Moderate deviations and nonparametric inference for monotone functions
单调函数的中等偏差与非参数推断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：摘要聚焦单调函数和生存模型的通用推断，未直接讨论经济分位数或分布效应。
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
单调函数的中等偏差与非参数推断
- 研究问题
- 对于单调函数的非参数极大似然估计，如何利用自归一化极限与中等偏差结果构造置信区间和假设检验拒绝域？
- 方法与思路
- 作者针对现状数据模型的非参数极大似然估计及 Grenander 型估计，推导自归一化 Cramér 型中等偏差和极限分布。
- 材料陈述的贡献
- 摘要称据此提出渐近区间与检验程序，理论上使第二类错误概率指数趋零，并用常见参数生存分布的模拟评价检验。
- 阅读关注点
- 应核对自归一化量的定义、中等偏差有效范围、检验备择条件，以及第二类错误指数衰减结论适用的具体情形。
- 阅读边界
- OpenAlex 摘要未注明稿件版本，未给出完整条件、衰减指数或模拟数值；不能将误差衰减结论推广到任意备择。
原文摘要
This paper considers self-normalized limits and moderate deviations of nonparametric maximum likelihood estimators for monotone functions. We obtain their self-normalized Cramér-type moderate deviations and limit distribution theorems for the nonparametric maximum likelihood estimator in the current status model and the Grenander-type estimator. As applications of the results, we present a new procedure to construct asymptotical confidence intervals and asymptotical rejection regions of hypothesis testing for monotone functions. The theoretical results can guarantee that the new test has the probability of type II error tending to 0 exponentially. Simulation studies also show that the new nonparametric test works well for the most commonly used parametric survival functions such as exponential and Weibull survival distributions.