An Adaptive Orthogonal-Series Estimator for Probability Density Functions
概率密度的自适应正交级数估计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：摘要属于一般非参数密度估计，未直接研究分位数、分布效应或其他所列应用方向。
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…
概率密度的自适应正交级数估计
- 研究问题
- 对独立同分布样本中的未知平方可积密度，能否利用初步估计调整正交级数，以改善常规级数估计的偏差与分辨能力？
- 方法与思路
- 作者提出两遍估计：先用标准正交级数得到粗略密度估计，再以该估计变换级数并形成最终估计，同时分析渐近偏差与方差。
- 材料陈述的贡献
- 摘要称建立估计量的一致性，给出渐近偏差和方差表达，并显示相对常规方法偏差降低；另以模拟和双峰案例展示表现。
- 阅读关注点
- 应核对级数变换与截断规则、一致性条件、偏差降低的比较范围，以及方差变化是否影响总体误差和小样本表现。
- 阅读边界
- 所据 OpenAlex 索引摘要未注明稿件版本；偏差降低不等于总体误差普遍改善，具体速率和模拟数值未说明。
原文摘要
Given a sample set $X_1, \cdots, X_N$ of independent identically distributed real-valued random variables, each with the unknown probability density function $f(\cdot)$, the problem considered is to estimate $f$ from the sample set. The function $f$ is assumed to be in $L_2(a, b); f$ is not assumed to be in any parametric family. This paper constructs an adaptive "two-pass" solution to the problem: in a preprocessing step (the first pass), a preliminary rough estimate of $f$ is obtained by means of a standard orthogonal-series estimator. In the second pass, the preliminary estimate is used to transform the orthogonal series. The new, transformed orthogonal series is then used to obtain the final estimate. The paper establishes consistency of the estimator and derives asymptotic (large sample set) estimates of the bias and variance. It is shown that the adaptive estimator offers reduced bias (better resolution) in comparison to the conventional orthogonal series estimator. Computer simulations are presented which demonstrate the small sample set behavior. A case study of a bimodal density confirms the theoretical conclusions.