A Glivenko-Cantelli Theorem and Strong Laws of Large Numbers for Functions of Order Statistics
Glivenko–Cantelli定理与次序统计量函数的强大数定律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：摘要研究经验过程与次序统计量的一般概率理论，未讨论分位数或分布效应的经济识别。
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
Glivenko–Cantelli定理与次序统计量函数的强大数定律
- 研究问题
- 能否加强均匀经验分布函数的Glivenko–Cantelli定理，并据此建立次序统计量线性函数的强大数定律？
- 方法与思路
- 作者先证明均匀经验分布函数的加强版Glivenko–Cantelli定理，再用该结果推导次序统计量线性函数的强大数定律。
- 材料陈述的贡献
- 摘要明确陈述加强经验分布收敛定理与建立次序统计量线性函数强大数定律两项成果，但未展开具体形式。
- 阅读关注点
- 应核对加强之处采用何种收敛标准，以及次序统计量线性函数的权重、可积性和适用对象需要哪些条件。
- 阅读边界
- 仅据版本未注明的索引摘要；加强版定理及强大数定律的条件均未提供，不能推断其适用于任意权重或分布。
原文摘要
A strengthened version of the Glivenko-Cantelli theorem for the uniform empirical distribution function is proved. The strengthened Glivenko-Cantelli theorem is used to establish strong laws of large numbers for linear functions of order statistics.