计算模式的置信区间？

我正在寻找有关计算模式的置信区间的参考（一般而言）。Bootstrap似乎是自然的首选，但正如Romano（1988）所讨论的那样，标准的bootstrap对于mode来说是失败的，并且它没有提供任何简单的解决方案。自本文以来，有什么变化吗？计算模式置信区间的最佳方法是什么？最好的基于引导的方法是什么？您可以提供任何相关参考吗？

Romano，JP（1988）。引导模式。统计数学研究所的年鉴，40（3），565-586。

— 蒂姆
source

对于“一般”，您是指具有无界域且没有预先指定的参数形式的多变量可能是多峰联合密度？还是有一些限制？

— GeoMatt22 '16

@ GeoMatt22说，我们正在处理单峰分布，有无预先指定的参数形式。由于多维情况下的计算模式变得复杂，因此从一维情况开始就足够有趣了。

— 蒂姆

好吧，还无界呢？（例如，不是Beta w / a模式为0或1）。参数情况似乎最简单，因为根据参数可以很好地定义模式。

— GeoMatt22 '16

您如何估计模式的位置？

— Glen_b-恢复莫妮卡

FYI对于KDE模式，计算机视觉的“ 均值偏移 ”算法可能是相关的。（不是答案，而是指向文献中另一个相关分支的指针。）

— GeoMatt22 2016年

尽管似乎对此没有太多的研究，但有一篇论文在一定程度上对此进行了研究。关于使用随机设计在非参数回归模型中引导模式的论文（Ziegler，2001）建议使用平滑配对引导程序（SPB）。用这种方法抽象地引用“引导变量是基于观察对从平滑的双变量密度生成的”。

作者声称SPB“如果对m的导频估计过度平滑，则能够捕获正确的偏差量”。在此，m是两个iid变量的回归函数。

祝您好运，并希望这可以给您一个开始！

— 亚历克斯·菲尔索夫（Alex Firsov）
source

平滑的引导程序是我真正考虑的问题，但尚未见过建议。谢谢！没有其他答案，因此，我授予这个答案的赏金。我不接受它，因为我仍然希望能得到其他答案和建议。

— 蒂姆