Dispersal density estimation across scales
跨尺度的扩散密度估计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：摘要研究空间种群点过程与扩散密度重建，未明确对应所列经济计量细分领域。
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
跨尺度的扩散密度估计
- 研究问题
- 在亲代与后代构成的空间点过程模型中，如何跨不同物理尺度估计扩散密度，并在尺度未知时同时处理其估计？
- 方法与思路
- 作者以齐次 Poisson 亲代过程和条件强度由卷积确定的 Cox 后代过程建模，构造尺度已知或未知时的极小极大估计。
- 材料陈述的贡献
- 摘要称最优收敛速率随尺度并非单调，未知尺度可通过估计后代入达到渐近极小极大性，并指出最不利的中间尺度。
- 阅读关注点
- 应核对空间观测条件、密度函数类及尺度渐近设定，理解直接估计与反卷积的竞争，以及代入估计的误差控制。
- 阅读边界
- 依据版本未注明的 OpenAlex 索引摘要；摘要未给出具体速率、估计形式或完整条件，不能推广到任意空间扩散模型。
原文摘要
We consider a space structured population model generated by two-point clouds: a homogeneous Poisson process M with intensity n→∞ as a model for a parent generation together with a Cox point process N as offspring generation, with conditional intensity given by the convolution of M with a scaled dispersal density σ−1f(·/σ). Based on a realisation of M and N, we study the nonparametric estimation of f and the estimation of the physical scale parameter σ>0 simultaneously for all regimes σ=σn. We establish that the optimal rates of convergence do not depend monotonously on the scale and we construct minimax estimators accordingly whether σ is known or considered as a nuisance, in which case we can estimate it and achieve asymptotic minimaxity by plug-in. The statistical reconstruction exhibits a competition between a direct and a deconvolution problem. Our study reveals in particular the existence of a least favorable intermediate inference scale, a phenomenon that seems to be new.