Cube root weak convergence of empirical estimators of a density level set
密度水平集经验估计量的立方根弱收敛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：摘要属于一般密度水平集与经验过程理论，未明确涉及微观分布效应或其他给定经济计量方向。
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
密度水平集经验估计量的立方根弱收敛
- 研究问题
- 由独立随机向量构造的三个凸密度水平集估计量，如何用集合之间的对称差描述其联合极限分布，并比较它们的渐近行为？
- 方法与思路
- 作者研究超额质量集、最小体积集和最大概率集估计量，使用边界局部经验过程、柱体表示、边界集中性质及带漂移Wiener过程。
- 材料陈述的贡献
- 摘要称识别了三个估计量与目标水平集对称差的联合极限分布；最小体积集与最大概率集渐近不可区分，超额质量集的极限行为更丰富。
- 阅读关注点
- 应核对密度与边界的正则条件、候选凸集合类、集合值弱收敛的定义，以及联合极限和渐近不可区分结论的具体含义。
- 阅读边界
- 仅依据 Crossref 摘要；完整正则条件和极限表达未提供，收敛速度的指数排版需核对原PDF，不能自行重构或据此推导结论。
原文摘要
Given n independent random vectors with common density f on Rd, we study the weak convergence of three empirical-measure based estimators of the convex λ-level set Lλ of f, namely the excess mass set, the minimum volume set and the maximum probability set, all selected from a class of convex sets A that contains Lλ. Since these set-valued estimators approach Lλ, even the formulation of their weak convergence is nonstandard. We identify the joint limiting distribution of the symmetric difference of Lλ and each of the three estimators, at rate n−1/3. It turns out that the minimum volume set and the maximum probability set estimators are asymptotically indistinguishable, whereas the excess mass set estimator exhibits “richer” limit behavior. Arguments rely on the boundary local empirical process, its cylinder representation, dimension-free concentration around the boundary of Lλ, and the set-valued argmax of a drifted Wiener process.