The silhouette, concentration functions and ML-density estimation under order restrictions
轮廓估计、集中函数与序约束下的最大似然密度估计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与形状约束，未明确涉及分位数、经济分布效应或其他所列细分方向。
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
轮廓估计、集中函数与序约束下的最大似然密度估计
- 研究问题
- 如何为高维及一般序约束下的最大似然密度估计建立图形表示，并解释其与超额质量方法中轮廓估计的关系？
- 方法与思路
- 作者利用经验 Lévy 型集中函数，推广单调密度 Grenander 估计的最小凹上包络斜率表示，处理高维和一般序约束。
- 材料陈述的贡献
- 摘要称，新表示表明超额质量方法自然产生的轮廓估计就是序约束最大似然密度估计，并提供理解该问题的新视角。
- 阅读关注点
- 应核对高维序关系与集中函数的定义、图形表示的成立条件，以及轮廓估计和最大似然估计等价的具体含义。
- 阅读边界
- 仅依据版本未注明的 OpenAlex 索引摘要；摘要未说明存在性、唯一性、计算方法或渐近性质，不能推断刊本变化。
原文摘要
Based on empirical Lévy-type concentration functions, a new graphical representation of the ML-density estimator under order restrictions is given. This representation generalizes the well-known representation of the Grenander estimator of a monotone density as the slope of the least concave majorant of the empirical distribution function to higher dimensions and arbitrary order restrictions. From the given representation it follows that a density estimator called silhouette, which arises naturally out of the excess mass approach, is the ML-density estimator under order restrictions. This fact provides a new point of view to ML-density estimation from which one gains additional insight to this problem, as demonstrated in the present paper.