Kernel-Based Density Estimates from Incomplete Data
不完整数据的核密度估计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：摘要讨论一般缺失数据的密度估计，未涉及经济分布效应或所列其他专门方向。
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
不完整数据的核密度估计
- 研究问题
- 当连续多变量观测包含缺失值时，如何构造非参数核密度估计，并评估其一致性、平滑参数选择及插补用途？
- 方法与思路
- 作者建议对缺失变量进行平均处理或用模拟值替代，以形成不完整观测的核函数，并研究积分均方误差意义下的性质。
- 材料陈述的贡献
- 摘要称，论文提出处理不完整观测的核函数构造思路，考察一致性、讨论最优平滑参数，并涉及缺失值插补应用。
- 阅读关注点
- 应核对缺失机制、平均或模拟所依赖的分布信息、积分均方误差的一致性条件，以及平滑参数如何实际选择。
- 阅读边界
- 仅据所给 Crossref 摘要，缺失机制和所需信息未说明，不能推断方法适用于任意缺失情形或保证插补推断有效。
原文摘要
SUMMARY The problem of using non-parametric methods to estimate multivariate density functions from incomplete continuous data does not appear to have been considered before. Methods of producing kernel functions on incomplete observations are suggested involving averaging over the missing variables or substitution of them by simulated values. Consistency of the procedures in terms of integrated mean squared error is investigated and optimal choice of smoothing parameter is discussed. Application in terms of imputation for missing values is discussed.