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
