On Improving Convergence Rates for Nonnegative Kernel Density Estimators
改进非负核密度估计量的收敛速度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：摘要讨论通用核密度估计，未明确涉及分位数、分布效应或其他所列细分方向。
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
改进非负核密度估计量的收敛速度
- 研究问题
- 核密度估计能否在保持非负性的同时改善积分均方误差的收敛速度，从而避免负密度给危险率和似然比应用带来的困难？
- 方法与思路
- 作者保留密度估计的非负约束，仅放松积分必须等于一的约束，以此寻求类似于放松非负约束所获得的收敛速度改善。
- 材料陈述的贡献
- 摘要称，仅放松积分约束也能改善核密度估计的收敛速度，为不便处理负密度估计的应用提供另一种方法。
- 阅读关注点
- 应核对估计量的具体构造、速度改善所需的光滑性条件，以及重新归一化是否影响非负性、误差阶和应用表现。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；改进后的具体速率与条件未说明，也无法判断是否适合所有密度估计问题。
原文摘要
To improve the rate of decrease of integrated mean square error for nonparametric kernel density estimators beyond $0(n^{-\frac{4}{5}}),$ we must relax the constraint that the density estimate be a bonafide density function, that is, be nonnegative and integrate to one. All current methods for kernel (and orthogonal series) estimators relax the nonnegativity constraint. In this paper we show how to achieve similar improvement by relaxing the integral constraint only. This is important in applications involving hazard function and likelihood ratios where negative density estimates are awkward to handle.