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。
我们研究了密度估计问题中最大似然估计量(MLE)和后验分布的收敛速度,其中密度是正态分布的位置或位置尺度混合,尺度参数位于两个正数之间。假设真实密度位于这一类中,且真实混合分布为紧支撑或具有亚高斯尾数。我们得到了这一类的Hellinger包围熵的边界,并从这些边界推导出(筛)MLE在Hellinger距离上的收敛速度。这个速率是$(logn)^\kappa/\sqrt{n}$,其中$\kappa\ge1$是一个常数,它取决于混合物的类型和筛子的选择。接下来,我们考虑法线的Dirichlet混合作为未知密度的先验。我们估计了某个Kullback-Leibler型邻域的先验概率,然后调用了一个通用定理,该定理根据Hellinger熵的增长率和先验的集中率计算后验收敛率。后验分布也以$(log n)^\kappa/\sqrt{n}$的速度收敛,其中$\kappa$现在取决于Dirichlet过程基本度量的尾部行为。
Subhashis Ghosal公司。 阿德·范德法特(Aad W.van der Vaart)。 “正态密度混合的最大似然和贝叶斯估计的熵和收敛速度。” 安。统计师。 29 (5) 1233 - 1263, 2001年10月。 https://doi.org/10.1214/aos/1013203452