Large-Sample Inference for Log-Spline Models
对数样条模型的大样本推断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：摘要明确研究分布函数与分位数函数的估计、标准误和置信界，直接关联分位数与分布方法。
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
对数样条模型的大样本推断
- 研究问题
- 对于已知紧区间上连续且为正的未知密度，如何同时估计密度、分布函数和分位数函数，并获得收敛速率及置信界？
- 方法与思路
- 作者用 B 样条构造有限参数指数族，通过最大似然估计密度、分布和分位数，并让参数数量随样本量适当增长。
- 材料陈述的贡献
- 摘要称这些估计可达到最优收敛速率，并研究置信界；分布与分位数估计的标准误渐近等于相应经验估计的标准误。
- 阅读关注点
- 核对样条结点与参数增长条件、最优速率对应的误差度量，以及置信界的形式和分位数推断在区间边界附近的要求。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；具体条件与速率未列出，标准误渐近相等也不代表有限样本精度或所有置信界相同。
原文摘要
Let $f$ be a continuous and positive unknown density on a known compact interval $\mathscr{Y}$. Let $F$ denote the distribution function of $f$ and let $Q = F^{-1}$ denote its quantile function. A finite-parameter exponential family model based on $B$-splines is constructed. Maximum-likelihood estimation of the parameters of the model based on a random sample of size $n$ from $f$ yields estimates $\hat{f, F}$ and $\hat{Q}$ of $f, F$ and $Q$, respectively. Under mild conditions, if the number of parameters tends to infinity in a suitable manner as $n \rightarrow \infty$, these estimates achieve the optimal rate of convergence. The asymptotic behavior of the corresponding confidence bounds is also investigated. In particular, it is shown that the standard errors of $\hat{F}$ and $\hat{Q}$ are asymptotically equal to those of the usual empirical distribution function and empirical quantile function.