加列·查尼;安托万·尚纳隆;Hoang,Van Há;安吉丽娜·罗什 两类混合模型中成分密度的自适应非参数估计。 (英语) Zbl 1477.62085号 J.统计计划。推断 216, 51-69 (2022). 摘要:考虑了两类混合物模型,其中一种成分的密度是已知的。我们讨论了第二分量未知概率密度的非参数自适应估计问题。本着Goldenshluger和Lepski方法的精神,我们提出了一种随机加权核估计器,该估计器采用完全数据驱动的带宽选择方法。导出了点态二次风险的一个oracle-type不等式以及Hölder光滑类的收敛速度。通过数值模拟对理论结果进行了说明。 MSC公司: 62G07年 密度估算 62H30型 分类和区分;聚类分析(统计方面) 60埃15 不平等;随机排序 关键词:混合物模型;非参数统计;核估计;自适应带宽选择方法 PDF格式BibTeX公司 XML格式引用 \textit{G.Chagny}等人,J.Stat.Plann。推断216,51-69(2022;Zbl 1477.62085) 全文: 内政部 arXiv公司 链接 参考文献: [1] 约阿夫·本杰米尼;Hochberg,Yosef,《控制错误发现率:一种实用而有效的多重测试方法》,J.R.Stat.Soc.B,57,1,289-300(1995)·Zbl 0809.62014号 [2] Karine Bertin;克莱尔·拉库尔(Claire Lacour);Rivoirard,Vincent,条件密度函数的自适应逐点估计(2013),预印本arXiv:1312.7402·Zbl 1342.62090号 [3] Karine Bertin;克莱尔·拉库尔(Claire Lacour);Rivoirard,Vincent,条件密度函数的自适应逐点估计,Ann.Inst.H.PoincaréProbab。Stat.,52,2,939-980(2016)·Zbl 1342.62090号 [4] Butucea,Cristina,点态密度估计中的两个自适应收敛率,数学。方法统计,9,1,39-64(2000)·Zbl 1006.62031号 [5] 阿兰·塞利斯;Robin,Stéphane,基于交叉验证的真零假设比例估计,J.Statist。计划。推理,140,11,3132-3147(2010)·Zbl 1204.62127号 [6] Chagny,Gaélle,扭曲基回归中的惩罚与Goldenshluger-Lepski策略,ESAIM Probab。统计,17,328-358(2013)·Zbl 06282476号 [7] 米夏·奇奇诺德;Hoang,Van Ha;Ngoc、Thanh Mai Pham;Rivoirard,Vincent,变量有误差的自适应小波多元回归,电子。J.Stat.,11,1,682-724(2017)·Zbl 1362.62086号 [8] Fabienne Comte,《非参数Trique估算》(2015),斯巴达克斯-IDH·Zbl 1357.62005年 [9] Fabienne孔德;盖法斯,斯特芬;Guilloux,Agathe,标记相关计数过程条件强度的自适应估计,《安娜·亨利·彭加雷研究所》。统计,47,4,1171-1196(2011)·兹比尔1271.62222 [10] Fabienne孔德;Genon-Catalot,瓦伦丁;Samson,Adeline,随机效应随机微分方程的非参数估计,随机过程。申请。,123, 7, 2522-2551 (2013) ·Zbl 1284.62251号 [11] Fabienne孔德;Claire Lacour,《各向异性自适应核反褶积》,《安娜·亨利·蓬卡罗布研究所》。Stat.,49,2,569-609(2013)·兹比尔1348.62121 [12] Fabienne孔德;Rebafka,Tabea,有偏数据的非参数加权估计,J.Statist。计划。推断,174104-128(2016)·Zbl 1353.62036号 [13] 玛丽·杜米克(Marie Doumic);马克·霍夫曼;Patricia Reynaud-Bouret;Rivoirard,Vincent,规模结构人口分裂率的非参数估计,SIAM J.Numer。分析。,50, 2, 925-950 (2012) ·Zbl 1317.92063号 [14] 布拉德利·埃夫隆;罗伯特·蒂布希拉尼;约翰·D·斯托里(John D.Storey)。;弗吉尼亚州图瑟,微阵列实验的经验贝叶斯分析,美国统计协会,96,456,1151-1160(2001)·Zbl 1073.62511号 [15] 基诺维塞,克里斯托弗;Larry Wasserman,《错误发现率程序的操作特征和扩展》,J.R.Stat.Soc.Ser。B统计方法。,64, 3, 499-517 (2002) ·Zbl 1090.62072号 [16] 伊万里斯特·吉内;Nickl,Richard,核密度估计器分布函数的指数不等式,及其在自适应估计中的应用,Probab。理论相关领域,143,3-4,569-596(2009)·Zbl 1160.62032号 [17] 亚历山大·戈登施卢格(Alexander Goldenshluger);Lepski,Oleg,核密度估计中的带宽选择:orcale不等式和自适应极小极大最优性,Ann.Statist。,39, 3, 1608-1632 (2011) ·Zbl 1234.62035号 [18] Peter J.Huber,《概率比检验的稳健版本》,《数学年鉴》。统计,1753-1758(1965)·Zbl 0137.12702号 [19] 伊尔达·伊布拉吉莫夫。;Hasmíinskiĭ,Rafael Z.,分布密度估计,Zap。诺什。塞姆·列宁格勒。奥特尔。Mat.Inst.Steklov公司。(LOMI),98(1980),61-85,161-162,166,数理统计研究,IV·Zbl 0482.62025号 [20] 米特·兰加斯;Lindqvist,Bo Henry;Ferkingstad,Egil,《应用DNA微阵列数据估算真零假设比例》,J.R.Stat.Soc.Ser。B统计方法。,67, 4, 555-572 (2005) ·兹比尔1095.62037 [21] Lepski,Oleg,超形式损失下的多元密度估计:预言法,自适应和独立结构,Ann.Statist。,41005-1034(2013年)·Zbl 1360.62158号 [22] 刘浩阳;高超,《污染下的密度估计:最小最大速率和适应理论》,《电子统计杂志》,第13期,第2期,第3613-3653页(2019年)·Zbl 1429.62130号 [23] 阮文翰;Matias,Catherine,多重测试设置中替代假设密度的非参数估计。应用于局部错误发现率估计,ESAIM Probab。统计,18,584-612(2014)·Zbl 1305.62165号 [24] 阮文翰;凯瑟琳·马蒂亚斯(Catherine Matias),《关于多重测试设置中真零假设比例的有效估计》,Scand。J.Stat.,41,4,1167-1194(2014)·Zbl 1305.62272号 [25] Patricia Reynaud-Bouret;Vincent Rivoirard;弗兰克·格拉蒙特;Tuleau-Malot,Christine,Goodness of fit tests and non-parametric adaptive estimation for spike train analysis,J.Math。神经科学。,4, 1, 1 (2014) ·Zbl 1321.92047号 [26] 罗宾,斯特凡尼;Avner Bar-Hen;Jean-Jacques Daudin;Pierre,Laurent,混合模型的半参数方法:应用于局部错误发现率估计,计算。统计数据分析。,51, 12, 5483-5493 (2007) ·Zbl 1445.62075号 [27] Schuster,Eugene F.,将支持约束纳入密度的非参数估计,Commun。统计理论方法,14,5,1123-1136(1985)·Zbl 0585.62070号 [28] Storey,John D.,错误发现率的直接方法,J.R.Stat.Soc.Ser。B统计方法。,64, 3, 479-498 (2002) ·Zbl 1090.62073号 [29] Strimmer,Korbinian,错误发现率估计的统一方法,BMC Bioinf。,9, 1, 303 (2008) ·Zbl 1318.62329号 [30] Tsybakov,Alexandre B.,(非参数估计简介。非参数估计导论,统计学中的斯普林格级数(2009),斯普林格:斯普林格纽约)·Zbl 1176.62032号 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。