A Smooth Nonparametric Estimate of a Mixing Distribution Using Mixtures of Gaussians
利用高斯混合平滑估计混合分布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：摘要涉及一般混合分布的平滑估计，未明确研究分位数、分布效应或所列其他经济计量方向。
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
利用高斯混合平滑估计混合分布
- 研究问题
- 如何在不预先固定混合分布形状的情况下得到平滑估计，并用一个参数控制平滑程度及其与非参数极大似然的关系？
- 方法与思路
- 作者在任意高斯混合类上进行极大似然估计，约束各成分方差不低于给定值，以该下界控制估计的平滑程度。
- 材料陈述的贡献
- 摘要称，所得估计总可表示为有限高斯混合，各成分方差等于下界；零下界包含非参数极大似然，并可扩展至多元情形。
- 阅读关注点
- 应核对有限混合表示的证明条件、方差下界为零时的处理、平滑参数选择，以及多元扩展和数值优化的实现方式。
- 阅读边界
- 材料为 OpenAlex 索引摘要，稿件版本未注明；摘要未说明混合分布的识别条件、平滑参数选择规则或有限样本误差，不能据此判断普遍性能。
原文摘要
We propose a method of estimating mixing distributions using maximum likelihood over the class of arbitrary mixtures of Gaussians subject to the constraint that the component variances be greater than or equal to some minimum value h. This approach can lead to estimates of many shapes, with smoothness controlled by parameter h. We show that the resulting estimate will always be a finite mixture of Gaussians, each having variance h. The nonparametric maximum likelihood estimate can be viewed as a special case, with h = 0. The method can be extended to estimate multivariate mixing distributions. Examples and the results of a simulation study are presented.