On optimal data-based bandwidth selection in kernel density estimation
核密度估计中最优的数据驱动带宽选择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：摘要涉及通用核密度估计的带宽选择，未明确研究经济分布效应或所列其他细分方向。
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…
核密度估计中最优的数据驱动带宽选择
- 研究问题
- 如何通过估计并代入最优带宽的渐近表达式，构造收敛更快的数据驱动带宽选择器，并考察其小样本影响？
- 方法与思路
- 作者在通常的最优带宽渐近表达式中代入相关量的估计，并加入两项关键修改，再与其他带宽选择方法比较。
- 材料陈述的贡献
- 摘要称所得带宽选择器具有 n^(-1/2) 的渐近收敛率，并开展方法比较和小样本考察，但未给出具体比较结果。
- 阅读关注点
- 核对最优带宽采用的损失准则、两项修改的作用、收敛率对应的误差定义，以及密度光滑性条件与小样本结果。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；两项修改、收敛率的完整条件和小样本表现未说明，不能据此断言普遍占优。
原文摘要
A bandwidth selection method is proposed for kernel density estimation. This is based on the straightforward idea of plugging estimates into the usual asymptotic representation for the optimal bandwidth, but with two important modifications. The result is a bandwidth selector with the, by nonparametric standards, extremely fast asymptotic rate of convergence of n−½ where n ↑ ∞ denotes sample size. Comparison is given to other bandwidth selection methods, and small sample impact is investigated.