Local likelihood density estimation based on smooth truncation
基于平滑截断的局部似然密度估计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：摘要研究一般密度估计量之间的关系，未明确涉及分位数、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
基于平滑截断的局部似然密度估计
- 研究问题
- 如何通过截断将参数密度估计局部化，并解释新构造的局部似然密度估计量与已有两种估计量之间的关系？
- 方法与思路
- 作者将截断作为参数密度估计局部化的自然机制，提出第三种估计量，并考察加入自由乘法常数后的三者关系。
- 材料陈述的贡献
- 摘要称当自由乘法常数作为额外局部参数时，三种局部似然密度估计量一致，提供了它们之间的统一联系。
- 阅读关注点
- 应核对平滑截断与局部似然的具体定义、乘法常数的角色，以及三种估计量一致所要求的模型和优化条件。
- 阅读边界
- 依据版本未注明的 OpenAlex 摘要；截断形式、条件与有限样本表现未说明，估计量一致的结论不能推出效率或实用性能优势。
原文摘要
Two existing density estimators based on local likelihood have properties that are comparable to those of local likelihood regression but they are much less used than their counterparts in regression. We consider truncation as a natural way of localising parametric density estimation. Based on this idea, a third local likelihood density estimator is introduced. Our main result establishes that the three estimators coincide when a free multiplicative constant is used as an extra local parameter.