On empirical likelihood statistical functions
经验似然统计函数研究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：摘要明确研究分布函数与分位数函数的估计，直接对应分位数与分布方向。
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
经验似然统计函数研究
- 研究问题
- 当辅助信息通过矩条件进入估计时，如何用经验似然估计分布函数与分位数函数，并描述这些估计量在函数类上的渐近性质？
- 方法与思路
- 作者将矩条件所含的辅助信息纳入经验似然，系统分析估计量的一致强大数定律及函数类上的弱收敛，并用两个蒙特卡洛例子说明应用。
- 材料陈述的贡献
- 摘要称，论文系统研究了带辅助矩信息的分布与分位数估计量的渐近性质，并通过模拟展示方法的实际用途，未报告具体改善幅度。
- 阅读关注点
- 阅读全文时应核对矩条件的有效性、函数类的限制、分位数反演所需条件，以及辅助信息如何影响渐近分布和模拟表现。
- 阅读边界
- 仅依据所给出版社摘要，无法判断矩条件失效时的表现、尾部分位数的适用范围或有限样本优势；具体定理条件与证明摘要未说明。
原文摘要
We consider the empirical likelihood method for estimation of distribution and quantile functions where side information is incorporated through moment conditions. We systematically study the asymptotic properties of the estimators, such as the uniform strong laws of large numbers and weak convergence over classes of functions. Two Monte Carlo examples are also given to illustrate the practical utility of the method.