On Improving Density Estimators which are not Bona Fide Functions
不满足合法密度约束的密度估计量之改进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：摘要属于通用非参数密度估计理论，未明确研究经济分布效应或其他给定细分主题。
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
不满足合法密度约束的密度估计量之改进
- 研究问题
- 如何在保持估计密度非负且积分为一的同时，改善非随机带宽核密度估计的积分均方误差收敛速度？
- 方法与思路
- 作者提出兼顾非负性与归一化约束的改进方法，并称可用于正交级数、样条及 jackknife 等估计；摘要未给出具体构造。
- 材料陈述的贡献
- 摘要称该方法能够保留合法密度约束并实现类似的速率改善，还能对多类密度估计在每个样本量下改善积分均方误差。
- 阅读关注点
- 应核对合法化变换的具体形式、积分均方误差改进的比较对象，以及有限样本改进与渐近速率结论各自需要的条件。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；具体变换、光滑性要求及改进幅度未说明，不能据此推广到任意估计量。
原文摘要
In order to improve the rate of decrease of the IMSE for nonparametric kernel density estimators with nonrandom bandwidth beyond $O(n^{-4/5})$ all current methods must relax the constraint that the density estimate be a bona fide function, that is, be nonnegative and integrate to one. In this paper we show how to achieve similar improvement without relaxing any of these constraints. The method can also be applied for orthogonal series, adaptive orthogonal series, spline, jackknife, and other density estimators, and assures an improvement of the IMSE for each sample size.