Asymptotic Integrated Mean Square Error Using Least Squares and Bias Minimizing Splines
最小二乘与偏差最小化样条的渐近积分均方误差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：摘要研究通用非参数回归与设计优化，未直接对应所列领域细分。
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
最小二乘与偏差最小化样条的渐近积分均方误差
- 研究问题
- 用样条估计充分光滑的响应函数时，最小二乘与偏差最小化估计的积分均方误差如何受观测配置和节点影响？
- 方法与思路
- 作者在样本量与节点数较大的情形下分析两类样条估计的渐近积分均方误差，并优化观测配置、节点位置和数量。
- 材料陈述的贡献
- 摘要称讨论了两类估计量的渐近误差表现，并针对三项设计变量最小化误差表达式，形成联合设计思路。
- 阅读关注点
- 应核对函数光滑度、样条阶数、观测方差结构、样本量与节点数的增长关系，以及优化解是否可直接实施。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要，不能推断刊本变化。摘要未给出最优配置、误差常数或两类估计量的具体比较结论。
原文摘要
Let $S^d_k$ be the set of $d$th order splines on $\lbrack 0, 1 \rbrack$ having $k$ knots $\xi_1 < \xi_2 \cdots < \xi_k$. We consider the estimation of a sufficiently smooth response function $g$, using $n$ uncorrelated observations, by an element $s$ of $S^d_k$. For large $n$ and $k$ we have discussed the asymptotic behavior of the integrated mean square error (IMSE) for two types of estimators: (i) the least squares estimator and (ii) a bias minimizing estimator. The asymptotic expression for IMSE is minimized with respect to three variables. (i) the allocation of observation (ii) the displacement of knots $\xi_1 < \cdots < \xi_k$ and (iii) number of knots.