Mean Integrated Square Error Properties of Density Estimates
密度估计的平均积分平方误差性质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：摘要属于一般密度估计理论，未涉及分位数或经济意义上的分布效应。
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
密度估计的平均积分平方误差性质
- 研究问题
- 随着样本量增加，一般可积核密度估计和傅里叶积分密度估计的平均积分平方误差如何下降，与最小可能误差相比如何？
- 方法与思路
- 作者评价两类密度估计的平均积分平方误差收敛速度，并与最小平均积分平方误差的速度比较，以分析渐近最优性。
- 材料陈述的贡献
- 摘要称，文章给出相关误差下降速度的比较，并发现傅里叶积分估计具有渐近最优性；未列出具体速度和适用密度类别。
- 阅读关注点
- 读全文时应核对密度光滑性、核与傅里叶截断条件，以及最小误差的比较对象和渐近最优性采用的精确定义。
- 阅读边界
- 仅据OpenAlex索引摘要，稿件版本未注明。摘要未说明最优性对应的函数类、调节参数或损失界，不能据此认定普遍最优。
原文摘要
The rate at which the mean integrated square error decreases as sample size increases is evaluated for general $L^1$ kernel estimates and for the Fourier integral estimate for a probability density. The rates are compared to that of the minimum M.I.S.E.; the Fourier integral estimate is found to be asymptotically optimal.