Consistency of a recursive estimate of mixing distributions
混合分布递归估计的一致性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：摘要讨论通用混合分布估计；这里的混合分布并非经济分位数或分布效应研究。
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…
混合分布递归估计的一致性
- 研究问题
- 用于估计混合分布的快速递归算法是否一致，其对数据顺序的依赖能否通过置换平均消除，并保留一致性？
- 方法与思路
- 作者证明递归估计在弱拓扑下的几乎处处一致性，对数据排列取平均构造修正，再以 Rao–Blackwell 论证建立依概率一致性。
- 材料陈述的贡献
- 摘要称原递归估计和置换不变修正具有相应一致性，并以模拟比较递归、置换近似、非参数最大似然和贝叶斯估计。
- 阅读关注点
- 应核对被混合密度族的条件、递归更新规则、两种一致性的区别，以及置换平均的蒙特卡洛近似与计算成本。
- 阅读边界
- 依据版本未注明的 OpenAlex 索引摘要；所谓温和条件未展开，模拟胜负和近似误差未说明，不能据此认定某方法普遍更优。
原文摘要
Mixture models have received considerable attention recently and Newton [Sankhyā Ser. A 64 (2002) 306–322] proposed a fast recursive algorithm for estimating a mixing distribution. We prove almost sure consistency of this recursive estimate in the weak topology under mild conditions on the family of densities being mixed. This recursive estimate depends on the data ordering and a permutation-invariant modification is proposed, which is an average of the original over permutations of the data sequence. A Rao–Blackwell argument is used to prove consistency in probability of this alternative estimate. Several simulations are presented, comparing the finite-sample performance of the recursive estimate and a Monte Carlo approximation to the permutation-invariant alternative along with that of the nonparametric maximum likelihood estimate and a nonparametric Bayes estimate.