Uniform Convergence of the Empirical Distribution Function Over Convex Sets
经验分布在凸集类上的一致收敛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：摘要是经验概率测度的通用理论，没有经济分布效应或其他所列领域的明确背景。
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
经验分布在凸集类上的一致收敛
- 研究问题
- 对于欧氏空间中的真实概率分布，经验概率测度在所有可测凸集上以概率一一致收敛，究竟需要怎样的分布条件？
- 方法与思路
- 摘要通过真实分布的几何支持结构刻画条件：分布可写成可数混合，各分量支撑于仿射平坦子空间，且凸集相对边界概率为零。
- 材料陈述的贡献
- 摘要明确给出上述几何条件与凸集类上几乎必然一致收敛之间的充要关系，而不只是一个充分条件。
- 阅读关注点
- 应核对仿射子空间和相对边界的精确定义、可数混合如何处理不同维度，以及充分性与必要性证明中的可测性问题。
- 阅读边界
- 仅据版本未注明的 OpenAlex 摘要；未提供证明、反例或收敛速度，不能把凸集类的结论扩展为对全部可测集合的一致收敛。
原文摘要
The empirical distribution function $P_n$ converges with probability 1 to a true distribution $P$ in $R^k$, uniformly over measurable convex sets, if and only if $P$ is a countable mixture of distributions, each of which is carried by a flat and gives zero probability to the relative boundaries of convex sets included in the flat.