Parametrically Assisted Nonparametric Estimation of a Density in the Deconvolution Problem
反卷积密度估计中的参数辅助非参数方法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：摘要研究一般密度反卷积理论，未明确涉及经济分位数、分布效应或其他所列方向。
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
反卷积密度估计中的参数辅助非参数方法
- 研究问题
- 从受污染的数据恢复未知密度时，能否借助近似正确的参数模型改善非参数反卷积表现，同时控制模型偏离真值时的损失？
- 方法与思路
- 作者提出参数辅助的非参数密度估计，建立该问题的最优收敛速率，并讨论能够达到这些速率的估计量及其模拟表现。
- 材料陈述的贡献
- 摘要称参数模型接近真实密度时可明显改善标准非参数估计，而在其他情形下质量下降较小，并给出最优速率理论。
- 阅读关注点
- 应核对污染误差的假设、参数辅助与非参数修正的结合方式、模型接近程度的定义，以及最优速率对应的密度类别。
- 阅读边界
- 依据版本未注明的 OpenAlex 索引摘要；误差分布条件、接近程度和具体速率未说明，不能认定模型误设时普遍稳健，不能推断刊本变化。
原文摘要
Nonparametric estimation of a density from contaminated data is a difficult problem, for which convergence rates are notoriously slow. We introduce parametrically assisted nonparametric estimators which can dramatically improve on the performance of standard nonparametric estimators when the assumed model is close to the true density, without degrading much the quality of purely nonparametric estimators in other cases. We establish optimal convergence rates for our problem and discuss estimators that attain these rates. The very good numerical properties of the methods are illustrated via a simulation study. Supplementary materials for this article are available online.