Nonparametric Estimation of Markov Transition Functions
马尔可夫转移函数的非参数估计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：摘要根据马尔可夫链的序列观测估计相邻时期的条件转移分布，直接涉及时间序列依赖建模。
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
马尔可夫转移函数的非参数估计
- 研究问题
- 对具有不随时间变化的转移规律的马尔可夫链，能否根据一条样本路径非参数估计条件转移分布，并获得强一致性？
- 方法与思路
- 作者根据链的观测序列构造转移分布估计，在不可约、非周期且具有极限分布等条件下研究收敛，并用聚类算法改进实现。
- 材料陈述的贡献
- 摘要称，对满足邻域正概率条件的固定状态，估计对下一期状态阈值一致且几乎必然收敛，并以模拟展示方法潜力。
- 阅读关注点
- 应核对连续性、链的遍历条件及邻域正概率要求，区分对阈值的一致收敛与对当前状态的一致收敛，并检查聚类步骤。
- 阅读边界
- 仅据稿件版本未注明的 OpenAlex 索引摘要；估计公式和模拟结果未提供，固定状态上的结论不能直接改写为对全部状态一致。
原文摘要
Let $\{X_n\}$ be a Markov chain having a stationary transition function and assume that the state set is an arbitrary set in a Euclidean space. The state transition law of the chain is given by a function $F(y|x) = P\lbrack X_{n+1} \leqslant y|X_n = x\rbrack$, which is assumed defined and continuous for all $x$. In this paper we give a statistical procedure for determining a function $F_n(y\mid x)$ on the basis of the sample $\{X_j\}^n_{j=1}, n = 1, 2,\cdots,$ and prove that if the chain is irreducible, aperiodic, and possesses a limiting distribution $\pi$, then with probability 1, $\sup_y|F_n(y|x) - F(y|x)| \rightarrow_n0$ for every $x$ such that any open sphere containing $x$ has positive $\pi$ probability. This result improves upon a study by Roussas which gives only weak convergence. We demonstrate that a certain clustering algorithm is useful for obtaining efficient versions of our estimates. The potential value of our methods is illustrated by computer studies using simulated data.