Uniformly root-n consistent density estimators for weakly dependent invertible linear processes
弱依赖可逆线性过程的一致根号样本量收敛密度估计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：摘要明确研究平稳时间序列与可逆线性过程的密度估计。
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
弱依赖可逆线性过程的一致根号样本量收敛密度估计
- 研究问题
- 对于弱依赖的可逆线性时间序列过程，能否构造在上确界范数下达到参数估计标准速度的密度估计量？
- 方法与思路
- 作者将两个不同的基于残差的核估计量进行卷积，构造新的密度估计量，并分析残差核估计的收敛速度。
- 材料陈述的贡献
- 摘要称新估计量在上确界范数下达到平方根样本量的标准收敛速度，同时给出具有独立意义的残差核估计结果。
- 阅读关注点
- 应核对可逆性、弱依赖及密度平滑条件，残差如何构造、带宽如何选取，以及一致收敛速度的证明范围。
- 阅读边界
- 依据稿件版本未注明的索引摘要；具体正则条件、残差估计误差要求及有限样本表现未说明，不能推广至任意时间序列。
原文摘要
Convergence rates of kernel density estimators for stationary time series are well studied. For invertible linear processes, we construct a new density estimator that converges, in the supremum norm, at the better, parametric, rate n−1/2. Our estimator is a convolution of two different residual-based kernel estimators. We obtain in particular convergence rates for such residual-based kernel estimators; these results are of independent interest.