第条
关键词:
非参数回归$\α$混合依赖性;自适应估计;小波方法;收敛速度
总结:
我们研究了从$\alpha$混合过程$(Y,X)$的$n$观测到的多维回归函数$f$的估计,其中$Y=f(X)+\xi$,$X$表示设计,$\xi$表示噪声。我们专注于小波方法。在大多数考虑这个问题的论文中,要么所提出的小波估计是不自适应的(即,它取决于构造过程中对$f$光滑性的了解),要么假设$\xi$是有界的或/并且具有已知的分布。在本文中,我们远远超出了这个经典框架。在对$\xi$没有有界性假设和对其分布没有先验知识的情况下,我们构造了自适应逐项阈值小波估计器,在广泛的函数类$f$的平均积分平方误差下,获得了“锐利”的收敛速度。
参考文献:
[3] Antoniadis A.、Bigot J.、Sapatinas T.:非参数回归中的小波估计:比较模拟研究.J.统计。软件6(2001),第6期。
[15] Chaubey Y.P.、Shirazi E.:强混合下基于有偏数据回归函数非线性小波估计的MISE.通信统计。理论方法(待发布)。
[18] 切斯内奥C.:随机设计中的自适应小波回归与弱相依数据的一般误差.阿普伦西斯大学学报。通知29(2012),65–84。MR 3015056
[20] 切斯诺C.、设拉子E.:基于有偏数据的非参数小波回归.通信统计。理论方法(待发布)。
[21]Chesneau C.、Kachour M.和Navarro F.:关于依赖观测值二次泛函自适应估计的注记IStatistik:Journal of the Turkish Statistical Association 6(2013),第1期,第10–26页。MR 3086320(材料编号:3086320)
[31]Donoho D.L.、Johnstone I.M.、Kerkyacharian G.、Picard D.:小波收缩:无症状?(经过讨论)J.皇家统计局。Soc.序列号。B 57301-369。MR 1323344
[33]Doosti H.、Islam M.S.、Chaubey Y.P.、Gora P.:非线性自回归模型的二维小波及其在动力系统中的应用意大利语。J.纯应用。数学。27 (2010), 39–62.MR 2826252
[34]Doosti H.,Niroumand H.A.:平稳时间序列的小波多变量随机回归估计巴基斯坦J.Statist。25(2009),第1期,第37–46页。MR 2492520号
[44]李玉梅,殷政经,魏政经:关于小波回归函数估计混合相关误差的渐近正态性《应用数学学报》31(2008),1046-1055。MR 2509883(材料要求)
[51]诺依曼M.H.,冯·萨克斯R.:小波阈值:超越高斯身份识别情况in:安东尼亚迪斯A.和奥本海姆G.(编辑),《小波与统计学》(维拉德·德兰斯,1994),《统计学讲义》,103,施普林格,纽约,1995年,第301–330页。MR 1364677号|Zbl 0831.62071号