×
爱德华·伯利泽;努鲁舍夫

大海捞针：可能稀疏序列的可靠置信度。 （英语） Zbl 1441.62110号

伯努利 26，第1期，191-225（2020）.
作者摘要：概述信号\（+\）噪声（允许非正态、非依赖性观测）模型，我们构建了一个经验贝叶斯后验模型，然后将其用于不确定性量化对于未知的，可能是稀疏的信号。我们介绍一本小说过度偏置限制（EBR）条件，这导致对整个空间进行新的切片，适合不确定性量化。在EBR和一些轻度可交换指数矩条件在噪声上，我们建立了所提出的置信球的局部（oracle）最优性。在没有EBR的情况下，我们提出了另一个完全覆盖的置信球，但其半径包含一个额外的（σn^{1/4}）项。顺便，我们还得到了估计、后验收缩问题和稀疏结构的弱恢复。各种稀疏类上的自适应极小极大结果（也适用于估计和后验收缩问题）遵循我们的局部结果。
审核人：亚历山德罗·塞尔维特拉（韦恩堡）

引用于20文件

MSC公司：

62克15 非参数容差和置信区域
6220国集团 非参数推理的渐近性质
62G35型 非参数稳健性
62C20个 统计决策理论中的Minimax过程

关键词：

置信集;经验贝叶斯后验;局部径向速度

软件：

EBayesThresh公司
PDF格式BibTeX公司 XML格式引用
\textit{E.Belitser}和\textit{N.Nurushev}，Bernoulli 26，No.1，191--225（2020；Zbl 1441.62110）
全文： 内政部 arXiv公司 欧几里得

参考文献：

[1] Abramovich，F.、Grinshtein，V.和Pensky，M.（2007）。正态均值问题中贝叶斯证明的最优性。安。统计师。35 2261-2286. ·兹比尔1126.62003 ·doi:10.1214/009053607000000226
[2] Babenko，A.和Belitser，E.（2010年）。投影先验和贝叶斯模型选择下的后验Oracle收敛速度。数学。方法统计。19 219-245. ·Zbl 1282.62125号 ·doi:10.3103/S1066530710030026
[3] Baraud，Y.（2004）。高斯回归中的置信球。安。统计师。32 528-551. ·Zbl 1093.62051号 ·doi:10.1214/009053604000000085
[4] Belitser，E.（2017）。可信集的覆盖率和局部径向率。安。统计师。45 1124-1151. ·Zbl 1371.62044号 ·doi:10.1214/16-AOS1477
[5] Belitser，E.和Ghosal，S.（2018）。回归的经验贝叶斯预言不确定性量化。预打印·Zbl 1461.62120号
[6] Belitser，E.和Nurushev，N.（2020年）。对“大海捞针：可能稀疏序列的稳健置信度”的补充https://doi.org/10.3150/19-BEJ1122SUPP。 ·Zbl 1441.62110号
[7] Bhattacharya，A.、Dunson，D.B.、Pati，D.和Pillai，N.S.（2016年）。某些连续收缩先验的次优性。随机过程。申请。126 3828-3842. ·Zbl 1419.62050号 ·doi:10.1016/j.spa.2016.08.007
[8] Birgé，L.和Massart，P.（2001）。高斯模型选择。《欧洲数学杂志》。Soc.（JEMS）3 203-268·Zbl 1037.62001 ·doi:10.1007/s100970100031
[9] Bull，A.D.（2012年）。诚实的自适应置信带和自相似函数。电子。《美国联邦法律大全》第6卷第1490-1516页·Zbl 1295.62049号 ·doi:10.1214/12-EJS720
[10] Bull，A.D.和Nickl，R.（2013年）。自适应置信度设置在\（L^2\）中。普罗巴伯。理论相关领域156 889-919·Zbl 1273.62105号 ·doi:10.1007/s00440-012-0446-z
[11] Cai，T.T.和Low，M.G.（2004）。非参数置信区间的自适应理论。安。统计师。32 1805-1840. ·Zbl 1056.62060号 ·doi:10.1214/00905360400000049
[12] Castillo，I.、Schmidt-Hieber，J.和van der Vaart，A.（2015）。稀疏先验贝叶斯线性回归。安。统计师。43 1986-2018. ·Zbl 1486.62197号 ·doi:10.1214/15-AOS1334
[13] Castillo，I.和Szabó，B.（2018年）。尖峰和平板经验贝叶斯稀疏可信集。可从arXiv:1808.07721获取·兹比尔1441.62077
[14] Castillo，I.和van der Vaart，A.（2012年）。大海捞针：可能稀疏序列的后向集中。安。统计师。40 2069-2101. ·兹比尔1257.62025 ·doi:10.1214/12-AOS1029
[15] Donoho，D.L.和Johnstone，I.M.（1994年）。通过小波收缩实现理想的空间自适应。生物特征81 425-455·兹比尔0815.62019 ·doi:10.1093/biomet/81.3.425
[16] Donoho，D.L.和Johnstone，I.M.（1994年）。最小风险超过\（l_p\）-balls for \（l_q\）-error。普罗巴伯。理论相关领域99 277-303·Zbl 0802.62006
[17] Donoho，D.L.、Johnstone，I.M.、Hoch，J.C.和Stern，A.S.（1992年）。最大熵和接近黑色的物体（与讨论）。J.罗伊。统计师。Soc.序列号。B 54 41-81·Zbl 0788.62103号 ·doi:10.1111/j.2517-6161.1992.tb01864.x
[18] Johnstone，I.（2017）。高斯估计：序列和小波模型。书籍草稿。
[19] Johnstone，I.M.和Silverman，B.W.（2004）。大海捞针：可能稀疏序列的经验贝叶斯估计。安。统计师。32 1594-1649. ·Zbl 1047.62008年 ·数字对象标识代码：10.1214/00905360400000030
[20] Li，K.-C.（1989）。非参数回归的诚实置信区域。安。统计师。17 1001-1008. ·Zbl 0681.62047号 ·doi:10.1214/aos/1176347253
[21] Martin，R.和Walker，S.G.（2014年）。稀疏正态均值向量的渐近极小极大经验Bayes估计。电子。《美国联邦法律大全》第8卷第2188-2206页·Zbl 1302.62015年 ·doi:10.1214/14-EJS949
[22] Nickl，R.和van de Geer，S.（2013年）。稀疏回归中的置信集。安。统计师。41 2852-2876. ·Zbl 1288.62108号 ·doi:10.1214/13-AOS1170
[23] Picard，D.和Tribouley，K.（2000年）。逐点曲线估计的自适应置信区间。安。统计师。28 298-335. ·兹比尔1106.62331 ·doi:10.1214/aos/1016120374
[24] Robins，J.和van der Vaart，A.（2006年）。自适应非参数置信集。安。统计师。34 229-253. ·Zbl 1091.62039号 ·doi:10.1214/009053605000000877
[25] 罗奇科娃，V.（2018）。稀疏信号的贝叶斯估计，具有连续的尖峰和停滞先验。安。统计师。46 401-437. ·Zbl 1395.62230号 ·doi:10.1214/17-AOS1554
[26] Rousseau，J.和Szabó，B.（2016）。筛选先验贝叶斯可信集的渐近频率覆盖性质。可从arXiv:1609.05067获取·Zbl 1471.62350号
[27] Rousseau，J.和Szabo，B.（2017年）。与最大边际似然估计相关的经验Bayes后验函数的渐近行为。安。统计师。45 833-865. ·Zbl 1371.62048号 ·doi:10.1214/16-AOS1469
[28] Szabó，B.、van der Vaart，A.W.和van Zanten，J.H.（2015）。自适应非参数贝叶斯可信集的频繁覆盖。安。统计师。43 1391-1428. ·Zbl 1317.62040号 ·doi:10.1214/14-AOS1270
[29] van der Pas，S.、Szabó，B.和van der Vaart，A.（2017年）。马蹄铁的不确定性量化（讨论）。贝叶斯分析。12 1221-1274. ·Zbl 1384.62155号 ·doi:10.1214/17-BA1065
[30] van der Pas，S.L.、Kleijn，B.J.K.和van der Vaart，A.W.（2014）。马蹄形估计器：近黑色向量周围的后验浓度。电子。《美国联邦法律大全》第8卷第2585-2618页·Zbl 1309.62060号 ·doi:10.1214/14-EJS962
此参考列表基于出版商或数字数学图书馆提供的信息。它的项目与zbMATH标识符启发式匹配，并且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。