尤斯里·斯劳伊;萨拉赫·哈达尼 截尾数据下的自适应递归核条件密度估计。 （英语） Zbl 1442.62072号 拉丁美洲ALEA，J.Probab。数学。斯达。 17，编号1，389-417（2020）. 小结：设（T，X）是独立的同分布随机变量对，并表示（f（T|X））给定的（T\）的条件密度（X=X\），我们认为随机变量（T\。本文提出并研究了删失数据下的自适应递归核条件密度估计，它可以避免Kaplan-Meier估计的弱性能[E.L.卡普兰和P.梅耶《美国统计协会期刊》第53卷，第457–481页（1958年；Zbl 0089.14801号)]分布的右尾。本文的第一个目的是研究所提出的自适应递归估计量的性质，并将其与\（f（t|x）\）的非递归估计量进行比较。结果表明，在适当的选择带宽和特殊的步长下，与非递归估计相比，所提出的递归估计在估计误差和计算成本方面通常提供更好的结果。我们通过一些模拟研究证实了这些理论结果。 引用于三文件 MSC公司： 62G05型 非参数估计 62G07年 密度估算 62G08号 非参数回归和分位数回归 6220国集团 非参数推理的渐近性质 62甲12 多元分析中的估计 62N01号 审查数据模型 62L20型 随机近似 关键词：渐近正态性;经审查的数据;条件密度;递归核估计;随机近似算法;平滑的;生存数据 引文：Zbl 0089.14801号 PDF格式BibTeX公司 XML格式引用 \textit{Y.Slaoui}和\textit{S.Khardani}，ALEA，拉丁美洲J.Probab。数学。Stat.17，No.1，389--417（2020；Zbl 1442.62072） 全文： 链接 参考文献： [1] Bashtannyk，D.M.和Hyndman，R.J.核条件密度估计的带宽选择。计算。统计师。数据分析。，36(3), 279-298 (2001) ·Zbl 1038.62034号 [2] Beran，R.随机截尾生存数据的非参数回归。技术报告，加州理工大学伯克利分校（1981年） [3] Bertin，K.、Lacour，C.和Rivoirard，V.条件密度函数的自适应逐点估计。亨利·彭加雷·普罗巴布（Henri PoincaréProbab）安·Inst。统计，52（2），939-980（2016）·Zbl 1342.62090号 [4] Blum，J.R.多维随机近似方法。安。数学。统计学，25737-744（1954）·Zbl 0056.38305号 [5] Bojanic，R.和Seneta，E.正则变化序列的统一理论。数学。Z.，134，91-106（1973）·Zbl 0256.40002号 [6] Bouaziz，O.和Lopez，O。删失单指数回归模型中的条件密度估计。伯努利，16（2），514-542（2010）·Zbl 1323.62095号 [7] Brunel，E.和Comte，F.用删失数据对密度和危险率进行了对比估计。桑赫亚，67（3），441-475（2005）·Zbl 1192.62102号 [8] Brunel，E.、Comte，F.和Lacour，C.在审查存在的情况下条件密度的自适应估计。Sankhyáa，69（4），734-763（2007）·Zbl 1193.62055号 [9] Chen，H.查找函数最大值的较低收敛速度。安.统计师。，16(3), 1330-1334 (1988) ·Zbl 0651.62034号 [10] Davies，H.I.概率密度函数序列估计器的强一致性。牛市。数学。统计人员。，15(3-4), 49-54 (1972/73) ·Zbl 0291.62051号 [11] Dehuvels，P.Sur估计密度的结果。C.R.学院。科学。巴黎。A-B，276，A1119-A1121（1973）·Zbl 0257.62031号 [12] Devroye，L.P.关于概率密度递归核估计的逐点和积分收敛性。实用数学。，15, 113-128 (1979) ·Zbl 0402.62025号 [13] Dippon，J.加速随机优化。安.统计师。，31(4), 1260-1281 (2003) ·Zbl 1105.62370号 [14] Dippon，J.和Renz，J.最小值随机近似中的加权平均值。SIAM J.控制优化。，35(5), 1811-1827 (1997) ·Zbl 0885.62094号 [15] Dąbrowska，D.M.用截尾生存时间数据进行非参数回归。扫描。J.统计。，14(3), 181-197 (1987) ·Zbl 0641.62024号 [16] Dąbrowska，D.M.核条件Kaplan-Meier估计的一致一致性。安.统计师。，17(3), 1157-1167 (1989) ·Zbl 0687.62035号 [17] Duflo，M.算法随机性，《数学与应用》（柏林）第23卷【数学与应用】。施普林格·弗拉格，柏林（1996年）。国际标准图书编号3-540-60699-8·Zbl 0882.60001号 [18] Duflo，M.《随机迭代模型》，《数学应用》第34卷（纽约）。施普林格·弗拉格，柏林（1997年）。国际标准图书编号（ISBN）3-540-57100-0·Zbl 0868.62069号 [19] Efromovich，S.回归环境中的条件密度估计。安.统计师。，35(6), 2504-2535 (2007) ·兹比尔1129.62025 [20] Efromovich，S.条件密度估计中的降维和自适应。J.Amer。统计师。协会，105（490），761-774（2010）·兹比尔1392.62100 [21] Fabian，V.用改进的渐近速度对极小值进行随机逼近。安。数学。统计人员。，38, 191-200 (1967) ·Zbl 0147.18003号 [22] Fan，J.、Yao，Q.和Tong，H.非线性动力系统中条件密度和灵敏度测度的估计。《生物特征》，83（1），189-206（1996）·Zbl 0865.62026号 [23] Fan，J.和Yim，T.H.估计条件密度的交叉验证方法。《生物特征》，91（4），819-834（2004）·Zbl 1078.62032号 [24] Galambos，J.和Seneta，E.定期变化序列。程序。阿默尔。数学。Soc.，41，110-116（1973）·Zbl 0247.26002号 [25] Hall，P.和Heyde，C.C.鞅极限理论及其应用。学术出版社[Harcourt Brace Jovanovich出版社]，纽约-朗顿出版社（1980）。国际标准书号0-12-319350-8·Zbl 0462.60045号 [26] Hall，P.和Patil，P.关于在线密度估计器的效率。IEEE信息理论汇刊，40（5），1504-1512（1994）·Zbl 0809.62030号 ·数字对象标识代码：10.1109/18.333864 [27] Hall，P.、Racine，J.和Li，Q.交叉验证和条件概率密度估计。J.Amer。统计师。协会，99（468），1015-1026（2004）·Zbl 1055.62035号 [28] Hyndman，R.J.、Bashtannyk，D.M.和Grunwald，G.K.估算和可视化条件密度。J.计算。图表。统计人员。，5(4), 315-336 (1996) [29] Hyndman，R.J.和Yao，Q。条件密度函数的非参数估计和对称性检验。J.非参数。《统计》，14（3），259-278（2002）·Zbl 1013.62040号 [30] Jmaei，A.、Slaoui，Y.和Dellagi，W.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（4），792-805（2017）·Zbl 1416.62134号 [31] Kaplan，E.L.和Meier，P.不完全观测的非参数估计。J.Amer。统计师。协会，53，457-481（1958）·Zbl 0089.14801号 [32] Khardani，S.和Semmar，S.基于递归核的删失数据的非参数条件密度估计。电子。J.Stat.，8（2），2541-2556（2014）·Zbl 1309.62066号 [33] Khardani，S.和Slaoui，Y.随机审查模型下的非参数相对回归。统计师。普罗巴伯。莱特。，151, 116-122 (2019) ·Zbl 1459.62058号 [34] Kohler，M.、Máthé，K.和Pintér，M.从随机右删失数据进行预测。《多元分析杂志》。，80(1), 73-100 (2002) ·兹比尔0992.62041 [35] Kushner，H.J.和Clark，D.S.《约束和非约束系统的随机近似方法》，《应用数学科学》第26卷。Springer-Verlag，纽约-柏林（1978年）。国际标准图书编号0-387-90341-0·Zbl 0381.60004号 [36] Liang，H.-Y.和Liu，A.-A.截断、删失和相依数据条件密度的核估计。《多元分析杂志》。，120, 40-58 (2013) ·Zbl 1293.62087号 [37] Lo，S.H.，Mack，Y.P.和Wang，J.L.，通过Kaplan-Meier估计量的强表示对删失数据进行密度和风险率估计。普罗巴伯。理论相关领域，80（3），461-473（1989）·Zbl 0637.62039号 [38] Marron，J.S.和Padgett，W.J.从随机右偏样本中选择核密度估计器的渐近最优带宽。安.统计师。，15(4), 1520-1535 (1987) ·Zbl 0657.62038号 [39] Mokkadem，A.和Pelletier，M.Kiefer-Wolfowitz-Blum随机近似算法的伴侣。安.统计师。，35(4), 1749-1772 (2007) ·Zbl 1209.62191号 [40] Mokkadem，A.、Pelletier，M.和Slaoui，Y.多元概率密度估计的随机近似方法。J.统计。计划。推断，139（7），2459-2478（2009）·Zbl 1160.62077号 [41] Polonik，W.和Yao，Q.，随机过程的条件最小体积预测区域。J.Amer。统计师。协会，95（450），509-519（2000）·Zbl 0995.62097号 [42] Révész，P.Robbins-Monro过程及其在学习过程理论中的应用。I.科学研究。数学。匈牙利。，8, 391-398 (1973) ·Zbl 0288.60025号 [43] Révész，P.如何在回归函数的非参数估计中应用随机逼近方法。数学。针对ch的操作。统计师。序列号。统计人员。，8(1), 119-126 (1977) ·Zbl 0369.62098号 [44] Robbins，H.和Monro，S.一种随机近似方法。安。数学。统计学，22400-407（1951年）·Zbl 0054.05901号 [45] Roussas，G.G.和Tran，L.T.依赖条件下递归核回归估计的渐近正态性。安.统计师。，20(1), 98-120 (1992) ·Zbl 0925.62171号 [46] Ruppert，D.具有相依噪声的Robbins-Monro和Kiefer-Wolfowitz过程的几乎肯定近似。Ann.Probab。，10(1), 178-187 (1982) ·Zbl 0485.62083号 [47] Slaoui，Y.用随机逼近方法定义的递归核密度估计量的大偏差和中偏差原理。Serdica数学。J.，39（1），53-82（2013）·Zbl 1324.62029号 [48] Slaoui，Y.用随机近似方法定义的递归核密度估计的带宽选择。J.概率。Stat.，pp.Art.ID 739640，11（2014a）·Zbl 1307.62105号 [49] Slaoui，Y.分布函数估计的随机近似方法。数学。方法统计。，23（4），306-325（2014年b）·Zbl 1308.62078号 [50] Slaoui，Y.用随机近似方法定义的递归核回归估计器的插入式带宽选择器。内尔州。，69(4), 483-509 (2015) [51] Slaoui，Y.半递归核回归估计器的最佳带宽选择。统计接口，9（3），375-388（2016）·Zbl 1405.62042号 [52] Slaoui，Y.和Jmaei，A.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（3），439-455（2019）·Zbl 1502.62040号 [53] Tjötheim，D.非线性时间序列：选择性回顾。扫描。J.统计。，21(2), 97-130 (1994) ·Zbl 0799.62098号 [54] Wegman，E.J.和Davies，H.I.关于概率密度的一些递归估计的评论。安.统计师。，7(2), 316-327 (1979) ·Zbl 0405.62031号 [55] Wolverton，C.T.和Wagner，T.J.模式分类的渐近最优判别函数。IEEE传输。通知。理论，IT-15258-265（1969）·Zbl 0172.43404号 此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。