Splines as Local Smoothers
作为局部平滑器的样条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平滑与样条权重理论，没有所列领域细分的直接证据。
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
作为局部平滑器的样条
- 研究问题
- 如何从局部加权平均的角度理解平滑样条，并利用权重随距离衰减的性质分析其偏差与方差，而不局限于等距观测点？
- 方法与思路
- 作者研究样条权重函数，在观测点经验分布充分接近具有严格正密度的连续分布时建立衰减界，并用于一阶样条渐近分析。
- 材料陈述的贡献
- 摘要称权重绝对值具有非渐近的指数衰减界，据此推导一阶平滑样条的渐近偏差与方差，并说明论证可扩展至高阶样条。
- 阅读关注点
- 核对经验分布接近条件的量化方式、衰减界中的常数和边界处理，以及一阶样条结果与高阶扩展之间的证明范围。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；充分接近的阈值及具体偏差方差表达式未提供，高阶扩展的细节需查全文。
原文摘要
A smoothing spline is a nonparametric curve estimate that is defined as the solution to a minimization problem. One problem with this representation is that it obscures the fact that a spline, like most other nonparametric estimates, is a local, weighted average of the observed data. This property has been used extensively to study the limiting properties of kernel estimates and it is advantageous to apply similar techniques to spline estimates. Although equivalent kernels have been identified for a smoothing spline, these functions are either not accurate enough for asymptotic approximations or are restricted to equally spaced points. This paper extends this previous work to understand a spline estimate's local properties. It is shown that the absolute value of the spline weight function decreases exponentially away from its center. This result is not asymptotic. The only requirement is that the empirical distribution of the observation points be sufficiently close to a continuous distribution with a strictly positive density function. These bounds are used to derive the asymptotic form for the bias and variance of a first order smoothing spline estimate. The arguments leading to this result can be easily extended to higher order splines.