工具书类
[1]I.S.Abramson，关于核估计中的带宽变化——平方根定律，安。统计师。10（1982），第4期，1217–1223。2014年10月14日/月11763451986在谷歌学者中搜索
[2]R.Bojanic和E.Seneta，规则变化序列的统一理论，数学。Z.134（1973），91–106。2007年10月10日/BF01214468在谷歌学者中搜索
[3]S.Bouzebda和Y.Slaoui，空间数据核函数估计的非参数递归方法，统计师。普罗巴伯。莱特。139 (2018), 103–114.2016年10月10日/j.spl.2018.03.017在谷歌学者中搜索
[4]S.Bouzebda和Y.Slaoui，用于随机近似法定义的空间数据非参数递归密度估计的带宽选择器，通信统计。理论方法49（2020），第12期，2942–2963。10.1080/03610926.2019.1584313在谷歌学者中搜索
[5]L.Breiman、W.Meisel和E.Purcell，多元密度的可变核估计，《生物特征》19（1977），135–144。10.1080/00401706.1977.10489521在谷歌学者中搜索
[6]郑明扬、黄涛、刘鹏和H.Peng，非参数和半参数回归模型的偏差减少，统计师。Sinica 28（2018），第4期，2749–2770。10.5705/ss.202017.0058在谷歌学者中搜索
[7]E.Choi和P.Hall，关于局部线性平滑中的偏差减少，《生物特征》85（1998），第2期，333–345。10.1093/生物组/85.2.333在谷歌学者中搜索
[8]P.Chizhek和S.Sadikoǧlu，稳健非参数回归：综述，威利公司（Wiley Interdiscip）。版次计算。《美国联邦法律大全》第12卷（2019年），第3号，第1492条。10.1002/wics.1492年在谷歌学者中搜索
[9]D.L.Donoho和R.C.Liu，几何收敛速度。二、，安。统计师。19（1991），第2633-667号。10.1214/aos/1176348114在谷歌学者中搜索
[10]J.Fan，局部线性回归平滑器及其极大极小效率，Ann.Statist公司。21（1993），第1期，196-216。10.1214/aos/1176349022在谷歌学者中搜索
[11]J.Fan和I.Gijbels，可变带宽和局部线性回归平滑器，安。统计师。20（1992），第4期，2008–2036。10.1214/aos/1176348900在谷歌学者中搜索
[12]J.Galambos和E.Seneta，规律变化的序列，程序。阿默尔。数学。Soc.41（1973），110–116。10.1090/S0002-9939-1973-0323963-5在谷歌学者中搜索
[13]G.Gardiner、R.J.Biggar、W.E.Collins和F.K.Nkrumah，加纳南部城市和农村地区的疟疾：寄生虫血症、抗体和抗疟措施调查，牛市。世界。健康。器官。62 (1984), 607–613.在谷歌学者中搜索
[14]P.霍尔，关于可变带宽曲线估值器的偏差，《生物特征》77（1990），第3期，529-535。10.1093/biomet/77.3.529在谷歌学者中搜索
[15]P.Hall和J.S.Marron，概率密度的可变窗宽核估计，普罗巴伯。理论相关领域80（1988），第1期，37-49。2007年10月10日/BF00348751在谷歌学者中搜索
[16]N.W.Hengartner和E.Matzner-Löber，渐近无偏密度估计，ESAIM概率。《统计》第13卷（2009年），第1-14页。10.1051/ps:2007055在谷歌学者中搜索
[17]M.Hirukawa和M.Sakudo，使用非对称核估计密度的非负偏差减少方法，计算。统计师。数据分析。75 (2014), 112–123.10.1016/j.csda.2014.01.012在谷歌学者中搜索
[18]P.Janssen、J.Swanepoel和N.Veraverbeke，修正核分布函数估计器以减小偏差，统计41（2007），第2期，93–103。2010年10月80日/02331880601106561在谷歌学者中搜索
[19]A.Jmaei、Y.Slaoui和W.Dellagi，使用伯恩斯坦多项式的随机近似方法定义的递归分布估计量，J.非参数。Stat.29（2017），第4号，792–805。10.1080/10485252.2017.1369538在谷歌学者中搜索
[20]M.C.Jones，可变核密度估计和可变核密度估算，南方的。J.统计。32（1990），第3期，361–371。10.1111/j.1467-842X.1990.tb01031.x在谷歌学者中搜索
[21]M.C.Jones、O.Linton和J.P.Nielsen，一种简单的密度估计偏差减少方法，《生物特征》82（1995），第2期，327–338。10.1093/biomet/82.2.327在谷歌学者中搜索
[22]C.Kim、W.Kim和B.U.Park，核密度估计中的倾斜和广义jackknifing，通信统计。理论方法32（2003），第11期，2153–2162。10.1081/STA-120024473在谷歌学者中搜索
[23]A.Mokkadem和M.Pelletier，Kiefer–Wolfowitz–Blum随机近似算法的伴侣，安。统计师。35（2007），第4期，1749-1772。10.1214/009053606000001451在谷歌学者中搜索
[24]A.Mokkadem、M.Pelletier和Y.Slaoui，重温Révész估计回归函数的随机逼近方法，ALEA Lat.Am.J.Probab公司。数学。《统计》第6卷（2009年），第63–114页。在谷歌学者中搜索
[25]A.Mokkadem、M.Pelletier和Y.Slaoui，估计多元概率密度的随机近似方法，J.统计。计划。推断139（2009），第7期，2459–2478。2016年10月10日/j.jspi.2008年11月12日在谷歌学者中搜索
[26]K.Mynbaev和C.Martins-Filho，通过Lipschitz条件减少核密度估计中的偏差，J.非参数。《统计》第22卷（2010年），第1-2期，第219-235页。10.1080/104852502903266058在谷歌学者中搜索
[27]E.A.Nadaraya，关于估计回归，理论概率论。申请。10（1964），第186–190页。10.1137/1109020在谷歌学者中搜索
[28]B.U.Park、W.C.Kim、D.Ruppert、M.C.Jones、D.F.Signorini和R.Kohn，改进非参数回归的简单变换技术，扫描。J.统计。24（1997），第2期，145-163。10.1111/1467-9469.00055在谷歌学者中搜索
[29]P.Révész，Hilbert空间中的Robbins–Monro过程及其在学习过程理论中的应用。我，科学研究所。数学。匈牙利。8 (1973), 391–398.在谷歌学者中搜索
[30]P.Révész，如何将随机逼近方法应用于回归函数的非参数估计，数学。针对ch的操作。统计师。序列号。统计师。8（1977年），第1期，119-126。10.1080/02331887708801361在谷歌学者中搜索
[31]D.Ruppert和D.B.H.Cline，通过平滑经验变换减少核密度估计中的偏差，安。统计师。22（1994），第1期，185-210。10.1214/aos/1176325365在谷歌学者中搜索
[32]M.Samiuddin和G.M.El-Sayyad，关于非参数核密度估计，Biometrika 77（1990），第4期，865-874。10.1093/生物组/77.4.865在谷歌学者中搜索
[33]B.W.Silverman，统计和数据分析密度估计，单声道。统计师。申请。概率。，查普曼和霍尔出版社，伦敦，1986年。在谷歌学者中搜索
[34]Y.Slaoui，随机逼近方法定义的递归核密度估计的带宽选择，J.概率。《Stat.2014》（2014），第739640条。2014年10月15日/739640在谷歌学者中搜索
[35]Y.Slaoui，随机逼近方法定义的递归核回归估计的插入式带宽选择器，Stat.尼尔尔。69（2015），第483–509号。10.1111/桶12069在谷歌学者中搜索
[36]Y.Slaoui，半递归核回归估计的最优带宽选择，Stat.Interface 9（2016），第3期，375–388。10.4310/SII.2016.v9.n3.a11在谷歌学者中搜索
[37]Y.Slaoui，核密度估计中的偏差减少，J.非参数。Stat.30（2018），第2号，505–522。10.1080/10485252.2018.1442927在谷歌学者中搜索
[38]Y.Slaoui，独立函数数据递归非参数相对回归的Wild bootstrap带宽选择，《多元分析杂志》。173 (2019), 494–511.2016年10月10日/j.jmva.2019.04.009在谷歌学者中搜索
[39]Y.Slaoui，独立函数数据的递归非参数回归估计，统计师。Sinica 30（2020），第1期，417–437。10.5705/ss.202018.0069在谷歌学者中搜索
[40]Y.Slaoui和A.Jmaei，基于Robbins–Monro方案并使用Bernstein多项式的递归密度估计，统计接口12（2019年），编号3，439–455。10.4310/SII.2019.v12.n3.a8在谷歌学者中搜索
[41]J.W.H.Swanepoel和F.C.Van Graan，基于数据非参数变换的核分布函数估计，扫描。J.统计。32（2005），第4期，551-562。10.1111/j.1467-9469.2005.00472.x号文件在谷歌学者中搜索
[42]G.S.Watson，平滑回归分析，SankhyáSer。A 26（1964），359-372。在谷歌学者中搜索
[43]姚西，偏差修正的非参数回归估计，统计师。普罗巴伯。莱特。82（2012），第2期，274–282。2016年10月10日/j.spl.2011.10.006在谷歌学者中搜索
