Optimum Kernel Estimators of the Mode
众数的最优核估计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：摘要研究一般密度众数估计，未涉及经济分位数或分布效应，所列方向证据不足。
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…
关注这篇论文的作者
众数的最优核估计
- 研究问题
- 用核密度估计的最大化点估计总体众数时，哪些密度、核函数和带宽条件能保证渐近正态性，并改善均方误差的收敛表现？
- 方法与思路
- 作者研究独立同分布观测下的核众数估计，分别限制密度、核与带宽，并在核支持有界时比较给定带宽序列下的渐近均方误差。
- 材料陈述的贡献
- 摘要称，充分限制下可获得更快的均方误差收敛；在核支持有界、带宽序列给定时，某类截断多项式核最小化渐近均方误差。
- 阅读关注点
- 应核对众数的唯一性与局部形状条件、加快收敛所需的限制，以及最优核结论的比较范围和带宽选择对实际估计的影响。
- 阅读边界
- 仅据版本未注明的 OpenAlex 摘要；具体正则条件和核形式未说明，所称最优性限于特定约束与渐近准则，不能泛化为普遍最优。
原文摘要
Let $X_1, \cdots, X_n$ be independent observations with common density $f$. A kernel estimate of the mode is any value of $t$ which maximizes the kernel estimate of the density $f_n$. Conditions are given restricting the density, the kernel, and the bandwidth under which this estimate of the mode has an asymptotic normal distribution. By imposing sufficient restrictions, the rate at which the mean squared error of the estimator converges to zero can be decreased from $n^{-\frac{4}{7}}$ to $n^{-1+\varepsilon}$ for any positive $\varepsilon$. Also, by bounding the support of the kernel it is shown that for any particular bandwidth sequence the asymptotic mean squared error is minimized by a certain truncated polynomial kernel.