Moment Estimation for Statistics from Marked Point Processes
标记点过程统计量的矩估计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：摘要研究空间点过程的通用推断，未明确涉及经济网络、干扰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
标记点过程统计量的矩估计
- 研究问题
- 面对空间位置不规则且带有观测标记的数据，如何估计一般统计量的矩，尤其是用于参数置信区间的方差？
- 方法与思路
- 作者针对标记点过程数据构造子抽样矩估计量，研究其均方一致性，并提供基于数据选择子抽样参数的方法。
- 材料陈述的贡献
- 摘要称建立了矩估计量的均方一致性，提出实用的子抽样参数选择方法，并通过数据示例及有限样本模拟展示。
- 阅读关注点
- 应核对空间依赖与渐近框架、子样本区域的构造方式，以及方差一致性如何进一步支持置信区间的有效性。
- 阅读边界
- 摘要未说明依赖条件、区间覆盖理论或模拟数值；这里只依据所给 Crossref 摘要，不能推断其他版本的结果。
原文摘要
Summary In spatial statistics the data typically consist of measurements of some quantity at irregularly scattered locations; in other words, the data form a realization of a marked point process. In this paper, we formulate subsampling estimators of the moments of general statistics computed from marked point process data, and we establish their L 2-consistency. The variance estimator in particular can be used for the construction of confidence intervals for estimated parameters. A practical data-based method for choosing a subsampling parameter is given and illustrated on a data set. Finite sample simulation examples are also presented.