Data-Driven Bandwidth Choice for Density Estimation Based on Dependent Data
相依数据核密度估计的数据驱动带宽选择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：摘要明确研究相依数据的通用密度估计，但未说明时间序列结构或所列其他领域的具体研究对象。
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
相依数据核密度估计的数据驱动带宽选择
- 研究问题
- 观测数据存在依赖时，如何选择核密度估计的带宽，普通留一交叉验证能否保持渐近有效与有限样本表现？
- 方法与思路
- 作者扩展经典留出技术，构造一类交叉验证带宽，在强混合条件下分析渐近最优性，并开展相关数据模拟。
- 材料陈述的贡献
- 摘要称，所考虑依赖模型下普通留一法仍渐近最优，但当相关性足够强时，其他留出方式可改善有限样本表现。
- 阅读关注点
- 应核对强混合条件、留出规则及最优性的损失标准，并查看模拟中相关结构与样本量如何影响带宽选择。
- 阅读边界
- 依据稿件版本未注明的OpenAlex索引摘要；具体混合速度和模拟结果未说明，不能推广至任意依赖结构。
原文摘要
The bandwidth selection problem in kernel density estimation is investigated in situations where the observed data are dependent. The classical leave-out technique is extended, and thereby a class of cross-validated bandwidths is defined. These bandwidths are shown to be asymptotically optimal under a strong mixing condition. The leave-one out, or ordinary, form of cross-validation remains asymptotically optimal under the dependence model considered. However, a simulation study shows that when the data are strongly enough correlated, the ordinary version of cross-validation can be improved upon in finite-sized samples.