On Nonparametric Kernel Density Estimates
论非参数核密度估计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：摘要讨论一般核密度估计，未明确研究分位数、分布效应或其他所列领域细分。
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
论非参数核密度估计
- 研究问题
- 在怎样的评价标准下可以判定核函数不可容许，如何降低核密度估计偏差，并改善其均方误差和自适应带宽表现？
- 方法与思路
- 作者引入不可容许核的概念，分析核密度估计的偏差与均方误差，并为 Abramson 平方根法则提供理论框架。
- 材料陈述的贡献
- 摘要称，Epanechnikov 型核是唯一可容许核，并提出两种偏差缩减方法、一般均方误差改进方法及紧凑的误差表达。
- 阅读关注点
- 应核对容许性的比较标准和核函数范围、偏差缩减所需光滑性条件，以及平方根法则的实际实现与边界处理。
- 阅读边界
- 仅据版本未注明的索引摘要；容许性的定义和适用条件未提供，不能把唯一性或均方误差改进理解为无条件结论。
原文摘要
The paper introduces the idea of inadmissible kernels and shows that an Epanechnikov type kernel is the only admissible kernel. An analysis of kernel density estimates leads to two new methods of bias reduction. We also discuss a general method of improving kernel density estimates in the sense of having smaller mean squared error. Finally we provide a theoretical framework for the operational method of using Abramson's square root law providing tangible and compact forms for the bias and mean squared error.