Asymptotically Minimax Estimators for Distributions with Increasing Failure Rate
失效率递增分布的渐近极小极大估计量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：摘要是一般寿命分布的形状约束估计，未明确研究经济分布效应或金融尾部风险。
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
失效率递增分布的渐近极小极大估计量
- 研究问题
- 如何在失效率递增的分布类中构造保持形状约束的分布与风险函数估计量，并在适当限制下获得渐近极小极大性质？
- 方法与思路
- 作者对摘要记为H_n的经验风险函数取最大凸下界，再构造相应分布估计量；具体风险函数定义和数学表达需核对原PDF。
- 材料陈述的贡献
- 摘要文字称，构造的分布估计量保持失效率递增，在适当限制下与经验分布具有根号样本量尺度的渐近等价性，并继承极小极大性质。
- 阅读关注点
- 应核对H_n究竟表示风险率还是累积风险、最大凸下界构造，以及等价性的定义域、分布限制和极小极大结论对应的损失类。
- 阅读边界
- 所据为版本未注明的OpenAlex索引摘要；上确界范围与缩放公式疑有排版错位，需查阅原PDF，不能据此重构公式或推导结论。
原文摘要
We construct nonparametric estimators of the distribution function F and its hazard function in the class of all increasing failure rate (IFR) distribution. Denoting the empirical distribution and empirical hazard function by $F_n$ and $H_n$ , respectively, let $C_n$ be the greatest convex minorant of $H_n$, and $G_n$ the distribution with hazard function $C_n$. The estimator $G_n$ is itself IFR. We prove that under suitable restrictions on F, and for any fixed $\lambda$ with $F(\lambda)<1$, $sup_{x\leq\lambda {n^{1/2}}}|C_n(x)-H_n(x)|$ and $sup_{x\leq\lambda{n^{1/2}}}|G_n(x)-F_n(x)|$ both tend to zero in probability. This means that $G_n$ and $F_n$ are asymptotically $n^{1/2}$ equivalent. It follows from Millar (1979) that $F_n$ is asymptoticallyminimax among the class of all IFR distributions for a large class of loss functions. This property extends to our estimator $G_n)$ under some restrictions.