Multiscale inference about a density
密度的多尺度推断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：文本讨论通用密度形状与失效率推断，未明确研究微观分布效应或其他所列方向。
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
密度的多尺度推断
- 研究问题
- 如何同时判断密度或失效率的局部上升与下降是否存在、位于何处，并在多个尺度上控制推断的显著性水平？
- 方法与思路
- 作者基于局部次序统计量和间距构造多尺度检验统计量，由此给出关于局部增减存在性与位置的同时置信陈述。
- 材料陈述的贡献
- 摘要称，程序具有有限样本显著性水平保证，容易实现，并具备某些渐近最优性与自适应性质。
- 阅读关注点
- 核对同时置信陈述的准确含义、尺度与区间选择规则，以及有限样本保证和渐近最优性分别需要哪些条件。
- 阅读边界
- 仅据版本未注明的OpenAlex索引摘要；具体保证、最优性标准与自适应范围未说明，不能据此认定所有密度特征均可可靠识别。
原文摘要
We introduce a multiscale test statistic based on local order statistics and spacings that provides simultaneous confidence statements for the existence and location of local increases and decreases of a density or a failure rate. The procedure provides guaranteed finite-sample significance levels, is easy to implement and possesses certain asymptotic optimality and adaptivity properties.