Efficient functional estimation and the super-oracle phenomenon
有效泛函估计与超越自然预言机的现象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：摘要侧重密度积分泛函的一般效率理论，未明确研究分布政策效应、金融风险或其他所列计量方向。
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
有效泛函估计与超越自然预言机的现象
- 研究问题
- 如何有效估计两样本积分泛函，例如未知密度之间的散度，并解释某些泛函下估计量超越自然预言机表现的现象？
- 方法与思路
- 作者研究加权最近邻估计量，证明其达到局部渐近极小极大下界，并利用相应中心极限定理构造渐近置信区间。
- 材料陈述的贡献
- 摘要称估计量具有渐近效率和最小区间宽度，并在某些泛函上，其最坏情形表现可优于所定义的自然预言机估计量。
- 阅读关注点
- 应核对泛函与密度类的限制、最近邻权重构造，以及预言机的数据设定和最坏情形比较为何允许出现这一现象。
- 阅读边界
- 仅据版本未注明的OpenAlex摘要；摘要未给出具体正则条件或泛函例子，不能将超越自然预言机的结论推广到所有估计问题。
原文摘要
We consider the estimation of two-sample integral functionals, of the type that occur naturally, for example, when the object of interest is a divergence between unknown probability densities. Our first main result is that, in wide generality, a weighted nearest neighbour estimator is efficient, in the sense of achieving the local asymptotic minimax lower bound. Moreover, we also prove a corresponding central limit theorem, which facilitates the construction of asymptotically valid confidence intervals for the functional, having asymptotically minimal width. One interesting consequence of our results is the discovery that, for certain functionals, the worst-case performance of our estimator may improve on that of the natural ‘oracle’ estimator, which itself can be optimal in the related problem where the data consist of the values of the unknown densities at the observations.