Probability Density Estimation Using Delta Sequences
利用δ序列进行概率密度估计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：摘要研究通用非参数密度估计理论，未明确涉及经济分布效应或其他所列具体计量问题。
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…
利用δ序列进行概率密度估计
- 研究问题
- 对独立同分布样本，如何以δ序列统一多类密度估计，并刻画不同光滑性条件下的均方收敛率与渐近无偏性？
- 方法与思路
- 作者研究基于δ序列的密度估计框架，涵盖核、正交级数、傅里叶变换及直方图估计，并按密度光滑性分析误差。
- 材料陈述的贡献
- 摘要称，建立了Sobolev与Lipschitz条件下的均方收敛率，给出达到相应速率的例子及连续密度渐近无偏的充要条件。
- 阅读关注点
- 应核对δ序列的定义、误差度量与平滑参数条件，并区分收敛率上界、精确速率例子和最优性论证的范围。
- 阅读边界
- 仅据OpenAlex索引摘要，稿件版本未注明；具体速率、参数选择与定理条件未提供，不能据此比较有限样本优劣。
原文摘要
Let $X_1, X_2, \cdots, X_n$ be i.i.d. random variables with common density function $f$. A method of density estimation based on "delta sequences" is studied and mean square rates established. This method generalizes certain others including kernel estimators, orthogonal series estimators, Fourier transform estimators, and the histogram. Rates are obtained for densities in Sobolev spaces and for densities satisfying Lipschitz conditions. The former generalizes some results of Wahba who also showed the rates obtained are the best possible. The rates obtained in the latter case have been shown to be the best possible by Farrell. This is shown independently by giving examples for which the rates are exact. Finally, a necessary and sufficient condition for asymptotic unbiasedness for continuous densities is given.