Exact Mean Integrated Squared Error
精确平均积分平方误差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：摘要属于一般核密度估计理论，未涉及微观分位数或分布效应的估计。
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
精确平均积分平方误差
- 研究问题
- 对于正态混合密度的核估计，能否精确计算平均积分平方误差，从而检验渐近近似和高阶核的实际作用？
- 方法与思路
- 作者针对任意阶高斯核推导正态混合密度估计的精确MISE表达式，并利用不同密度形状开展精确分析。
- 材料陈述的贡献
- 摘要称，精确分析揭示细节结构丰富时渐近MISE可能不准，并提供中等样本下高阶核实际作用较小的证据。
- 阅读关注点
- 应核对精确公式所需的密度与核设定、带宽处理、细节结构的定义，以及高阶核比较采用的样本规模。
- 阅读边界
- 仅据OpenAlex索引摘要，稿件版本未注明；结论围绕正态混合密度与高斯核，不能推广为所有密度估计中的统一判断。
原文摘要
An exact and easily computable expression for the mean integrated squared error (MISE) for the kernel estimator of a general normal mixture density, is given for Gaussian kernels of arbitrary order. This provides a powerful new way of understanding density estimation which complements the usual tools of simulation and asymptotic analysis. The family of normal mixture densities is very flexible and the formulae derived allow simple exact analysis for a wide variety of density shapes. A number of applications of this method giving important new insights into kernel density estimation are presented. Among these is the discovery that the usual asymptotic approximations to the MISE can be quite inaccurate, especially when the underlying density contains substantial fine structure and also strong evidence that the practical importance of higher order kernels is surprisingly small for moderate sample sizes.