An Asymptotically Optimal Window Selection Rule for Kernel Density Estimates
核密度估计的渐近最优带宽选择规则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：摘要研究通用核密度估计的带宽理论，未明确涉及所列经济计量细分对象。
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
核密度估计的渐近最优带宽选择规则
- 研究问题
- 对于未知多元密度的核估计，能否用具有交叉验证解释的带宽选择规则，在较弱的密度与核函数条件下获得渐近最优性？
- 方法与思路
- 作者研究多元核密度估计的带宽规则，在核函数受到温和限制、目标密度及一维边际密度有界时分析其渐近性质。
- 材料陈述的贡献
- 摘要称该规则在上述有界性假设下渐近最优，并加强了既有结果；摘要未说明最优性的具体损失标准和改进范围。
- 阅读关注点
- 应核对带宽规则的交叉验证形式、核函数限制、最优性所对应的风险标准，以及相较既有结果究竟放宽了哪些条件。
- 阅读边界
- OpenAlex 摘要未注明稿件版本，未给出完整条件或有限样本证据；渐近最优性不能直接理解为任何样本下都最优。
原文摘要
Kernel estimates of an unknown multivariate density are investigated, with mild restrictions being placed on the kernel. A window selection rule is considered, which can be interpreted in terms of cross-validation. Under the mild assumption that the unknown density and its one-dimensional marginals are bounded, the rule is shown to be asymptotically optimal. This strengthens recent results of Peter Hall.