经验分布函数和插件估计量的 Marcinkiewicz-Zygmund 律与普通强律

Henryk Zähle

经验分布函数和插件估计量的 Marcinkiewicz-Zygmund 律与普通强律

统计理论 2013-01-07 v1 统计理论

作者: Henryk Zähle

摘要

推导了一般统计泛函插件估计量的 Marcinkiewicz-Zygmund 大数强律 (MZ-SLLNs) 和普通大数强律 (SLLNs)。其依据是：如果一个统计泛函“足够正则”，那么未知分布函数估计量的 (MZ-) SLLN 将导出相应插件估计量的 (MZ-) SLLN。特别地，本文证明了许多 L-、V- 和风险泛函是“足够正则”的，并且可以改进关于 $\alpha$ -混合随机变量经验过程强收敛的已知结果。所提出的方法不仅涵盖了一些已知结果，还为特定统计泛函的插件估计量提供了一些新的强律。

关键词

Marcinkiewicz-Zygmund 强律大数强律插件估计量经验分布函数统计泛函 $\alpha$-混合

引用

@article{arxiv.1301.0726,
  title  = {Marcinkiewicz-Zygmund and ordinary strong laws for empirical distribution functions and plug-in estimators},
  author = {Henryk Zähle},
  journal= {arXiv preprint arXiv:1301.0726},
  year   = {2013}
}

经验分布函数和插件估计量的 Marcinkiewicz-Zygmund 律与普通强律

摘要

关键词

引用

相关论文