Adaptive Nonparametric Peak Estimation
自适应非参数峰值估计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：摘要研究通用非参数回归的峰位置与高度，未涉及所列分位数、因果效应或其他具体方向，因此暂不分类。
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
自适应非参数峰值估计
- 研究问题
- 估计回归函数峰的位置与高度时，能否从数据一致地选择最优核带宽，并保持使用最优带宽时的联合渐近分布？
- 方法与思路
- 作者研究以缩放带宽为索引的二维随机过程向高斯过程的弱收敛，构造最优带宽的一致估计，并开展有限样本模拟。
- 材料陈述的贡献
- 摘要称数据选择的带宽可保持峰位置与高度的最优联合渐近分布，并提出实现这种渐近有效估计的实用方法。
- 阅读关注点
- 核对峰的局部形态和唯一性等条件、最优带宽的目标函数、带宽估计步骤，以及联合极限与模拟表现的关系。
- 阅读边界
- 仅据版本未注明的OpenAlex索引摘要；峰形条件、带宽公式和模拟结果未说明，渐近有效性不代表有限样本普遍优势。
原文摘要
It is shown that consistent estimates of the optimal bandwidths for kernel estimators of location and size of a peak of a regression function are available. Such estimates yield the same joint asymptotic distribution of location and size of a peak as the optimal bandwidths themselves. Therefore data-adaptive efficient estimation of peaks is possible. In order to prove this result, the weak convergence of a two-dimensional stochastic process with appropriately scaled bandwidths as arguments to a Gaussian limiting process is shown. A practical method which leads to consistent estimates of the optimal bandwidths and is therefore asymptotically efficient is proposed and its finite sample properties are investigated by simulation.