Efficiency of a Kernel Density Estimator under an Autoregressive Dependence Model
自回归依赖模型下核密度估计量的效率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：摘要以严格平稳过程和一阶自回归依赖为核心，直接涉及时间序列密度估计。
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
自回归依赖模型下核密度估计量的效率
- 研究问题
- 对严格平稳过程估计概率密度时，一阶自回归依赖如何影响密度估计效率，以及最优平滑参数应如何确定？
- 方法与思路
- 作者在一阶自回归数据生成模型下推导 Fourier 积分估计量的平均积分平方误差，并考察正态与 Cauchy 密度。
- 材料陈述的贡献
- 摘要称，数值分析显示即使中等程度偏离独立性，也可能明显降低该估计量效率，并讨论依赖下的最优平滑参数。
- 阅读关注点
- 核对自回归过程与密度的具体设定、误差表达式的适用条件，以及平滑参数选择是否需要估计未知依赖结构。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；效率损失的具体数值和成立条件未说明，不能推广到所有核估计量或依赖过程。
原文摘要
The problem of estimating the probability density function of a strictly stationary process is considered. To study the effect of a dependence structure on the efficiency of a kernel density estimator, the mean integrated squared error (MISE) of the Fourier integral estimator (FIE) is derived on the assumption that the observed data are generated by a first-order autoregressive process. Numerical results for the normal and Cauchy densities show that even moderate departures from independence can lead to a considerable loss in efficiency of the FIE. In addition to efficiency considerations, the issue of determining an optimal smoothing parameter for the FIE under the autoregressive model is addressed.