Conditional Empirical Processes
条件经验过程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：摘要明确研究条件分位数和条件分布函数的估计推断，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
条件经验过程
- 研究问题
- 如何建立近邻型条件经验过程的极限理论，并据此对条件分位数和条件分布函数进行具有可靠大样本依据的推断？
- 方法与思路
- 作者证明近邻型条件经验过程的 Donsker 型不变原理，再将其用于条件分位数及条件分布函数的推断。
- 材料陈述的贡献
- 摘要称得到条件分位数的渐近正态性，并推导条件分布函数的大样本分布无关检验和置信带。
- 阅读关注点
- 应核对近邻构造、邻域大小与样本条件，以及过程收敛如何传递到分位数、检验统计量和置信带覆盖。
- 阅读边界
- 依据版本未注明的 OpenAlex 索引摘要；摘要未给出正则条件或置信带构造，分布无关性仅明确为大样本性质。
原文摘要
We prove a Donsker-type invariance principle for a nearest-neighbor-type conditional empirical process. As an application we show asymptotic normality of conditional quantiles and derive large-sample distribution-free tests and confidence bands for a conditional distribution function.