Parametric rates of nonparametric estimators and predictors for continuous time processes
连续时间过程非参数估计量与预测量的参数收敛速度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：摘要明确研究连续时间平稳过程的路径观测、估计与预测，对应时间序列方法。
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
连续时间过程非参数估计量与预测量的参数收敛速度
- 研究问题
- 连续时间观测路径的局部不规则性是否提供额外信息，使非参数估计与预测在一定条件下达到参数型收敛速度？
- 方法与思路
- 作者利用连续时间过程的特殊 Borel–Cantelli 引理与精细大偏差不等式，分析核密度估计及适当抽样方案下的速度。
- 材料陈述的贡献
- 摘要称局部路径信息可带来均方与几乎处处一致收敛的参数型速度，并称适当抽样方案可以保留所获速度。
- 阅读关注点
- 应核对平稳性之外的路径与依赖条件、带宽和抽样要求；具体一致收敛公式及迭代对数项需对照原文确认。
- 阅读边界
- 所给材料为版本未注明的 OpenAlex 索引摘要；具体条件未展示，公式含异常符号，需查原文，不能推广到任意连续时间过程。
原文摘要
We show that local irregularity of observed sample paths provides additional information which allows nonparametric estimators and predictors for continuous time processes to reach parametric rates in mean square as well as in a.s. uniform convergence. For example, we prove that under suitable conditions the kernel density estimator $f_T$ associated with the observed sample path $(X_t, 0 \leq t \leq T)$ satisfies $$\sup_{x \epsilon \mathbb{R}}|f_T(x) - f(x)| = o(\ln_k T(\frac{\ln T}{T})^{1/2}) \quad \text{a.s.}, k \geq 1$$ where f denotes the unknown marginal density of the stationary process and where $\ln_k$ denotes the kth iterated logarithm. The proof uses a special Borel-Cantelli lemma for continuous time processes together with a sharp large deviation inequality. Furthermore the parametric rate obtained in (1) is preserved by using a suitable sampling scheme.