Optimal estimation of Poisson intensity with partially observed covariates
协变量部分可观测时泊松强度的最优估计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：摘要研究部分协变量可观测的泊松点过程估计，空间或时间变化本身不足以对应经济时间序列或其他所列细分领域。
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
协变量部分可观测时泊松强度的最优估计
- 研究问题
- 当随空间或时间变化的协变量仅通过概率抽样设计被部分观察时，泊松点过程强度参数的既有估计函数是否具有最优性？
- 方法与思路
- 作者在一类加权估计函数中比较已有泊松点过程强度估计方法，围绕概率抽样取得的协变量信息建立最优性论证。
- 材料陈述的贡献
- 摘要明确称，Waagepetersen 提出的估计函数在某一加权估计函数类中最优；并未陈述新的估计器或实证应用结果。
- 阅读关注点
- 应核对加权估计函数类的边界、最优性采用的比较标准，以及概率抽样设计、协变量观测和点过程模型所需的具体条件。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明，不能推断刊本变化；最优性仅针对所述函数类，摘要未交代条件、证明或数值证据。
原文摘要
Rathbun et al. (2007) and Waagepetersen (2008) propose estimating functions for parameters of Poisson point process intensity that may be applied when space- and/or time-varying covariates are sampled from a probability-based sampling design. This paper demonstrates that Waageptersen’s estimating function is optimal in a class of weighted estimating functions.