Limit distribution theory for maximum likelihood estimation of a log-concave density
对数凹密度最大似然估计的极限分布理论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：摘要讨论形状约束密度与众数估计的一般理论，未涉及分位数效应或经济分布效应，所列领域细分证据不足。
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…
对数凹密度最大似然估计的极限分布理论
- 研究问题
- 在对数凹密度约束下，非参数最大似然估计及其导数具有怎样的局部极限分布，由此得到的众数估计是否达到最优界？
- 方法与思路
- 作者利用对数凹最大似然估计与凸密度最小二乘估计的刻画联系，通过积分布朗运动相关包络研究局部极限和众数估计。
- 材料陈述的贡献
- 摘要称获得密度、导数与众数估计的极限分布，并建立新的局部渐近极小极大下界，支持众数估计的速率及常数最优性。
- 阅读关注点
- 应核对局部光滑性、哪些高阶导数允许消失、包络过程的准确定义，以及众数估计最优性所对应的损失和邻域。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；函数下标及导数记号疑有提取失真，不能据此重构公式，需查原PDF核对条件与符号。
原文摘要
We find limiting distributions of the nonparametric maximum likelihood estimator (MLE) of a log-concave density, i.e. a density of the form f(0) = exp varphi(0) where varphi(0) is a concave function on R. Existence, form, characterizations and uniform rates of convergence of the MLE are given by Rufibach (2006) and Dümbgen and Rufibach (2007). The characterization of the log-concave MLE in terms of distribution functions is the same (up to sign) as the characterization of the least squares estimator of a convex density on [0, infinity) as studied by Groeneboom, Jongbloed and Wellner (2001b). We use this connection to show that the limiting distributions of the MLE and its derivative are, under comparable smoothness assumptions, the same (up to sign) as in the convex density estimation problem. In particular, changing the smoothness assumptions of Groeneboom, Jongbloed and Wellner (2001b) slightly by allowing some higher derivatives to vanish at the point of interest, we find that the pointwise limiting distributions depend on the second and third derivatives at 0 of H(k), the "lower invelope" of an integrated Brownian motion process minus a drift term depending on the number of vanishing derivatives of varphi(0) = log f(0) at the point of interest. We also establish the limiting distribution of the resulting estimator of the mode M(f(0)) and establish a new local asymptotic minimax lower bound which shows the optimality of our mode estimator in terms of both rate of convergence and dependence of constants on population values.