Smooth optimum kernel estimators near endpoints
端点附近的平滑最优核估计量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：摘要主要研究通用边界核理论，谱密度只是列举对象之一，不足以确定专门的时间序列方向。
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
端点附近的平滑最优核估计量
- 研究问题
- 估计密度、谱密度或回归曲线时，如何修改支持集端点附近的核函数，并判断是否需要局部调整带宽？
- 方法与思路
- 作者把边界核的构造写成变分问题，给出正交多项式表示与若干显式解，并通过蒙特卡洛研究带宽变化方案。
- 材料陈述的贡献
- 摘要称，得到重要情形下的边界核显式解，并依据核泛函的公式说明边界附近可能需要采用局部带宽变化。
- 阅读关注点
- 应核对变分问题的目标与约束、最优性准则、边界核的光滑要求，以及不同带宽方案的偏差和方差表现。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；最优性条件及模拟数值未说明，不能断言某种方案普遍更好或推断刊本变化。
原文摘要
Kernel estimators for smooth curves like density, spectral density or regression functions require modifications when estimating near endpoints of the support, both for practical and asymptotic reasons. The construction of such boundary kernels as solutions of a variational problem is addressed and representations in orthogonal polynomials are given, including explicit solutions for the most important cases. Based on explicit formulae for certain functional of the kernels, it is shown that local bandwidth variation might be indicated near boundaries. Various bandwidth variation schemes are discussed and investigated in a Monte Carlo study.