Validity of Blockwise Bootstrap for Empirical Processes with Stationary Observations
平稳观测经验过程的分块自助法有效性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：摘要明确研究平稳序列的依赖抽样与分块自助经验过程，直接对应时间序列推断。
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
平稳观测经验过程的分块自助法有效性
- 研究问题
- 对平稳序列进行分块自助抽样后，其经验过程能否条件弱收敛到适当高斯过程，块长度如何影响收敛形式？
- 方法与思路
- 作者分析平稳序列分块自助观测的经验过程，根据块长度建立条件依概率或几乎处处的弱收敛结果。
- 材料陈述的贡献
- 摘要称，建立分块自助经验过程的高斯极限，并指出这些结果可用于估计紧可微泛函的抽样分布。
- 阅读关注点
- 核对平稳性之外的依赖条件、块长度增长要求及经验过程空间，并查看泛函可微性如何支持抽样分布近似。
- 阅读边界
- 依据稿件版本未注明的 OpenAlex 索引摘要；具体依赖和块长度条件未说明，不能认为所有平稳序列或任意分块方案均有效。
原文摘要
We show that the empirical process of the block-based bootstrap observations from a stationary sequence converges weakly to an appropriate Gaussian process, conditionally in probability and almost surely, depending upon the block length. This bootstrap was introduced by Kunsch and later by Liu and Singh. Applications in estimation of the sampling distribution of a compactly differentiable functional are indicated.