Some Asymptotic Properties of Kernel Estimators of a Density Function in Case of Censored Data
删失数据下核密度估计量的若干渐近性质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：摘要研究通用删失数据密度估计，未涉及分位数、分布效应或所列其他具体方向。
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
删失数据下核密度估计量的若干渐近性质
- 研究问题
- 利用 Kaplan–Meier 估计量将核密度估计推广到删失数据时，不同带宽构造如何影响渐近方差及逐点一致性？
- 方法与思路
- 作者结合 Kaplan–Meier 估计量与核平滑，考察由不同带宽类型自然产生的四种估计量，包括近邻型构造。
- 材料陈述的贡献
- 摘要称两种近邻型估计量具有不含删失因素的方差，其中一种还具有逐点平均一致性，但未列具体表达式。
- 阅读关注点
- 应核对删失机制、带宽与近邻数条件、不含删失因素的方差所指含义，以及逐点平均一致性的正式定义。
- 阅读边界
- OpenAlex 索引摘要未注明版本及完整条件；方差结论不能解释为删失不造成信息损失，也不能推出所有估计量都一致。
原文摘要
The kernel estimator is a widely used tool for the estimation of a density function. In this paper its adaptation to censored data using the Kaplan-Meier estimator is considered. Asymptotic properties of four estimators, arising naturally as a result of considering various types of bandwidths, are investigated. In particular we show that (i) both proposed estimators stemming from the nearest neighbor estimator have censoring-free variances and (ii) one of them is pointwise mean consistent.