Density Estimation Under Random Censorship and Order Restrictions
随机删失与序约束下的密度估计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：摘要研究一般密度估计、删失与形状约束，未直接讨论经济分布效应或其他所列细分问题。
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
随机删失与序约束下的密度估计
- 研究问题
- 随机删失以及非负、单调或凸性等约束，如何影响平滑密度估计的均方积分误差，尤其是收敛中的常数？
- 方法与思路
- 作者研究均方积分误差的精细渐近常数，比较删失和直接观测的样本需求，并用模拟与设备寿命数据说明估计方法。
- 材料陈述的贡献
- 摘要称删失会改变渐近常数，而所研究的序约束不改变该常数；模拟表明这些精细渐近结论也有助于理解小样本表现。
- 阅读关注点
- 应核对删失机制、密度光滑性与序约束的适用条件，误差常数的比较基准，以及等精度样本量关系的具体形式。
- 阅读边界
- 仅据OpenAlex索引摘要，稿件版本未注明；不能把序约束不改变渐近常数理解为有限样本无作用，摘要也未给出模拟数值。
原文摘要
Do a random censorship and/or order restrictions (e.g., nonnegativity, monotonicity, convexity) affect estimation of a smooth density under mean integrated squared error (MISE)? Under mild assumptions, the known asymptotic results, which are concerned only with rates, answer “no.” This answer, especially for censored data, contradicts practical experience and statistical intuition. So what can be said about constants of MISE convergence? It is shown that asymptotically (a) censorship does affect the constant, and this allows one to find a relationship between sample sizes of directly observed and censored datasets that implies the same precision of estimation, and (b) an order restriction does not affect the constant, and thus no isotonic estimation is needed. Intensive Monte Carlo simulations show that the lessons of the sharp asymptotics are valuable for small sample sizes. Also, the estimator developed is illustrated both on simulated data and a dataset of lifetimes of conveyer blades used at wastewater treatment plants.