On the $\mathbb{L}_{p}$-error of monotonicity constrained estimators
单调性约束估计量的 Lp 误差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：摘要属于单调约束估计的一般理论，密度与风险率应用不足以归入所列分布效应或金融风险方向。
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
单调性约束估计量的 Lp 误差
- 研究问题
- 对具有递增或递减约束的函数估计，如何统一刻画积分误差的渐近分布，以及固定点局部风险和整体风险的阶？
- 方法与思路
- 作者将估计量定义为原函数估计的凹或凸近似之斜率，建立统一分析，并应用于密度、回归、风险率和泊松强度。
- 材料陈述的贡献
- 摘要称，论文证明 Lp 损失的高斯极限与局部、整体风险阶，推广既有单调估计结果，并获得删失及强度模型的新结果。
- 阅读关注点
- 应核对 p 的适用范围、损失的中心化与归一化、边界处理，以及各应用满足统一理论条件的验证方式。
- 阅读边界
- 仅依据版本未注明的 OpenAlex 索引摘要；风险阶表达式的上下标宜查原文，具体条件及未知极限参数的估计未说明。
原文摘要
We aim at estimating a function λ:[0,1]→ℝ, subject to the constraint that it is decreasing (or increasing). We provide a unified approach for studying the $\mathbb {L}_{p}$-loss of an estimator defined as the slope of a concave (or convex) approximation of an estimator of a primitive of λ, based on n observations. Our main task is to prove that the $\mathbb {L}_{p}$-loss is asymptotically Gaussian with explicit (though unknown) asymptotic mean and variance. We also prove that the local $\mathbb {L}_{p}$-risk at a fixed point and the global $\mathbb {L}_{p}$-risk are of order n−p/3. Applying the results to the density and regression models, we recover and generalize known results about Grenander and Brunk estimators. Also, we obtain new results for the Huang–Wellner estimator of a monotone failure rate in the random censorship model, and for an estimator of the monotone intensity function of an inhomogeneous Poisson process.