An alternative method of cross-validation for the smoothing of density estimates
密度估计平滑参数的另一种交叉验证方法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：摘要研究一般核密度估计的平滑参数选择，未明确涉及经济分布效应、条件分位数或金融风险，故细分证据不足。
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
密度估计平滑参数的另一种交叉验证方法
- 研究问题
- 核密度估计的平滑参数如何通过积分平方误差交叉验证选择，其小中样本表现与基于 Kullback–Leibler 损失的方法有何差异？
- 方法与思路
- 作者建立平滑参数选择的分析框架，推导基于积分平方误差的替代交叉验证方法，并用模拟和具体例子比较两类方法。
- 材料陈述的贡献
- 摘要称本文给出替代交叉验证的推导及有限样本比较；新方法的一致性与渐近最优性被明确归于摘要引用的已有研究。
- 阅读关注点
- 应核对两种损失对应的交叉验证目标、平滑参数计算与模拟设计，并区分本文推导和引用研究已经建立的理论结果。
- 阅读边界
- 依据 OpenAlex 索引摘要，稿件版本未注明；摘要未报告比较结果，不能判断哪种方法更好，也不能将所引理论证明算作本文贡献。
原文摘要
Cross-validation with Kullback-Leibler loss function has been applied to the choice of a smoothing parameter in the kernel method of density estimation. A framework for this problem is constructed and used to derive an alternative method of cross-validation, based on integrated squared error, recently also proposed by Rudemo (1982). Hall (1983) has established the consistency and asymptotic optimality of the new method. For small and moderate sized samples, the performances of the two methods of cross-validation are compared on simulated data and specific examples.