Improvement on Some Known Nonparametric Uniformly Consistent Estimators of Derivatives of a Density
改进若干已知的密度导数非参数一致估计量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：摘要研究通用密度导数核估计理论，未涉及分位数、处理效应或经济分布比较，分类证据不足。
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
改进若干已知的密度导数非参数一致估计量
- 研究问题
- 对单变量密度及其固定阶导数，能否构造在整个实数轴上一致表现的核估计量，并放宽条件或改进收敛速度？
- 方法与思路
- 作者基于单变量分布的随机样本提出一类核估计量，研究密度固定阶导数估计的强一致性、渐近无偏性和均方一致性。
- 材料陈述的贡献
- 摘要称相较若干已有估计量，新估计量在上述全实数轴一致性质中可放宽条件、提高收敛速度，或兼具两者。
- 阅读关注点
- 应核对核与带宽要求、密度平滑性和尾部条件，并逐项比较不同一致性质对应的假设、收敛速度及既有估计量。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；具体条件与速度未提供，改进针对若干已有方法，不能推断为全面优势。
原文摘要
Based on a random sample from a univariate distribution with density $f$, this note exhibits a class of kernel estimators of the $p$th order derivative $f^{(p)}$ of $f, p \geqq 0$ fixed. These estimators improve some known estimators of $f^{(p)}$ by weakening the conditions, sharpening the rates of convergence, or both for the properties of strong consistency, asymptotic unbiasedness and mean square consistency, each uniform on the real line.