An Iterative Method for Estimating a Multivariate Mode and Isopleth
多元众数与等值轮廓的迭代估计方法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：摘要研究一般分布的众数、轮廓与密度估计，未涉及分位数或分布效应，故不归入该细分。
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
多元众数与等值轮廓的迭代估计方法
- 研究问题
- 如何通过逐步收缩的凸集估计多元分布的众数和等值轮廓，并建立相应估计量的收敛性质与密度估计？
- 方法与思路
- 作者迭代构造包含前一步一定比例数据点的最小闭凸子集，以末端集合中的点估计众数，以固定迭代层的边界估计轮廓。
- 材料陈述的贡献
- 摘要称，方法自然产生密度估计量，相关估计量几乎处处收敛，并给出单变量轮廓估计的收敛速率及应用方向。
- 阅读关注点
- 应核对保留比例与迭代停止规则、众数点的选择方式，以及几乎处处收敛和单变量收敛速率各自需要的条件。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；收敛条件、速率表达式及应用结果未说明，不能将单变量速率推广至多元情形。
原文摘要
An iterative procedure for estimating the mode and isopleths of a multivariate distribution is presented. The mode is estimated by selecting a point from the final set in a nested decreasing sequence of convex sets, each one of which is iteratively the smallest closed, convex subset containing a certain proportion of its predecessor's data points. An isopleth is estimated by the boundary of the convex subset corresponding to a fixed number of iterations (independent of n). The method gives rise to a natural density estimator. The estimators are shown to converge almost surely, and convergence rates for the univariate isopleth estimator are presented. Applications to air pollution and health sciences are noted.