Asymptotic equivalence of nonparametric regression and white noise
非参数回归与白噪声模型的渐近等价性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：摘要属于统计实验渐近等价的一般理论，没有明确研究经济时间序列或其他所列应用细分方向。
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
非参数回归与白噪声模型的渐近等价性
- 研究问题
- 在什么条件下，非参数回归与带漂移白噪声问题可以全局、一致地渐近等价，并使两类问题中的可达风险相互转移？
- 方法与思路
- 作者建立两类统计问题之间的构造性对应，给出产生渐近等价程序的方法，并以整个参数空间上的归一化风险差刻画等价。
- 材料陈述的贡献
- 摘要称，一类问题中可达到的归一化风险在另一类中也渐近可达，风险差在整个参数空间上一致趋零，并讨论推论与推广。
- 阅读关注点
- 应核对回归设计、误差与函数类的限制、归一化风险的定义，以及程序转换如何保证全局一致性而非仅局部近似。
- 阅读边界
- 仅据稿件版本未注明的OpenAlex摘要；等价成立的具体条件未说明，不能把结果理解为所有非参数回归模型都与白噪声等价。
原文摘要
The principal result is that, under conditions, to any nonparametric regression problem there corresponds an asymptotically equivalent sequence of white noise with drift problems, and conversely. This asymptotic equivalence is in a global and uniform sense. Any normalized risk function attainable in one problem is asymptotically attainable in the other, with the difference in normalized risks converging to zero uniformly over the entire parameter space. The results are constructive. A recipe is provided for producing these asymptotically equivalent procedures. Some implications and generalizations of the principal result are also discussed.