Polynomial Estimation of Regression Functions with the Supremum Norm Error
上确界误差下回归函数的多项式估计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：摘要研究通用回归函数逼近与一致误差控制，未提供因果、面板或其他所列经济计量细分领域的直接依据。
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
上确界误差下回归函数的多项式估计
- 研究问题
- 在观测点由实验者选择时，如何用多项式或分段多项式估计解析回归函数及有限阶导数有界函数，并控制全区间最大误差？
- 方法与思路
- 作者以误差的上确界范数为评价标准，在给定函数类别和可选择观测点的设定下，研究多项式与分段多项式估计。
- 材料陈述的贡献
- 摘要称论文获得这些回归函数估计的渐近和非渐近误差界，覆盖单位区间上的解析函数及某阶导数有界的函数。
- 阅读关注点
- 应核对噪声假设、观测点设计、多项式阶数与分段规则，以及误差界是概率界还是期望界、各项常数依赖哪些条件。
- 阅读边界
- 来源为稿件版本未注明的 OpenAlex 索引摘要。摘要未报告误差界的形式或最优性结论，也不能直接推广到随机设计情形。
原文摘要
Regression with the error measured by the supremum norm is considered. Analytic functions on [0, 1] and functions with a bounded $r$th derivative are considered as functions to be estimated. It is assumed that the experimenter chooses the points at which the observations are taken. Polynomial and piecewise polynomial estimates are considered. Asymptotic and nonasymptotic bounds for the error are obtained.