Jump information criterion for statistical inference in estimating discontinuous curves
用于不连续曲线估计与统计推断的跳跃信息准则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：摘要研究一般回归曲线的不连续性，未明确涉及时间序列断点或宏观结构变化。
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
用于不连续曲线估计与统计推断的跳跃信息准则
- 研究问题
- 非参数回归曲线的跳跃数量未知时，如何选择跳跃数量，减少对预先给定数量或最小跳跃幅度的依赖？
- 方法与思路
- 作者提出跳跃信息准则，结合拟合数据的保真项与涉及跳跃数量、幅度的惩罚项，通过最小化准则确定数量。
- 材料陈述的贡献
- 摘要称理论与数值研究支持该准则的表现，为未知跳跃数量的不连续回归曲线估计提供一种方法。
- 阅读关注点
- 应核对惩罚项形式、优化算法、跳跃数量选择的理论保证，以及是否仍需最小间距或跳跃幅度等条件。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；具体理论结论未说明，不能断言取消了全部跳跃条件或推断刊本变化。
原文摘要
Nonparametric regression analysis when the regression function is discontinuous has many applications. Existing methods for estimating a discontinuous regression curve usually assume that the number of jumps in the regression curve is known beforehand, which is unrealistic in some situations. Although there has been research on estimation of a discontinuous regression curve when the number of jumps is unknown, the problem remains mostly open because such research often requires assumptions on other related quantities, such as a known minimum jump size. In this paper we propose a jump information criterion which consists of a term measuring the fidelity of the estimated regression curve to the observed data and a penalty related to the number of jumps and the jump sizes. The number of jumps can then be determined by minimizing our criterion. Theoretical and numerical studies show that our method works well.