An Alternative Regularity Condition for Hajek's Representation Theorem
Hájek 表示定理的一种替代正则条件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：摘要研究通用渐近表示与效率理论，未提供所列计量领域细分的直接依据。
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
Hájek 表示定理的一种替代正则条件
- 研究问题
- 保证估计量极限分布具有 Hájek 卷积表示的常用正则条件，能否用关于渐近信息和极限分布的连续性替代？
- 方法与思路
- 作者提出以渐近信息及估计量极限分布随待估参数连续变化作为充分条件，替换通常使用的估计量正则条件。
- 材料陈述的贡献
- 摘要称这种较直观的连续性条件足以获得相关表示结果，并将讨论置于有限维及既有无限维推广的背景中。
- 阅读关注点
- 应核对连续性采用的拓扑、渐近信息的定义、定理适用的模型空间，以及替代条件与原正则条件的逻辑关系。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要，不能推断刊本变化。摘要未说明完整条件；提及 Kaplan–Meier 是背景，不能视为新增效率证明。
原文摘要
Hajek's representation theorem states that under certain regularity conditions the limiting distribution of an estimator can be written as the convolution of a certain normal distribution with some other distribution. This result, originally developed for finite dimensional problems, has been extended to a number of infinite dimensional settings where it has been used, for example, to establish the asymptotic efficiency of the Kaplan-Meier estimator. The purpose of this note is to show that the somewhat unintuitive regularity condition on the estimators that is usually used can be replaced by a simple one: It is sufficient for the asymptotic information and the limiting distribution of the estimator to vary continuously with the parameter being estimated.