Generalized $L-, M-$, and $R$-Statistics
广义 L、M 与 R 统计量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：摘要涉及一般统计量的统一渐近理论，没有所列经济计量细分方向的明确文本依据。
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
广义 L、M 与 R 统计量
- 研究问题
- 如何将 U 与 L 统计量及截尾 U 统计量纳入共同框架，并用影响曲线分析这类统计量的渐近分布？
- 方法与思路
- 作者采用可微统计泛函方法获得微分近似与广义 L 统计量的影响曲线，进而建立渐近正态性并讨论相关推广。
- 材料陈述的贡献
- 摘要称，该框架涵盖多种统计量，指出 M 与 R 统计量的平行推广，并讨论强收敛、Berry–Esseen 速率及计算。
- 阅读关注点
- 应核对广义统计量的定义、泛函可微性条件、影响曲线的余项控制，以及收敛速率与计算讨论的实际范围。
- 阅读边界
- 仅据版本未注明的 OpenAlex 摘要；各类推广的具体条件和结论强度未说明，不能将讨论事项视为无条件成立的定理。
原文摘要
A class of statistics generalizing $U$-statistics and $L$-statistics, and containing other varieties of statistic as well, such as trimmed $U$-statistics, is studied. Using the differentiable statistical function approach, differential approximations are obtained and the influence curves of these generalized $L$-statistics are derived. These results are employed to establish asymptotic normality for such statistics. Parallel generalizations of $M$- and $R$-statistics are noted. Strong convergence, Berry-Esseen rates, and computational aspects are discussed.