On the Optimal Rates of Convergence for Nonparametric Deconvolution Problems
非参数反卷积问题的最优收敛速度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：摘要研究通用测量误差密度估计，未明确涉及经济分布效应或其他所列细分方向。
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
非参数反卷积问题的最优收敛速度
- 研究问题
- 根据带有已知分布加性测量误差的独立同分布观测估计潜在变量密度时，误差分布的光滑性如何影响估计难度？
- 方法与思路
- 作者考察非参数反卷积中的测量误差影响，区分普通光滑与超光滑误差，并研究反卷积核密度估计量。
- 材料陈述的贡献
- 摘要称误差分布越光滑，反卷积越困难；两类光滑性对应不同最优收敛速度，且核密度估计可达到这些速度。
- 阅读关注点
- 应核对两类误差光滑性的定义、目标密度函数类、误差衡量方式，以及最优性下界和带宽选择所需条件。
- 阅读边界
- 材料为稿件版本未注明的 OpenAlex 索引摘要；未给出具体速度与完整假设，结论不能直接推广到误差分布未知的情形。
原文摘要
Deconvolution problems arise in a variety of situations in statistics. An interesting problem is to estimate the density $f$ of a random variable $X$ based on $n$ i.i.d. observations from $Y = X + \varepsilon$, where $\varepsilon$ is a measurement error with a known distribution. In this paper, the effect of errors in variables of nonparametric deconvolution is examined. Insights are gained by showing that the difficulty of deconvolution depends on the smoothness of error distributions: the smoother, the harder. In fact, there are two types of optimal rates of convergence according to whether the error distribution is ordinary smooth or supersmooth. It is shown that optimal rates of convergence can be achieved by deconvolution kernel density estimators.