Asymptotic equivalence of functional linear regression and a white noise inverse problem
函数型线性回归与白噪声逆问题的渐近等价性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：材料属于函数型回归与统计实验理论，未涉及所列微观、宏观或金融具体方向。
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
函数型线性回归与白噪声逆问题的渐近等价性
- 研究问题
- 函数型线性回归能否与包含其协方差算子的白噪声统计实验等价，以及这种联系如何帮助获得精确的极小极大常数？
- 方法与思路
- 作者构造可观测 Itô 过程的白噪声模型，在设计分布已知时研究 Le Cam 渐近等价，并分析其经验版本的有限样本等价。
- 材料陈述的贡献
- 摘要称证明上述渐近与有限样本等价关系，并据此推导函数型线性回归的精确极小极大常数，其结果也适用于未知设计分布。
- 阅读关注点
- 应区分已知设计下的实验等价与未知设计下的风险结论，核对参数空间、协方差算子条件及经验白噪声实验的构造。
- 阅读边界
- 版本未注明的索引摘要没有完整光滑性、谱条件或风险定义；未知设计下的常数结论不能自动解释为实验渐近等价。
原文摘要
We consider the statistical experiment of functional linear regression (FLR). Furthermore, we introduce a white noise model where one observes an Itô process, which contains the covariance operator of the corresponding FLR model in its construction. We prove asymptotic equivalence of FLR and this white noise model in LeCam’s sense under known design distribution. Moreover, we show equivalence of FLR and an empirical version of the white noise model for finite sample sizes. As an application, we derive sharp minimax constants in the FLR model which are still valid in the case of unknown design distribution.