Averaged Shifted Histograms: Effective Nonparametric Density Estimators in Several Dimensions
平均平移直方图：有效的多维非参数密度估计量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：摘要研究通用多元密度估计，未明确涉及所列方向中的分布效应或其他专门计量问题。
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
平均平移直方图：有效的多维非参数密度估计量
- 研究问题
- 如何构造适合交互式计算环境的多元非参数密度估计量，使其兼顾核方法的统计表现与直方图方法的计算便利？
- 方法与思路
- 作者提出两种多元非参数密度估计量，给出渐近理论，并以一元数据和模拟三元高斯数据展示其使用方式。
- 材料陈述的贡献
- 摘要称两种估计量在统计表现上可与核方法相比，在计算表现上可与直方图方法相比，并提供理论和示例支持。
- 阅读关注点
- 应核对平移与平均的具体构造、带宽和网格选择、渐近结论的条件，以及统计和计算比较采用的标准。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；比较指标、具体渐近条件和数值结果未提供，不能推断刊本变化。
原文摘要
We introduce two nonparametric multivariate density estimators that are particularly suitable for application in interactive computing environments. These estimators are statistically comparable to kernel methods and computationally comparable to histogram methods. Asymptotic theory of the estimators is presented and examples with univariate and simulated trivariate Gaussian data are illustrated.