Nonparametric Estimation of Multivariate Mixtures
多元混合模型的非参数估计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：摘要研究通用多元混合分布估计，未提供与所列经济计量细分方向直接对应的证据。
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
多元混合模型的非参数估计
- 研究问题
- 在混合成分数已知、各成分内部边际变量相互独立的设定下，如何非参数估计各成分分布，并建立估计的一致性？
- 方法与思路
- 作者利用条件密度构造基函数，将成分密度估计转化为其在基函数组中的坐标恢复问题，再据此重建成分密度。
- 材料陈述的贡献
- 摘要称成分密度估计量具有一致性，并通过数值研究与其他非参数方法比较；比较均处于条件边际独立的设定下。
- 阅读关注点
- 应核对混合模型可识别性、基函数构造与坐标恢复的条件，以及一致性所需正则条件和数值比较采用的评价指标。
- 阅读边界
- 依据稿件版本未注明的 OpenAlex 索引摘要，不能判断刊本变化；摘要未说明完整识别条件、收敛速度或具体比较结果。
原文摘要
A multivariate mixture model is determined by three elements: the number of components, the mixing proportions, and the component distributions. Assuming that the number of components is given and that each mixture component has independent marginal distributions, we propose a nonparametric method to estimate the component distributions. The basic idea is to convert the estimation of component density functions to a problem of estimating the coordinates of the component density functions with respect to a good set of basis functions. Specifically, we construct a set of basis functions by using conditional density functions and try to recover the coordinates of component density functions with respect to this set of basis functions. Furthermore, we show that our estimator for the component density functions is consistent. Numerical studies are used to compare our algorithm with other existing nonparametric methods of estimating component distributions under the assumption of conditionally independent marginals.