Asymptotics for Doubly Flexible Logspline Response Models
双重灵活对数样条响应模型的渐近理论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：摘要明确以条件密度、条件分布和条件分位数函数为估计对象，对应分位数与分布方法方向。
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
双重灵活对数样条响应模型的渐近理论
- 研究问题
- 如何在输入与响应均位于紧区间的情形下，灵活估计条件密度、分布函数及分位数函数，并建立相应的渐近保证？
- 方法与思路
- 作者用张量积 B 样条构造有限参数指数族，对固定输入设置下的独立响应做极大似然估计，并让参数维度随样本增长。
- 材料陈述的贡献
- 摘要称参数数量适当增长时，条件密度、分布及分位数估计在相应条件下具有最优收敛速率，并研究置信界的渐近行为。
- 阅读关注点
- 应核对连续正密度假设、固定设计与样条维度增长条件，最优速率所用误差准则，以及置信界结论的具体形式。
- 阅读边界
- 仅据版本未注明的 OpenAlex 摘要；具体速率、误差范数与置信界性质未详述，不能直接推广到随机设计或非紧支持。
原文摘要
Consider a $\mathscr{Y}$-valued response variable having a density function $f(\cdot\mid x)$ that depends on an $\mathscr{X}$-valued input variable $x.$ It is assumed that $\mathscr{X}$ and $\mathscr{Y}$ are compact intervals and that $f(\cdot\mid\cdot)$ is continuous and positive on $\mathscr{X} \times \mathscr{Y}.$ Let $F(\cdot\mid x)$ denote the distribution function of $f(\cdot\mid x)$ and let $Q(\cdot\mid x)$ denote its quantile function. A finite-parameter exponential family model based on tensor-product $B$-splines is constructed. Maximum likelihood estimation of the parameters of the model based on independent observations of the response variable at fixed settings of the input variable yields estimates of $f(\cdot \mid \cdot), F(\cdot \mid \cdot)$ and $Q(\cdot \mid \cdot).$ Under mild conditions, if the number of parameters suitably tends to infinity as $n \rightarrow \infty,$ these estimates have optimal rates of convergence. The asymptotic behavior of the corresponding confidence bounds is also investigated.