Discretized and Interpolated Kernel Density Estimates
离散化与插值后的核密度估计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：摘要涉及通用核密度估计的计算近似，没有研究经济变量的分位数或分布效应，故不作细分。
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
离散化与插值后的核密度估计
- 研究问题
- 为计算或绘图而将核密度估计改为分段常数或分段线性表示，会怎样影响估计误差？预先对数据分箱又有何影响？
- 方法与思路
- 作者研究网格离散化、线性插值及数据预分箱对核密度估计的渐近积分均方误差影响，比较这些计算近似的风险性质。
- 材料陈述的贡献
- 摘要称，离散化可能恶化风险的数量级，插值则基本消除这种粗糙性影响；预分箱在所研究情形下对整体表现影响较小。
- 阅读关注点
- 核对网格间距、带宽与样本量之间的条件，区分预分箱和估计后离散化，并检查粗网格下插值结论的具体适用范围。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明，刊本差异未核验；可接受网格粗细、误差常数和有限样本界未说明。
原文摘要
The kernel estimate of a probability density function inherits its smoothness properties from the kernel density chosen by the investigator. Nevertheless, for computational (and especially graphical) reasons, exact kernel density estimates are often presented in (piecewise constant) discretized or (piecewise linear) interpolated form, using the exact estimate only at some grid of points. The asymptotic integrated mean squared error properties of these modifications are studied. It is seen that discretization may adversely affect the order of magnitude of this risk criterion, so care needs to be taken in practice to limit the degree of discretization employed. This roughness effect essentially disappears when interpolation is used instead; then, it takes a remarkably coarse grid to result in more than a negligible deterioration in the estimate's performance. Data discretization prior to applying the kernel density estimation prescription is also addressed. Such prebinning does not affect the smoothness of the resulting estimate and has a reassuringly minor effect on overall performance, both in conjunction with postbinning schemes and without.