我们可以使用链接到您的Project Euclid帐户的电子邮件地址帮助您重置密码。
我们研究了跳跃惩罚最小二乘回归的渐近性,旨在通过分段常数函数逼近回归函数。除了传统的一致性和收敛速度外L(左)2([0,1))我们的结果涵盖了其他度量,如cádlág函数空间上的Skorokhod度量和C类([0, 1]). 我们将证明这些估计量在某些类“近似空间”上是自适应感知率最优的。特殊情况是0阶有界变差(分段)Hölder连续函数类<α≤1和具有有限但任意数量跳跃的阶跃函数类。在后一种设置中,我们还将从变化点分析中推导出检测跳跃的已知速率。最后,讨论了平滑参数的全自动选择问题。
莱夫·博伊森。 安吉拉·坎佩。 沃尔克马尔·利布舍尔。 阿克塞尔·蒙克。 奥拉夫·维蒂奇。 “跳跃型最小二乘估计量的一致性和收敛速度。” 安。统计师。 37 (1) 157 - 183, 2009年2月。 https://doi.org/10.1214/07-AOS558