尤斯里·斯劳伊 随机逼近方法定义的递归核密度估计的带宽选择。 （英语） Zbl 1307.62105号 J.遗嘱认证。斯达。 2014年，文章ID 739640，11 p.（2014）. 摘要：我们提出了一种自动选择概率密度函数递归核估计的带宽的方法，该概率密度函数由A.莫卡德姆等[J.Stat.Plann.Inference 139，No.7，2459–2478（2009；Zbl 1160.62077号)]. 我们表明，使用[loc.cit.]中定义的递归估计器类的所选带宽和最小化MISE（平均积分平方误差）的步长，在估计误差和计算成本方面，递归估计员将优于小样本设置的非递归估计师。我们通过模拟研究证实了这些理论结果。 引用于1审查引用于28文件 MSC公司： 62G07年 密度估算 62L20型 随机近似 引文：Zbl 1160.62077号 软件：科恩平滑 PDF格式BibTeX公司 XML格式引用 \textit{Y.Slaoui}，J.Probab。Stat.2014，文章ID 739640，11 p.（2014；Zbl 1307.62105） 全文： 内政部 参考文献： [1] R.P.W.Duin，“关于概率密度函数parzen估计的平滑参数的选择”，IEEE计算机学报，第C-25卷，第11期，第1175-1179页，1976年·Zbl 0359.93035号 ·doi:10.1109/TC.1976.1674577 [2] M.Rudemo，“直方图和核密度估计的经验选择”，《斯堪的纳维亚统计杂志》，第9卷，第65-78页，1982年·Zbl 0501.62028号 [3] D.W.Scott和G.R.Terrell，“密度估算中的有偏和无偏交叉验证”，《美国统计协会期刊》，第82卷，第1131-1146页，1987年·Zbl 0648.62037号 ·doi:10.2307/2289391 [4] J.S.Marron，“自动平滑参数选择：一项调查”，《实证经济学》，第13卷，第3-4期，第187-208页，1988年。 [5] M.Woodroof，“关于选择三角洲序列”，《统计年鉴》，第41卷，第1665-1671页，1970年·Zbl 0229.62022号 ·doi:10.1214/aoms/1177696810 [6] M.P.Wand和M.C.Jones，《内核平滑》，查普曼和霍尔出版社，英国伦敦，1994年·Zbl 0854.62043号 [7] M.C.Jones、J.S.Marron和S.J.Sheather，“密度估算带宽选择的简要调查”，《美国统计协会杂志》，第91卷，第433期，第401-407页，1996年·Zbl 0873.62040号 ·数字对象标识代码：10.2307/2291420 [8] J.S.Marron，“引导带宽选择”，摘自《探索引导的极限》，R.LePage和L.Billard，Eds.，第249-262页，John Wiley，纽约州纽约市，美国，1992年·Zbl 0838.62029号 [9] A.Mokkadem、M.Pelletier和Y.Slaoui，“多元概率密度估计的随机近似方法”，《统计规划与推断杂志》，第139卷，第7期，第2459-2478页，2009年·Zbl 1160.62077号 ·doi:10.1016/j.jspi.2008.11.012 [10] P.Révész，“希尔伯特空间中的Robbins-Monro过程及其在学习过程理论中的应用I”，科学数学研究院，匈牙利，第8卷，第391-3981973页·Zbl 0288.60025号 [11] P.Révész，“如何在回归函数的非参数估计中应用随机逼近方法”，《数理统计操作》，《数列统计》，第8卷，第119-126页，1977年·Zbl 0369.62098号 [12] A.B.Tsybakov，“多维分布模式的递归估计”，《信息传播问题》，第8卷，第119-126页，1990年。 [13] Y.Slaoui，“随机近似法定义的递归核密度估计量的大中型原则”，《Serdica数学杂志》，第39卷，第53-82页，2013年·Zbl 1324.62029号 [14] M.Rosenblatt，“关于密度函数的一些非参数估计的评论”，《数理统计年鉴》，第27卷，第832-837页，1956年·Zbl 0073.14602号 ·doi:10.1214/aoms/1177728190 [15] E.Parzen，“关于概率密度和模式的估计”，《数理统计年鉴》，第33卷，第1065-10761962页·Zbl 0116.11302号 ·doi:10.1214/aoms/1177704472 [16] J.Galambos和E.Seneta，“规则变化序列”，美国数学学会，第41卷，第110-116页，1973年·Zbl 0247.26002号 ·doi:10.2307/2038824 [17] R.Bojanic和E.Seneta，“规则变化序列的统一理论”，《数学》，第134卷，第2期，第91-106页，1973年·Zbl 0256.40002号 ·doi:10.1007/BF01214468 [18] A.Mokkadem和M.Pelletier，“Kiefer-Wolfowitz-Blum随机近似算法的伴侣”，《统计学年鉴》，第35卷，第4期，第1749-1772页，2007年·Zbl 1209.62191号 ·doi:10.1214/009053606000001451 [19] N.Altman和C.Léger，“核分布函数估计的带宽选择”，《统计规划与推断杂志》，第46卷，第2期，第195-214页，1995年·Zbl 0833.62035号 ·doi:10.1016/0378-3758（94）00102-2 [20] B.W.Silverman，《统计和数据分析密度估计》，查普曼和霍尔出版社，英国伦敦，1986年·兹比尔0617.62042 [21] P.Hall和J.S.Marron，“积分平方密度导数的估计”，《统计与概率快报》，第6卷，第2期，第109-115页，1987年·Zbl 0628.62029号 ·doi:10.1016/0167-7152（87）90083-6 [22] W.Härdle和J.S.Marron，“非参数回归函数估计中的最佳带宽选择”，《统计学年鉴》，第12卷，第1465-1481页，1985年·Zbl 0594.62043号 ·doi:10.1214/aos/1176349748 [23] A.Mokkadem、M.Pelletier和Y.Slaoui，“重温Révész估计回归函数的随机近似方法”，《ALEA-LatinAmerican Journal of Probability and Mathematical Statistics》，第6卷，第63-114页，2009年·Zbl 1160.62076号 [24] J.D.Hart和P.Vieu，“基于依赖数据的密度估计的数据驱动带宽选择”，《统计学年鉴》，第18卷，第873-890页，1990年·Zbl 0703.62045号 ·doi:10.1214/aos/1176347630 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。