Penalized Likelihood Estimation of Hazard and Intensity Functions
风险率与强度函数的惩罚似然估计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：摘要讨论风险率与泊松强度的通用估计，未涉及所列金融风险或高频金融数据。
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
风险率与强度函数的惩罚似然估计
- 研究问题
- 如何通过惩罚似然非参数估计风险率函数并保持估计值为正，以及如何将方法改用于非平稳泊松过程的强度函数？
- 方法与思路
- 作者采用惩罚似然构造风险率估计，得到连续且一阶导数仅在有限点可能不连续的双曲样条，再修改方法估计强度函数。
- 材料陈述的贡献
- 摘要称风险率估计始终为正，区别于所比较的二次样条估计，并给出强度估计的扩展及一个估计方法比较例子。
- 阅读关注点
- 阅读时应核对惩罚项与样条解的关系、正值性质的保证方式，以及平滑参数、数据结构和强度估计扩展的具体要求。
- 阅读边界
- 仅据所给 Crossref 摘要；惩罚选择、估计误差和比较结果未提供，正值性质与单个例子不足以支持全面优越性判断。
原文摘要
SUMMARY A nonparametric estimate is proposed for the hazard function using penalized likelihood methods. The estimate turns out to be a hyperbolic spline function which is continuous with its first derivative discontinuous only at a finite number of points. It always assumes positive values, unlike Anderson and Senthilselvan’s (1980) quadratic spline estimate. This method is modified for the estimation of the intensity function of a nonstationary Poisson process. An example is given for comparison of the new estimator with the estimator of Anderson and Senthilselvan (1980).