位数估计量的渐近正态性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：摘要直接研究分位数估计量及其覆盖概率，对应分位数与分布方法。
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
核分位数估计量的渐近正态性
- 研究问题
- 核分位数估计量在什么分布与核函数条件下具有多维渐近正态性，又如何通过覆盖概率与经验分位数进行比较？
- 方法与思路
- 作者先在较一般的分布函数和核函数条件下建立渐近正态性，再加强条件，利用证明得到收敛速度的误差界。
- 材料陈述的贡献
- 摘要称，文章建立核分位数估计量的多维渐近正态性，并给出可用于比较核估计与经验分位数覆盖概率的收敛界。
- 阅读关注点
- 应核对多维结果对应的估计对象、核与分布的正则条件，以及加强条件后的收敛界如何支持覆盖概率比较。
- 阅读边界
- 仅据版本未注明的索引摘要，无法确定平滑参数要求、渐近协方差或收敛速度，也不能据此认定核估计始终更好。
原文摘要
Multidimensional asymptotic normality of the kernel quantile estimator is established under fairly general conditions on the underlying distribution function and on the kernel. Sharpening these assumptions, one can utilize the proof to achieve also a bound for the rate of convergence which entails the comparison of the kernel estimator with the empirical quantile on the basis of their covering probabilities.