An Error Bound for an Asymptotic Expansion of the Distribution Function of an Estimate in a Multivariate Linear Model
多元线性模型估计量分布函数渐近展开的误差界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：摘要涉及通用多元线性模型的高阶分布近似，没有足够文本依据对应所列细分。
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
多元线性模型估计量分布函数渐近展开的误差界
- 研究问题
- 对于多元线性模型中估计量的线性组合，如何构造分布函数的高阶渐近近似，并控制该近似在所有评价点上的误差？
- 方法与思路
- 作者给出分布函数渐近展开的构造方法，将展开取至指定样本量阶数，并为真实分布与近似分布的差提供一致误差界。
- 材料陈述的贡献
- 摘要称可构造至 O(n^{-s+1}) 阶的展开，并得到对评价点一致、阶数为 O(n^{-s}) 的误差上界，形成可量化近似保证。
- 阅读关注点
- 阅读全文时应核对估计量类型、样本分布与矩条件，以及展开阶数的定义、误差界常数的构造和一致性覆盖的范围。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要，具体模型条件与常数未说明，不能据此计算实际近似误差或判断小样本校准效果。
原文摘要
In this paper we consider asymptotic approximations to the distribution function $F(x)$ of a linear combination of an estimate in a multivariate linear model. A method is given for obtaining an asymptotic expansion $F_{s - 1}(x)$ of $F(x)$ up to $O(n^{-s + 1})$ and a bound $c_s$ such that $|F(x) - F_{s - 1}(x)| \leq c_s$ uniformly in $x$ and $c_s = O(n^{-s})$.