Distribution-Free Pointwise Consistency of Kernel Regression Estimate
核回归估计的分布无关逐点一致性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：摘要研究通用非参数回归的一致性，未提供因果目标、面板结构或其他所列专门模型，因此不作细分归类。
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…
核回归估计的分布无关逐点一致性
- 研究问题
- 不限制解释变量分布时，核回归估计能否在几乎处处的点上一致，响应变量的矩条件与带宽需要满足哪些要求？
- 方法与思路
- 作者对独立同分布样本的核加权回归估计建立逐点收敛结果，区分响应绝对可积与有界情形，并施加相应带宽条件。
- 材料陈述的贡献
- 摘要称，对任意解释变量分布可得到几乎处处的依概率收敛；加强响应和带宽条件后得到完全收敛，且允许部分无界支撑核。
- 阅读关注点
- 应核对适用核函数的完整条件、几乎处处相对于哪个分布，以及带宽条件、分母处理与完全收敛结论的具体关系。
- 阅读边界
- 仅据版本未注明的 OpenAlex 摘要；核函数完整条件未说明，分布无关不等于无条件，也不意味着每一点或一致范数下收敛。
原文摘要
An estimate $\sum^n_{i=1} Y_iK((x - X_i)/h)/\sum^n_{j=1} K((x - X_j)/h)$, calculated from a sequence $(X_1, Y_1), \cdots, (X_n, Y_n)$ of independent pairs of random variables distributed as a pair $(X, Y)$, converges to the regression $E\{Y\mid X = x\}$ as $n$ tends to infinity in probability for almost all $(\mu) x \in R^d$, provided that $E|Y| < \infty, h \rightarrow 0$ and $nh^d \rightarrow \infty$ as $n \rightarrow \infty$. The result is true for all distributions $\mu$ of $X$. If, moreover, $|Y| \leq \gamma < \infty$ and $nh^d/\log n \rightarrow \infty$ as $n \rightarrow \infty$, a complete convergence holds. The class of applicable kernels includes those having unbounded support.