A Law of the Iterated Logarithm for Nonparametric Regression Function Estimators
非参数回归函数估计量的重对数律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：摘要讨论通用非参数回归的强收敛理论，未提供所列经济或金融方向的特定数据结构。
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
非参数回归函数估计量的重对数律
- 研究问题
- 对 Nadaraya–Watson 核型估计量与正交多项式估计量，如何刻画回归函数估计的精确逐点强相合速度？
- 方法与思路
- 作者分别为两类非参数回归估计量建立重对数律，以描述估计误差的逐点强收敛行为和相应速率。
- 材料陈述的贡献
- 摘要称获得了精确的逐点强相合速率，并将结果与既有密度估计重对数律及核回归强相合结论联系起来。
- 阅读关注点
- 应核对带宽与多项式阶数的增长条件、设计及误差假设，并区分逐点强相合、统一收敛与分布收敛结论。
- 阅读边界
- 依据版本未注明的 OpenAlex 摘要；具体速率、常数和正则条件未说明，逐点结果不能直接作为统一误差或置信区间保证。
原文摘要
We study the estimation of a regression function by two classes of estimators, the Nadaraya-Watson Kernel type estimators and the orthogonal polynomial estimators. We obtain sharp pointwise rates of strong consistency by establishing laws of the iterated logarithm for the two classes of estimators. These results parallel those of Hall (1981) on density estimation and extend those of Noda (1976) on strong consistency of kernel regression estimators.