Defining probability density for a distribution of random functions
为随机函数分布定义概率密度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：摘要使用主成分分析处理通用函数数据，未明确涉及宏观或金融因子模型。
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
为随机函数分布定义概率密度
- 研究问题
- 研究函数型数据通常缺乏有限维意义的概率密度时，如何构造可解释、可估计且能反映小球概率特征的密度替代量。
- 方法与思路
- 作者在主成分特征函数确定的空间中，以给定维度下主成分得分分布的对数密度平均值构造密度近似，并研究其估计。
- 材料陈述的贡献
- 摘要称，该替代量可由数据估计，并以单调方式反映小球近似的关键特征；同时给出得分密度估计的形状性质和数值说明。
- 阅读关注点
- 应核对替代密度对维度选择的依赖、与小球概率近似的具体关系，以及主成分得分密度估计和形状差异结果的条件。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；这是密度替代量，不能据此认定存在通常意义的无限维概率密度，具体条件与误差未说明。
原文摘要
The notion of probability density for a random function is not as straightforward as in finite-dimensional cases. While a probability density function generally does not exist for functional data, we show that it is possible to develop the notion of density when functional data are considered in the space determined by the eigenfunctions of principal component analysis. This leads to a transparent and meaningful surrogate for density defined in terms of the average value of the logarithms of the densities of the distributions of principal components for a given dimension. This density approximation is estimable readily from data. It accurately represents, in a monotone way, key features of small-ball approximations to density. Our results on estimators of the densities of principal component scores are also of independent interest; they reveal interesting shape differences that have not previously been considered. The statistical implications of these results and properties are identified and discussed, and practical ramifications are illustrated in numerical work.