Nonparametric Density Estimation from Biased Data with Unknown Biasing Function
偏倚函数未知时基于有偏样本的非参数密度估计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：摘要以抽样偏倚下的总体密度恢复为核心，直接涉及分布估计。
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
偏倚函数未知时基于有偏样本的非参数密度估计
- 研究问题
- 当抽样概率依赖研究变量，且总体密度与抽样偏倚权重都未知时，能否利用两个独立样本恢复总体分布与规模？
- 方法与思路
- 作者要求从固定有限总体取得两个独立样本，非参数估计密度及抽样权重，并由密度估计导出总体规模估计。
- 材料陈述的贡献
- 摘要称，论文提供密度和总体规模估计的渐近偏差及标准误，并通过模拟与加拿大原住民双名单数据展示方法。
- 阅读关注点
- 核对两个样本及名单重叠信息如何支持识别、独立抽样的含义，以及权重估计误差和带宽如何影响最终密度估计。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；未说明识别条件、抽样概率限制或名单匹配要求，不能推广到任意单一样本。
原文摘要
We present a kernel estimator for the density of a variable when sampling probabilities depend on that variable. Both the density and sampling bias weight functions are unknown and are estimated nonparametrically. To achieve this, the method requires that two independent samples be taken from a fixed finite population. An estimator of population size follows simply from our density estimator. Asymptotic bias and standard errors for these estimators are provided, and the methodology is illustrated both on simulation data and on a dual-list dataset of aboriginal people in the Vancouver-Richmond area of Canada.