Y.巴拉德。;L.Birgé。;萨特，M。 一种新的估计和模型选择方法：（\rho\）-估计。 （英语） Zbl 1373.62141号 发明。数学。 207，编号2，425-517（2017）. 本文作者讨论了一种新的估计方法，该方法产生了“一种新估计方法，可应用于各种统计框架，包括密度和回归……”。在误差分布异常的回归框架中，最小二乘法远不是最优的。作者考虑了（1）的形式（Z_i=f（w_i）+epsilon_i），其中，（Z_i）是实际观测值，而关于Lebesque测度的密度（p）的i.i.d.误差。在密度估计的情况下，“当统计模型足够规则且包含要估计的真实密度时，它们至少与著名的最大似然估计量渐近一致”。审核人：N.G.Gamkrelidze（莫斯科） 引用于三评论引用于23文件 MSC公司： 62G07年 密度估算 10层62层 点估计 62层35 鲁棒性和自适应程序（参数推理） 关键词：估计;最大似然估计量 PDF格式BibTeX公司 XML格式引用 \textit{Y.Baraud}等人，发明。数学。207，编号2，425-517（2017；兹bl 1373.62141） 全文： 内政部 arXiv公司 参考文献： [1] Audibert，J.-Y.，Catoni，O.：稳健线性最小二乘回归。Ann.Stat.39（5），2766-2794（2011）·Zbl 1231.62126号 ·doi:10.1214/11-AOS918 [2] Baraud，Y.：随机设计回归的模型选择。ESAIM概率。《统计》第6卷，第127-146页（2002年）·Zbl 1059.62038号 ·doi:10.1051/ps:2002007年 [3] Baraud，Y.：关于Hellinger-type风险的估值器选择。普罗巴伯。理论相关领域151（1-2），353-401（2011）·Zbl 1513.62062号 ·doi:10.1007/s00440-010-0302-y [4] Barron，A.，Birgé，L.，Massart，P.：通过惩罚选择模型的风险边界。普罗巴伯。理论相关领域113（3），301-413（1999）·Zbl 0946.62036号 ·doi:10.1007/s004400050210 [5] Barron，A.R.：复杂度正则化及其在人工神经网络中的应用。摘自：《非参数函数估计及相关主题》（Spetses，1990），《北约高级科学系列C：数学和物理科学》第335卷，第561-576页。多德雷赫特·克鲁沃（1991）·Zbl 0739.62001号 [6] Birgé，L.：近似值（Approximation dans les espaces métriques et the theorie de L’estimation）。Z.瓦尔什。版本。Gebiete 65（2），181-237（1983）·Zbl 0506.62026号 ·doi:10.1007/BF00532480 [7] Birgé，L.：风险最小的稳定与不稳定性最大限度地反映了待解决的变量。Ann.Inst.H.PoincaréProbab公司。Stat.20（3），201-223（1984）·Zbl 0542.62018号 [8] Birgé，L.：通过测试进行模型选择：（惩罚的）最大似然估计量的替代方案。Ann.Inst.H.PoincaréProbab公司。《美国联邦法律大全》第42卷第3期第273-325页（2006年）·Zbl 1333.62094号 ·doi:10.1016/j.anihpb.2005.04.004 [9] Birgé，L.：模型选择的稳健测试。在Banerjee，M.、Bunea，F.、Huang，J.、Koltchinskii，V.、Maathuis，M.H.（编辑）《从概率到统计再回到：高维模型和过程》，第9卷，第47-64页。IMS收集（2013）·Zbl 1108.62007号 [10] Birgé，L.，Massart，P.：最小对比度估计器的收敛速度。普罗巴伯。理论关联。字段97（1-2），113-150（1993）·兹比尔0805.62037 ·doi:10.1007/BF01199316 [11] Birgé，L。；Massart，P.，《从模型选择到自适应估计》，55-87（1997），纽约·Zbl 0920.62042号 ·doi:10.1007/978-1-4612-1880-74 [12] Birgé，L.，Massart，P.：筛子上的最小对比度估计：指数界限和收敛速度。伯努利4（3），329-375（1998）·Zbl 0954.62033号 ·doi:10.2307/3318720 [13] Birgé，L.，Massart，P.：高斯模型选择的最小惩罚。普罗巴伯。理论关联。字段138（1-2）、33-73（2007）·Zbl 1112.62082号 ·doi:10.1007/s00440-006-0011-8 [14] 达德利，R.M.：一门关于经验过程的课程。《圣弗洛尔概率论》，XII-1982，数学课堂讲稿第1097卷，第1-142页。柏林施普林格（1984）·Zbl 0954.62033号 [15] Ghosal，S.，Ghosh，J.K.，van der Vaart，A.W.：后验分布的收敛速度。Ann.Stat.28（2），500-531（2000）·兹比尔1105.62315 ·doi:10.1214/aos/1016218228 [16] Giné，E.，Koltchinskii，V.：比率型经验过程的浓度不等式和渐近结果。安·普罗巴伯。34(3), 1143-1216 (2006) ·Zbl 1152.60021号 ·doi:10.1214/009117906000000070 [17] 格伦纳德，U。：抽象推理。收录于：《概率与数理统计威利系列》。威利，纽约（1981）·兹比尔0505.62069 [18] Hájek，J.：局部渐近极小和估计中的可容许性。摘自：《第六届伯克利数理统计与概率研讨会论文集》（加州大学伯克利分校，1970/1971），第一卷，统计理论，第175-194页。加州大学伯克利分校出版社（1972）·Zbl 1059.62038号 [19] Huber，P.J.：位置参数的稳健估计。安。数学。《法律总汇》第35卷第73-101页（1964年）·Zbl 0136.39805号 ·doi:10.1214/aoms/1177703732 [20] Huber，P.J.：稳健统计。收录于：《概率与数理统计威利系列》。威利，纽约（1981）·Zbl 0536.62025号 [21] Ibragimov，I.A.，Has'minskiĭ，R.Z.：关于密度函数的估计。扎普。诺什。塞明。LOMI 98，61-85（1980）·Zbl 0542.62018号 [22] Ibragimov，I.A.，Has'minskiĭ，R.Z.：统计估计。渐近理论，第16卷。施普林格，纽约（1981）·Zbl 1231.62126号 [23] Klein，T.，Rio，E.：经验过程最大值平均值附近的集中度。安·普罗巴伯。33(3), 1060-1077 (2005) ·Zbl 1066.60023号 ·doi:10.1214/009117905000000044 [24] Kolmogorov，A.N.，Tihomirov，V.M.：函数空间中集合的[\varepsilon\]ε-熵和[\varebsilon\]ε-容量。美国数学。社会事务处理。(2) 17, 277-364 (1961) ·doi:10.1090/trans2/017/10 [25] Koltchinskii，V.：风险最小化中的局部Rademacher复杂性和预言不等式。Ann.Stat.34（6），2593-2656（2006）·Zbl 1118.62065号 ·doi:10.1214/009053606000001019 [26] Le Cam，L.：关于用于证明最大似然估计的渐近正态性的假设。安。数学。Stat.41，802-828（1970）·Zbl 0246.62039号 ·doi:10.1214/oms/1177696960 [27] Le Cam，L.：维数限制下估计的收敛性。Ann.Stat.1，38-53（1973）·Zbl 0255.62006号 ·doi:10.1214/aos/1193342380 [28] Le Cam，L.：关于实验渐近正态理论中的局部和全局性质。收录于：随机过程和相关主题（印第安纳大学布鲁明顿夏季研究所随机过程统计推断会议录，1974年，第1卷；专门介绍Jerzy Neyman），第13-54页。纽约学术出版社（1975）·Zbl 0920.62042号 [29] Le Cam，L.：统计决策理论中的渐近方法。统计学中的斯普林格系列。施普林格，纽约（1986）·Zbl 0605.62002号 ·doi:10.1007/978-1-4612-4946-7 [30] Le Cam，L.：最大可能性：简介。埋。Stat.Rev.58（2），153-171（1990）·Zbl 0715.62045号 ·doi:10.2307/1403464 [31] Le Cam，L.，Yang，G.L.：统计学中的渐近性。一些基本概念。统计学中的斯普林格系列。斯普林格，纽约（1990年）·Zbl 0719.62003号 ·doi:10.1007/978-1-4684-0377-0 [32] Massart，P.：《浓度不等式和模型选择》，数学课堂讲稿第1896卷。柏林施普林格。2003年7月6日至23日（2007年）在圣弗洛尔举行的第33届概率论暑期学校讲座·Zbl 1298.62144号 [33] 马萨特·P·Nédélec·E·：统计学习的风险边界。Ann.Stat.34（5），2326-2366（2006年）·Zbl 1108.62007号 ·doi:10.1214/0090536000000786 [34] Sart，M.：马尔可夫链转移密度的估计。安，我是。H.P.概率。统计50（3），1028-1068（2014）·Zbl 1298.62144号 [35] Sart，M.：具有协变量的泊松过程的模型选择。ESAIM:PS 19、204-235（2015）·Zbl 1392.62253号 ·doi:10.1051/ps/2014022 [36] Sart，M.：通过测试对参数模型进行稳健估计。伯努利22（3），1617-1670（2016）·Zbl 1360.62108号 ·doi:10.3150/15-BEJ706 [37] van de Geer，S.：筛分法和最小对比度估计法。数学。方法统计4（1），20-38（1995）·Zbl 0831.62029号 [38] van der Vaart，A.，Wellner，J.A.：关于VC维度边界的注释。收录于：《高维概率V：Luminy卷》，《数理统计学会汇编》第5卷，第103-107页。比奇伍德数理统计研究所（2009年）·Zbl 1243.60009号 [39] van der Vaart，A.W.：渐近统计，《剑桥统计与概率数学系列》第3卷。剑桥大学出版社，剑桥（1998）·Zbl 0978.62008号 [40] van der Vaart，A.W.，Wellner，J.A.：弱收敛和经验过程。与统计应用。统计学中的斯普林格系列。施普林格，纽约（1996）·Zbl 0862.60002号 ·数字对象标识代码：10.1007/978-1-4757-2545-2 [41] Whittaker，E.T.，Watson，G.N.：现代分析课程。在：剑桥数学图书馆。剑桥大学出版社，剑桥。无限过程和解析函数的一般理论简介；关于主要超越功能的叙述，重印第四版（1927年）（1996年） [42] Yang，Y.，Barron，A.：最小最大收敛速度的信息论确定。Ann.Stat.27（5），1564-1599（1999）·Zbl 0978.62008号 ·doi:10.1214/aos/1017939142 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。