Transformations in Density Estimation
密度估计中的数据变换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：摘要讨论一般核密度估计，未明确研究分位数、经济分布效应或其他所列细分方向。
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
密度估计中的数据变换
- 研究问题
- 当密度在不同位置需要不同程度的平滑时，能否通过数据变换改善固定全局带宽核密度估计对局部特征的适应能力？
- 方法与思路
- 作者先从参数变换族中选择数据变换，在变换空间使用全局带宽核估计，再按变量变换规则还原原始尺度的密度。
- 材料陈述的贡献
- 摘要称，本文讨论变换和带宽的数据驱动选择规则，真实资料与模拟应用显示这一估计思路具有实用价值。
- 阅读关注点
- 应核对变换族的限制、变换与带宽的选择规则、还原后的边界表现，以及模拟是否覆盖尖峰、长尾和多峰等特征。
- 阅读边界
- 依据稿件版本未注明的索引摘要；选择规则细节、误差指标及比较数值未说明，不能声称普遍优于其他密度估计或推断刊本变化。
原文摘要
For the density estimation problem the global window width kernel density estimator does not perform well when the underlying density has features that require different amounts of smoothing at different locations. In this article we propose to transform the data with the intention that a global window width is more appropriate for the density of the transformed data. The density estimate of the original data is the “back-transform” by change of variables of the global window width estimate of the transformed data's density. We explore choosing the transformation from suitable parametric families. Data-based selection rules for the choice of transformations and the window width are discussed. Application to real and simulated data demonstrates the usefulness of our proposals.