Asymptotic data analysis on manifolds
流形上的渐近数据分析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：摘要研究流形上的一般统计泛函，出现中位位置不足以归为分位数与分布效应研究。
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
流形上的渐近数据分析
- 研究问题
- 对于欧氏空间中紧致子流形上的分布，如何将均值位置推广到包含中位位置的一般泛函，并建立相应的渐近统计推断？
- 方法与思路
- 作者从欧氏空间值泛函推广位置概念，利用空间中位数定义中位位置，并研究底层分布相对于割迹的行为与收敛性质。
- 材料陈述的贡献
- 摘要称发展了子流形上一般分布泛函的渐近推断，并研究收敛与割迹的关系，给出独立但非同分布样本及多样本情境的应用。
- 阅读关注点
- 阅读全文时应核对泛函到流形位置的具体定义、割迹附近的分布条件，以及独立非同分布与多样本推断所需的正则条件。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明。摘要未提供泛函构造、收敛速度及退化情形，不能认为结论适用于任意流形和分布。
原文摘要
Given an m-dimensional compact submanifold M of Euclidean space Rs, the concept of mean location of a distribution, related to mean or expected vector, is generalized to more general Rs-valued functionals including median location, which is derived from the spatial median. The asymptotic statistical inference for general functionals of distributions on such submanifolds is elaborated. Convergence properties are studied in relation to the behavior of the underlying distributions with respect to the cutlocus. An application is given in the context of independent, but not identically distributed, samples, in particular, to a multisample setup.