Nonparametric Estimation of the Mode of A Distribution of Random Curves
随机曲线分布众数的非参数估计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：摘要研究一般函数型数据的密度与众数估计，未明确对应所列经济计量领域细分。
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
随机曲线分布众数的非参数估计
- 研究问题
- 当观测对象是随机曲线时，如何估计其密度与众数，以构造有意义的典型曲线，并辅助识别曲线数据中的聚类？
- 方法与思路
- 作者利用经验选取基底上的广义傅里叶展开作有限维近似，将众数估计转为多元核估计，以递归算法寻峰并用自助法选择带宽。
- 材料陈述的贡献
- 摘要称，所提出的递归算法能够寻找经验众数，并可辅助识别曲线簇，为随机曲线的典型值估计提供一种方法。
- 阅读关注点
- 应核对曲线空间中密度与众数的定义、基底及截断维数的选择，以及递归算法的收敛条件和自助带宽选择依据。
- 阅读边界
- 仅据所给 Crossref 摘要，无法判断有限维近似误差、众数唯一性或聚类效果；摘要未说明具体理论条件与数值结果。
原文摘要
Summary Motivated by the need to develop meaningful empirical approximations to a ‘typical’ data value, we introduce methods for density and mode estimation when data are in the form of random curves. Our approach is based on finite dimensional approximations via generalized Fourier expansions on an empirically chosen basis. The mode estimation problem is reduced to a problem of kernel-type multivariate estimation from vector data and is solved using a new recursive algorithm for finding the empirical mode. The algorithm may be used as an aid to the identification of clusters in a set of data curves. Bootstrap methods are employed to select the bandwidth.