Optimal estimation of the mean function based on discretely sampled functional data: Phase transition
离散采样函数数据的均值函数最优估计：相变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：摘要研究一般函数数据均值估计，没有宏观时间序列或金融高频应用的直接证据。
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
离散采样函数数据的均值函数最优估计：相变
- 研究问题
- 由离散观测的随机曲线估计均值函数时，共同设计与独立设计下，采样频率和曲线数量怎样决定最优收敛速度及平滑需求？
- 方法与思路
- 作者分别研究共同与独立采样设计，建立极小极大收敛速度并构造达到该速度的估计量，分析采样频率变化导致的相变。
- 材料陈述的贡献
- 摘要称低频采样时两类设计的速度决定因素不同，高频时频率不再影响最优速度；独立设计需要平滑，共同设计则并非必需。
- 阅读关注点
- 应核对函数光滑性、误差及设计条件，检查相变阈值与风险度量，并理解共同设计下无需平滑这一结论的具体含义。
- 阅读边界
- 材料为稿件版本未注明的 OpenAlex 索引摘要。摘要未给出速度公式、相变阈值或估计细节，不能将离散曲线采样直接等同于高频金融数据。
原文摘要
The problem of estimating the mean of random functions based on discretely sampled data arises naturally in functional data analysis. In this paper, we study optimal estimation of the mean function under both common and independent designs. Minimax rates of convergence are established and easily implementable rate-optimal estimators are introduced. The analysis reveals interesting and different phase transition phenomena in the two cases. Under the common design, the sampling frequency solely determines the optimal rate of convergence when it is relatively small and the sampling frequency has no effect on the optimal rate when it is large. On the other hand, under the independent design, the optimal rate of convergence is determined jointly by the sampling frequency and the number of curves when the sampling frequency is relatively small. When it is large, the sampling frequency has no effect on the optimal rate. Another interesting contrast between the two settings is that smoothing is necessary under the independent design, while, somewhat surprisingly, it is not essential under the common design.