ERA's: A New Approach to Small Sample Theory
扩展有理逼近（ERA）：小样本理论的新方法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：摘要明确将方法用于非循环序列相关系数的分布逼近，涉及时间序列统计量的小样本分析，据此选择时间序列方向。
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
扩展有理逼近（ERA）：小样本理论的新方法
- 研究问题
- 如何结合解析、数值与实验信息来逼近小样本统计量的分布，并在序列相关系数例子中评估其相对既有近似方法的表现？
- 方法与思路
- 作者以扩展有理逼近（ERA）融合解析、数值和实验信息，研究连续概率分布的逼近，并讨论修改多点 Padé 逼近的构造方法。
- 材料陈述的贡献
- 摘要称该框架整合既有小样本研究路径，并在非循环序列相关系数应用中相对 Edgeworth 与鞍点近似呈现系统改善；具体指标未给出。
- 阅读关注点
- 核对 ERA 的存在性、唯一性、误差界与收敛条件，构造时所需信息和计算步骤，以及序列相关系数比较中的评价指标与参数范围。
- 阅读边界
- 摘要部分语句残缺，未说明应用模型、样本规模及改进幅度；改善是作者在所述例子中的陈述，不能据此断言该方法普遍优越。
原文摘要
This article proposes a new approach to small sample theory that achieves a meaningful integration of earlier directions of research in this field. The approach centers on the constructive technique of approximating distributions developed recently by the author in [10]. This technique utilizes extended rational approximants (ERA's) which methods (such as those based on asymptotic expansions) and which simultaneously blend information from diverse analytic, numerical and experimental sources. The first part of the article explores the general theory of approximation of continuous probability distributions by means of ERA's. Existence, characterization, error bound and uniqueness for the convergence result obtained earlier in [10]. Some further aspects of finding ERA's by modifications to multiple-point Pade approximants are presented and the new approach is applied to the non-circular serial correlation coefficient. The results of this application demonstrate how ERA's provide systematic improvements over Edgeworth and saddlepoint techniques. These results, taken with those of the earlier article [10], suggest that the approach offers considerable potential for empirical application in terms of its reliability, convenience and generality.