摘要
为之间的距离以及的线性和二次函数对于形式的随机变量当平方范数为支配的平方Frobenius范数在期待中。
给出了这种正态逼近在相关设计和凸惩罚线性回归中亏损估计的渐近正态性的应用对于常量用于估计线性函数未知系数向量的β,此分析导致大多数归一化方向的debiased估计的渐近正态性,其中“大多数”是在精确意义上量化的。这种渐近正态性适用于任何凸惩罚,如果并且对于任何强凸罚,如果特别是,惩罚不需要是可分离的或置换不变量。通过允许任意正则化,结果大大拓宽了去噪方法的适用范围,以获得高维的置信区间。在不存在强凸性的情况下在附加条件下,得到了Lasso群和Lasso族的亏损估计的渐近正态性。对于一般凸惩罚,我们的分析还提供了独立利益的预测和估计误差界。
资金筹措表
P.C.Bellec的研究部分得到了NSF拨款DMS-1811976和DMS-1945428的支持。
C.-H.Zhang的研究部分得到了NSF拨款DMS-1721495、IIS-1741390、CCF-1934924、DMS-2052949和DMS-220850的支持。
引用
下载引文
皮埃尔·C·贝莱克。
张存辉。
“线性模型中的去凸正则估计和区间估计。”
安。统计师。
51
(2)
391 - 436,
2023年4月。
https://doi.org/10.1214/22-AOS2243
问询处
收到日期:2020年7月1日;修订日期:2022年10月1日;发布日期:2023年4月
欧几里德项目首次提供:2023年6月13日
数字对象标识符:10.1214/22-AOS2243
学科:
主要用户:62G15年,62甲12
次要:62层35,62J07型
关键词:偏差校正,中心极限定理,置信区间,凸正则化,高斯-庞加莱不等式,高维线性模型,拉索,斯坦因公式,方差估计
版权所有©2023数学统计研究所