Nonparametric Estimation in Renewal Theory I: The Empirical Renewal Function
更新理论中的非参数估计之一：经验更新函数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：摘要研究更新过程与泛函估计的一般理论，未明确关联所列宏观或金融应用。
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
更新理论中的非参数估计之一：经验更新函数
- 研究问题
- 如何非参数估计更新函数，并利用随机模型的泛函视角研究一致性、渐近正态性和 Bootstrap 置信区域？
- 方法与思路
- 作者将随机模型视为泛函或非线性算子，由此构造更新函数估计量，并将统计性质联系到泛函的局部行为。
- 材料陈述的贡献
- 摘要提出更新函数的非参数估计量，并讨论其一致性、渐近正态性以及 Bootstrap 置信区域的渐近有效性。
- 阅读关注点
- 核对更新过程与观测方案的条件、泛函局部性质所用的数学框架，以及置信区域覆盖的范围和重抽样方式。
- 阅读边界
- 所给 OpenAlex 索引摘要未注明稿件版本；未说明完整条件、收敛速度或有限样本覆盖，不能外推至任意更新模型。
原文摘要
We introduce a nonparametric estimator for the renewal function and discuss its properties, including consistency, asymptotic normality and asymptotic validity of bootstrap confidence regions. The underlying theme is that stochastic models can be regarded as functionals or nonlinear operators. This view leads to nonparametric estimators in a natural way and statistical properties of the estimators can be related to the local behaviour of the functionals.