Estimating a Density under Order Restrictions: Nonasymptotic Minimax Risk
序约束下的密度估计：非渐近极小极大风险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：摘要研究一般单峰密度估计的风险界，未涉及经济分布效应或其他所列领域的专门问题，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…
关注这篇论文的作者
序约束下的密度估计：非渐近极小极大风险
- 研究问题
- 在区间长度和密度上界受限的单峰密度类中，使用独立同分布样本估计密度时，最坏情形的平均绝对误差能达到什么水平？
- 方法与思路
- 作者在给定区间长度、密度上界和样本量的密度类上，以估计量与真实密度的 L1 距离衡量损失，研究极小极大风险上下界。
- 材料陈述的贡献
- 摘要称，风险上下界具有相同的立方根阶，并在指定样本量条件下给出上下界比值的限制，从而量化非渐近风险的界限。
- 阅读关注点
- 应核对达到上界的估计量如何构造、下界证明使用哪些密度，以及区间长度、密度上界与样本量如何共同决定适用范围。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；摘要未说明估计量构造和完整证明，不能据此推断其他损失或密度类的风险。
原文摘要
Let us consider the class of all unimodal densities defined on some interval of length $L$ and bounded by $H$; we shall study the minimax risk over this class, when we estimate using $n$ i.i.d. observations, the loss being measured by the $\mathbb{L}^1$ distance between the estimator and the true density. We shall prove that if $S = \operatorname{Log}(HL + 1)$, upper and lower bounds for the risk are of the form $C(S/n)^{1/3}$ and the ratio between those bounds is smaller than 44 when $S/n$ is smaller than 220$^{-1}$.