Univariate density estimation by orthogonal series
利用正交级数估计一元概率密度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：摘要是通用密度估计理论，未明确研究分位数、分布效应或所列经济学应用方向。
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
利用正交级数估计一元概率密度
- 研究问题
- 如何将初步参数密度拟合与正交级数结合来估计一元密度，并通过级数系数的先验结构表达对偏离初始拟合的建模？
- 方法与思路
- 作者把初步拟合密度作为先验均值密度，将真实密度与其比值作加权正交展开，并为展开系数设定独立、零均值先验。
- 材料陈述的贡献
- 摘要提出一类由特定最优性意义下的核估计启发的正交级数密度估计方法，明确了初始拟合与系数先验的建模结构。
- 阅读关注点
- 应核对正交基与先验的选择、级数截断规则，以及最终估计如何满足密度非负和积分为一等基本要求及其理论性质。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；截断、先验尺度及估计性能未说明，不能把启发来源的最优性直接归于所提估计量。
原文摘要
Orthogonal series estimators of univariate densities are proposed that are derived from and motivated by kernel estimators optimal in Whittle's (1958) sense. A preliminary fit of the data from within a one or two parameter class of densities plays the role of a prior mean density. The ratio of the true density and the prior mean density is assumed to have a series expansion in terms of functions orthogonal with respect to the prior mean density. Coefficients of terms of the series are given a joint prior distribution according to which they are independent, with zero means.