Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > math > arXiv:2510.14016

帮助 | 高级搜索

数学 > 概率

arXiv:2510.14016 (math)
[提交于 2025年10月15日 ]

标题: Stein 方法用于 Fréchet 近似:一种规则变化函数的方法

标题: Stein's method for Fréchet approximation: a regularly varying functions approach

Authors:Mansanarez Paul, Poly Guillaume, Swan Yvik
摘要: 我们开发了Stein的生成器比较方法的一种变体,以在实线上分布之间界定Kolmogorov、总变化和Wasserstein-1距离。我们的差异性是通过逆危险率的比值来表示的;因此,即使密度导数难以处理,它仍然易于处理。我们的主要应用涉及通过Fréchet定律对归一化极值进行近似。在这种情况下,新的差异性提供了一个定量的分布接近度度量,该度量基于底层累积分布函数在无穷处的平均正则变化。我们通过显式计算来说明这种方法,包括Pareto、Cauchy和Burr~XII分布的最大值。
摘要: We develop a variant of Stein's method of comparison of generators to bound the Kolmogorov, total variation, and Wasserstein-1 distances between distributions on the real line. Our discrepancy is expressed in terms of the ratio of reverse hazard rates; it therefore remains tractable even when density derivatives are intractable. Our main application concerns the approximation of normalized extremes by Fr\'echet laws. In this setting, the new discrepancy provides a quantitative measure of distributional proximity in terms of the average regular variation at infinity of the underlying cumulative distribution function. We illustrate the approach through explicit computations for maxima of Pareto, Cauchy, and Burr~XII distributions.
主题: 概率 (math.PR)
引用方式: arXiv:2510.14016 [math.PR]
  (或者 arXiv:2510.14016v1 [math.PR] 对于此版本)
  https://doi.org/10.48550/arXiv.2510.14016
通过 DataCite 发表的 arXiv DOI(待注册)

提交历史

来自: Paul Mansanarez [查看电子邮件]
[v1] 星期三, 2025 年 10 月 15 日 18:53:18 UTC (45 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • HTML(实验性)
  • TeX 源代码
查看许可
当前浏览上下文:
math.PR
< 上一篇   |   下一篇 >
新的 | 最近的 | 2025-10
切换浏览方式为:
math

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号