Nonparametric estimation of convex models via mixtures
通过混合表示进行凸约束模型的非参数估计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：摘要讨论一般概率测度的凸约束估计；随机序约束本身不足以表明研究分位数或经济分布效应。
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
通过混合表示进行凸约束模型的非参数估计
- 研究问题
- 当待估概率测度必须属于某个凸集合时，能否通过适当的混合表示，将受约束估计问题转化为无约束混合测度估计问题？
- 方法与思路
- 作者将受约束测度表示为简单且已知的极端测度的混合，讨论均值估计、随机序约束等场景，并连接最大似然与贝叶斯估计。
- 材料陈述的贡献
- 摘要提出处理凸约束概率测度估计的一般思路，并描述多类约束下的混合表示技术及其在两种估计框架中的应用。
- 阅读关注点
- 应核对极端测度如何确定、混合表示是否唯一、约束转换需要哪些条件，以及最大似然或贝叶斯估计如何在混合测度上实施。
- 阅读边界
- 仅据所给 OpenAlex 索引摘要，稿件版本未注明；表示定理、识别条件和计算细节未说明，不能判断该转换对任意凸约束都可行。
原文摘要
We present a general approach to estimating probability measures constrained to lie in a convex set. We represent constrained measures as mixtures of simple, known extreme measures, and so the problem of estimating a constrained measure becomes one of estimating an unconstrained mixing measure. Convex constraints arise in many modeling situations, such as estimation of the mean and estimation under stochastic ordering constraints. We describe mixture representation techniques for these and other situations, and discuss applications to maximum likelihood and Bayesian estimation.