Integrated Square Error Properties of Kernel Estimators of Regression Functions
回归函数核估计量的积分平方误差性质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：摘要研究一般非参数回归误差与检验理论，未指定因果、时间序列或其他所列细分方向的数据结构。
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
回归函数核估计量的积分平方误差性质
- 研究问题
- 回归函数核估计的积分平方误差具有怎样的大样本分布，且它与仅依据被解释变量样本构造的统计量有何关系？
- 方法与思路
- 作者使用鞅方法，证明积分平方误差的弱大数定律和中心极限定理，并研究其与被解释变量样本的渐近独立性。
- 材料陈述的贡献
- 摘要称在许多情形下积分平方误差渐近正态，相关回归函数检验可与任意基于被解释变量样本的检验渐近独立。
- 阅读关注点
- 应核对核函数、带宽、回归维数和抽样条件，以及渐近独立性的精确定义和所述检验应用的适用范围。
- 阅读边界
- 仅据版本未注明的OpenAlex摘要；“许多情形”的具体条件未说明，渐近独立性不能直接解释为有限样本独立。
原文摘要
Weak laws of large numbers and central limit theorems are proved for integrated square error of kernel estimators of regression functions. The regressor is assumed to take values in $\mathbb{R}^p$, and the regressand, $X$, to be real valued. It is shown that in many cases, integrated square error is asymptotically normally distributed and independent of the $X$-sample. As an application, a test for the regression function (such as that proposed by Konakov) is seen to be asymptotically independent of an arbitrary test based on the $X$-sample. The proofs involve martingale methods.