The Asymptotic Distribution of the Supremum of the Standardized Empirical Distribution Function on Subintervals
子区间上标准化经验分布函数上确界的渐近分布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：摘要研究经验过程的通用渐近理论，未明确涉及分布效应估计或金融尾部风险。
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
子区间上标准化经验分布函数上确界的渐近分布
- 研究问题
- 标准化经验分布函数在较大区间上的上确界具有退化极限时，如何通过线性变换获得非退化渐近分布？
- 方法与思路
- 作者针对给定的上确界区间序列研究线性变换，并把分析扩展到 Student 化版本及相应的双侧统计量。
- 材料陈述的贡献
- 摘要称对该问题给出部分答案，覆盖整个分布概率区间，并说明所得结果也适用于 Student 化和双侧版本。
- 阅读关注点
- 应核对区间端点序列的限制、中心化与尺度变换、极限分布形式，以及不同标准化和双侧版本之间的条件差异。
- 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。摘要强调仅为部分答案，未给出全部区间条件与具体极限分布。
原文摘要
It is well known that the limit distribution of the supremum of the empirical distribution function $F_n$ centered at its expectation $F$ and standardized by division by its standard deviation is degenerate, if the supremum is taken on too large regions $\varepsilon_n < F(u) < \delta_n$. So it is natural to look for sequences of linear transformations, so that for given sequences of sup-regions $(\varepsilon_n, \delta_n)$ the limit of the transformed sup-statistics is nondegenerate. In this paper a partial answer is given to this problem, including the case $\varepsilon_n \equiv 0, \delta_n \equiv 1$. The results are also valid for the Studentized version of the above statistic, and the corresponding two-sided statistics are treated, too.