Weak Convergence and Efficient Density Estimation at a Point
弱收敛与单点密度的有效估计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：摘要研究一般多元密度估计与弱收敛，未涉及分位数、分布效应或其他所列领域。
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
弱收敛与单点密度的有效估计
- 研究问题
- 多元密度在某一点的有效估计需要未知密度及其二阶导数时，能否用初步一致估计替代而保持渐近效率？
- 方法与思路
- 作者先一致估计密度及二阶导数，再代入有效估计器的选择规则，并通过整个估计器类的过程弱收敛研究两阶段程序。
- 材料陈述的贡献
- 摘要称两阶段估计器与不可直接实现的有效选择渐近等价，并据此得到核类型的渐近有效单点密度估计器。
- 阅读关注点
- 全文需核对效率标准、密度光滑条件、初步估计要求，以及估计器类的弱收敛为何足以支持随机代入的渐近等价性。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；效率定义、带宽选择和完整条件未给出，不能据此判断有限样本表现。
原文摘要
We consider estimators for a multivariate probability density at a point. Efficient choices require knowledge of the density and its second derivatives although these are not known. We use consistent, but not necessarily efficient, estimators for these and use them to replace the unknown values in the choices for an efficient estimator. Our second stage estimators and the unattainable efficient choices are asymptotically equivalent. This follows because we show that an entire class of estimators converges weakly to a limiting stochastic process. We find asymptotically efficient estimators of kernel type.