Heuristic estimation of probability densities
概率密度的启发式估计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：摘要仅涉及通用概率密度估计，未给出经济分布效应或所列其他具体领域方向的文本依据。
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
概率密度的启发式估计
- 研究问题
- 能否构造一种与假设检验相关的实用密度估计程序，作为贝叶斯密度估计的替代，并改善传统窗口方法的部分问题？
- 方法与思路
- 作者提出与假设检验有关的启发式程序，摘要称其与窗口方法密切相关，但没有说明具体估计步骤或参数选择规则。
- 材料陈述的贡献
- 摘要称该方法克服窗口技术的某些问题，且计算快速、易于使用；未提供这些主张对应的理论保证或定量比较。
- 阅读关注点
- 核对假设检验如何决定密度估计、窗口方法的具体缺陷及修正方式，以及计算速度和易用性主张的比较依据。
- 阅读边界
- 仅据稿件版本未注明的 OpenAlex 索引摘要；摘要很简短，未说明一致性、误差界或适用条件，不能据此判断估计质量。
原文摘要
A heuristic procedure related to hypothesis testing is offered as a practical alternative to Bayesian estimation of probability densities. Although closely related to the ‘window’ method, it overcomes some of the problems associated with that technique. The proposed method is computationally rapid and easy to use.