Fractional Order Statistics, with Applications
分数阶次序统计量及其应用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：虽涉及分位数函数，但摘要讨论通用次序统计量理论，未明确研究微观分位数或分布效应。
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
分数阶次序统计量及其应用
- 研究问题
- 如何为任意样本量构造连续索引的分数阶次序统计量，并用随机插值替代通常的线性插值，连接大样本与小样本分析？
- 方法与思路
- 作者基于 Ferguson 的 Dirichlet 过程构造次序统计量过程，研究适当标准化后的高斯过程收敛，并讨论若干小样本及删失问题。
- 材料陈述的贡献
- 摘要称，文章提出分数阶次序统计量的过程表示，给出高斯过程收敛的简明证明，并讨论 Yule 过程通过时间及删失数据应用。
- 阅读关注点
- 应核对过程构造与分位数函数的关系、标准化及收敛方式，以及小样本应用和删失问题中的混合过程表示。
- 阅读边界
- 依据 OpenAlex 索引摘要，稿件版本未注明；具体构造、收敛条件和应用结果未提供，不能推断经济分布效应结论或刊本变化。
原文摘要
Based upon Ferguson's Dirichlet process, we introduce an order-statistic process, a technical device which may be viewed as defining a continuum of fractional order statistics for any sample size. The order-statistic process provides an alternative to the quantile function essentially based on stochastic rather than linear interpolation. Its use in large-sample theory is suggested, and a simple proof is given that the order-statistic process, suitably normalized, converges to a Gaussian process. Applications to small-sample theory and to the passage-time distribution of Yule processes are also considered, and a class of censored-data problems is related to mixtures of these processes.