Density Estimation Under Long-Range Dependence
长程依赖下的密度估计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：摘要明确研究长程依赖平稳序列中的核密度过程及其渐近性质。
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
长程依赖下的密度估计
- 研究问题
- 对具有高斯从属结构的长程依赖平稳序列，核边际密度估计过程的弱极限与经验过程极限之间存在什么关系？
- 方法与思路
- 作者在已有经验过程弱收敛结果的基础上，研究核密度过程及更高阶导数过程，并考察相应的函数型重对数律。
- 材料陈述的贡献
- 摘要称，密度过程以相同标准化弱收敛到经验过程极限的导数；相关现象也延伸至更高阶导数和函数型重对数律。
- 阅读关注点
- 应核对高斯从属结构、长程依赖与带宽条件、所用标准化和函数空间，并厘清为何其紧性表现不同于独立或弱依赖情形。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要解读。摘要未给出带宽条件或极限过程形式，不能推广到所有长程依赖序列或密度估计方法。
原文摘要
Dehling and Taqqu established the weak convergence of the empirical process for a long-range dependent stationary sequence under Gaussian subordination. We show that the corresponding density process, based on kernel estimators of the marginal density, converges weakly with the same normalization to the derivative of their limiting process. The phenomenon, which carries on for higher derivatives and for functional laws of the iterated logarithm, is in contrast with independent or weakly dependent situations, where the density process cannot be tight in the usual function spaces with supremum distances.