Asymptotic equivalence theory for nonparametric regression with random design
随机设计非参数回归的渐近等价理论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：摘要研究一般非参数统计实验的渐近等价，未明确关联所列因果、分布效应或时间序列方向。
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…
随机设计非参数回归的渐近等价理论
- 研究问题
- 在未知回归函数满足何种光滑性条件时，随机设计非参数回归与白噪声统计实验全局渐近等价，研究结果如何在二者之间转移？
- 方法与思路
- 作者构造两个统计实验之间的显式等价映射，生成合成观测及相应渐近解，使其渐近性质与另一实验中的对应对象一致。
- 材料陈述的贡献
- 摘要称在尖锐光滑性条件下建立了全局渐近等价，并说明借助这些映射，可将一个等价非参数问题的渐近结果转移至另一个。
- 阅读关注点
- 应核对随机设计与噪声的条件、光滑性门槛、实验距离的定义，以及映射对参数集合的统一性和可转移决策问题的范围。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；摘要未给出光滑性阈值或映射细节，渐近等价不能直接解释为有限样本完全等同。
原文摘要
This paper establishes the global asymptotic equivalence between the nonparametric regression with random design and the white noise under sharp smoothness conditions on an unknown regression or drift function. The asymptotic equivalence is established by constructing explicit equivalence mappings between the nonparametric regression and the white-noise experiments, which provide synthetic observations and synthetic asymptotic solutions from any one of the two experiments with asymptotic properties identical to the true observations and given asymptotic solutions from the other. The impact of such asymptotic equivalence results is that an investigation in one nonparametric problem automatically yields asymptotically analogous results in all other asymptotically equivalent nonparametric problems.