Smoothing Counting Process Intensities by Means of Kernel Functions
利用核函数平滑计数过程强度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：摘要是一般计数过程强度估计，没有金融高频数据或其他所列领域的明确应用依据。
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
利用核函数平滑计数过程强度
- 研究问题
- 如何将核密度估计的平滑思想推广到计数过程，从累计强度的非参数估计获得强度函数估计，并刻画其一致性与渐近分布？
- 方法与思路
- 作者用核函数平滑累计强度的非参数 Nelson 估计量，研究由此得到的强度估计量性质，并提供一个数值示例。
- 材料陈述的贡献
- 摘要称该推广将核平滑用于计数过程强度估计，并证明估计量的一致收敛与渐近正态性，为强度函数推断提供理论基础。
- 阅读关注点
- 应核对计数过程与观测机制的条件、核及带宽要求、边界处理，并查看一致收敛的区间范围和渐近方差的估计方式。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；带宽、观测机制及正则条件未提供，不能推断任意计数过程下都具有相同的渐近性质。
原文摘要
The kernel function method developed during the last twenty-five years to estimate a probability density function essentially is a way of smoothing the empirical distribution function. This paper shows how one can generalize this method to estimate counting process intensities using kernel functions to smooth the nonparametric Nelson estimator for the cumulative intensity. The properties of the estimator for the intensity itself are investigated, and uniform consistency and asymptotic normality are proved. We also give an illustrative numerical example.