A Note on Density Estimation Using Orthogonal Expansions
关于正交展开密度估计的一则札记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：摘要研究一般概率密度估计，没有经济变量的分布效应或分位数分析，仅凭密度估计主题不足以归入所列细分。
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
关于正交展开密度估计的一则札记
- 研究问题
- 对固定样本量的正交级数密度估计，均值积分平方误差具有哪些一般性质，这些性质如何帮助理解截断点选择？
- 方法与思路
- 作者以均值积分平方误差作为评价标准，讨论一种常用正交级数密度估计量的性质，并以最优截断问题作为研究动机。
- 材料陈述的贡献
- 摘要明确陈述的贡献是该类密度估计量的一般误差性质；是否给出可实施的最优截断规则，摘要未说明。
- 阅读关注点
- 应核对所用正交基、密度函数的条件、误差的分解方式，以及理论最优截断点是否可由样本信息实际确定。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；具体误差性质和截断方案未提供，不能声称作者已经解决数据驱动的最优选择。
原文摘要
The estimation of probability density functions is frequently approached through the use of orthogonal series. The goodness of the estimator can be conveniently measured in terms of Mean Integrated Squared Error, or MISE. To reduce MISE to a minimum, for fixed sample size, the experimenter would like to determine an optimal truncation point for the orthogonal series estimator. Presented here are some general MISE properties of a commonly used type of density estimator.