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。
本文研究离散混合测度的统计估计μ0涉及一个核混合模型。使用中的一些最新进展ℓ1-在测度空间上的正则化,我们引入了一个用于估计的“数据拟合和正则化”凸程序μ0在混合律样本的无网格方式中,该方法被称为Beurling-LASSO。
我们的贡献是双重的:我们推导出了数据拟合项带宽的下限,该下限仅取决于μ0并将其称为“最小分离”,以确保定量支持定位误差界;在所谓的“非退化源条件”下,我们得到了一个非同调支持稳定性性质。后者表明,对于足够大的样本量n个,我们的估计器具有与目标完全相同的加权狄拉克质量μ0在振幅和定位上与真实值趋同。最后,我们还介绍了一些基于“滑动Frank–Wolfe”或“圆锥粒子梯度下降”的算法来求解这个凸规划。
研究了该估计器的统计性能,设计了一个适用于我们设置的所谓“双重证书”。本文最后讨论了一些经典情况,例如超光滑分布(如高斯分布)或序数光滑分布(例如拉普拉斯分布)的混合。
S.Gadat承认法国国家研究局(ANR)根据未来投资计划(Investments d’Avenir,grant ANR-17-EURE-0010)和MaSDOL-19-CE23-0017-01拨款提供的资金
Y.De Castro。 S.加达特。 C.马尔图。 C.Maugis-Rabusseau。 “SuperMix:混合料的稀疏正则化。” 安。统计师。 49 (3) 1779 - 1809, 2021年6月。 https://doi.org/10.1214/20-AOS2022