Interpolating Spline Methods for Density Estimation I. Equi-Spaced Knots
密度估计的插值样条方法（一）：等距节点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及样条逼近，未涉及分位数或分布效应，不足以归入所列领域细分。
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
密度估计的插值样条方法（一）：等距节点
- 研究问题
- 如何通过等距节点上的经验分布函数插值构造密度估计，并刻画边界处理、节点间距与函数光滑性对误差的影响？
- 方法与思路
- 作者对经验分布函数作满足端点导数条件的三次样条插值，再求导得到密度估计，同时研究端点参数与节点间距的选择。
- 材料陈述的贡献
- 摘要给出最优节点间距公式、特定光滑性和可积性条件下的均方误差阶与常数界，并扩展样条导数的收敛性质。
- 阅读关注点
- 应核对可积指数的适用范围、端点参数估计方式、误差结论是否逐点成立，以及所得密度估计的非负性与归一化。
- 阅读边界
- 依据稿件版本未注明的 OpenAlex 索引摘要；摘要未列出全部适用指数和边界条件，不能将所述误差阶推广至任意密度。
原文摘要
Statistical properties of a variant of the histospline density estimate introduced by Boneva-Kendall-Stefanov are obtained. The estimate we study is formed for $x$ in a finite interval, $x\in\lbrack a, b\rbrack = \lbrack 0, 1\rbrack$ say, by letting $\hat{F}_n(x), x \epsilon\lbrack 0, 1\rbrack$ be the unique cubic spline of interpolation to the sample cumulative distribution function $F_n(x)$ at equi-spaced points $x = jh, j = 0, 1,\cdots, l + 1, (l + 1)h = 1$, which satisfies specified boundary conditions $\hat{F}_n'(0) = a, \hat{F}_n'(1) = b$. The density estimate $\hat{f}_n(x)$ is then $\hat{f}_n(x) = d/dx\hat{F}_n(x)$. It is shown how to estimate $a$ and $b$. A formula for the optimum $h$ is given. Suppose $f$ has its support on [0, 1] and $f^{(m)}\in\mathscr{L}_p\lbrack 0, 1\rbrack$. Then, for $m = 1,2,3$ and certain values of $p$, it is shown that $E(f_n(x) - f(x))^2 = O(n^{-(2m - 2/p)/(2m+1-2/p)}).$ Bounds for the constant covered by the "$O$" are given. An extension to the $\mathscr{L}_p$ case of known convergence properties of the derivative of an interpolating spline is found, as part of the proofs.