Non-Parametric Inference for Density Modes
密度众数的非参数推断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：摘要讨论通用密度众数和曲率推断，未涉及经济分位数或分布效应。
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…
密度众数的非参数推断
- 研究问题
- 如何为密度估计众数处的曲率特征构造有效置信集合，并据此评估众数的强度、形状及统计显著性？
- 方法与思路
- 作者拆分数据以分别识别候选众数和进行推断，通过基本对称多项式变换实施 bootstrap，并按显著众数数量选择带宽。
- 材料陈述的贡献
- 摘要称，该变换使特征值存在重数时仍可构造有效置信集合，并以实例展示带宽选择，包括真实分布没有密度的情形。
- 阅读关注点
- 应核对推断针对估计密度还是真实密度、数据拆分与带宽的作用，以及特征值重数和奇异分布下有效性的条件。
- 阅读边界
- 仅据 Crossref 摘要；覆盖率条件和带宽选择的理论保证未说明，实例中的良好表现不能推广为一般最优性。
原文摘要
Summary We derive non-parametric confidence intervals for the eigenvalues of the Hessian at modes of a density estimate. This provides information about the strength and shape of modes and can also be used as a significance test. We use a data-splitting approach in which potential modes are identified by using the first half of the data and inference is done with the second half of the data. To obtain valid confidence sets for the eigenvalues, we use a bootstrap based on an elementary symmetric polynomial transformation. This leads to valid bootstrap confidence sets regardless of any multiplicities in the eigenvalues. We also suggest a new method for bandwidth selection, namely choosing the bandwidth to maximize the number of significant modes. We show by example that this method works well. Even when the true distribution is singular, and hence does not have a density (in which case cross-validation chooses a zero bandwidth), our method chooses a reasonable bandwidth.