$L$-统计量与可积经验过程的渐近理论

Tetsuya Kaji

$L$-统计量与可积经验过程的渐近理论

统计理论 2019-10-18 v1 计量经济学统计理论

作者: Tetsuya Kaji

摘要

本文发展了关于随机权重函数的经验分位数函数积分的渐近理论，这是经典 $L$ -统计量的一个扩展。当对渐近线性估计量应用样本截尾或Winsorization时，它们就会出现。关键思想是在适合积分的空间中考虑经验过程。首先，我们刻画了经验分布函数和随机权重函数在有界可积函数空间中的弱收敛。其次，我们为作为可积函数的经验分位数函数建立了delta方法。第三，我们推导了 $L$ -统计量的delta方法。最后，我们证明了其自助过程（bootstrap processes）的弱收敛，从而展示了非参数自助法的有效性。

关键词

L-统计量经验过程可积函数 delta方法弱收敛非参数自助法

引用

@article{arxiv.1910.07572,
  title  = {Asymptotic Theory of $L$-Statistics and Integrable Empirical Processes},
  author = {Tetsuya Kaji},
  journal= {arXiv preprint arXiv:1910.07572},
  year   = {2019}
}

备注

30 pages, 1 table, 1 figure

$L$-统计量与可积经验过程的渐近理论

摘要

关键词

引用

备注

相关论文