Limiting bias-reduced Amoroso kernel density estimators for non-negative data
Limiting bias-reduced Amoroso kernel density estimators for non-negative data
复制标题
非负数据的限制偏差减少阿莫罗索核密度估计器
DOI：
10.1080/03610926.2017.1380832
复制
发表时间：
2018
期刊：
影响因子：
--
通讯作者：
Kakizawa Yoshihide
中科院分区：
文献类型：
--
作者：
Igarashi Gaku;Kakizawa Yoshihide
非负数据的Amoroso核密度估计（Igarashi和Kakizawa）是无边界偏置的，并且具有O（n− 4/5）阶的平均积分平方误差（MISE），其中是样本量。本文构造了Amoroso核密度估计及其导数关于光滑参数的线性组合。此外，我们提出了一个相关的乘法估计。我们证明了，如果底层密度是四次连续可微的，这些偏差减少估计的MISE达到收敛率n-8/9。我们说明了有限样本性能的估计，通过模拟。
The Amoroso kernel density estimator (Igarashi and Kakizawa ) for non-negative data is boundary-bias-free and has the mean integrated squared error (MISE) of orderO(n− 4/5), wherenis the sample size. In this paper, we construct a linear combination of the Amoroso kernel density estimator and its derivative with respect to the smoothing parameter. Also, we propose a related multiplicative estimator. We show that the MISEs of these bias-reduced estimators achieve the convergence ratesn− 8/9, if the underlying density is four times continuously differentiable. We illustrate the finite sample performance of the proposed estimators, through the simulations.