×

缺失观测值的高维协方差矩阵估计。 (英语) Zbl 1320.62124号

摘要:本文研究了具有缺失观测值的高维协方差矩阵估计问题。我们提出了一个在高维上易于计算的简单程序,并且不需要对缺失数据进行插补。我们建立了涉及Frobenius和谱范数的协方差矩阵估计的非渐近稀疏预言不等式,这些协方差矩阵对样本大小、缺失观测的概率和协方差矩阵的维数的任何设置都有效。我们进一步建立了极小极大下界,表明我们的速率在对数因子下是极小极大最优的。

MSC公司:

62甲12 多元分析中的估计

软件:

RegEM公司
PDF格式BibTeX公司 XML格式引用

参考文献:

[1] Ahlswede,R.和Winter,A.(2002年)。通过量子通道识别的强逆。IEEE传输。通知。理论48 569-579·Zbl 1071.94530号 ·数字对象标识代码:10.1109/18.985947
[2] Banerjee,O.、El Ghaoui,L.和d'Aspremont,A.(2008)。通过多元高斯或二进制数据的稀疏最大似然估计进行模型选择。J.马赫。学习。第9号决议第485-516段·Zbl 1225.68149号
[3] Bickel,P.J.和Levina,E.(2008)。通过阈值进行协方差正则化。安。统计师。36 2577-2604. ·Zbl 1196.62062号 ·doi:10.1214/08-AOS600
[4] Bickel,P.J.、Ritov,Y.和Tsybakov,A.B.(2009年)。同时分析套索和Dantzig选择器。安。统计师。37 1705-1732. ·Zbl 1173.62022号 ·doi:10.1214/08-AOS620
[5] Bunea,F.、She,Y.和Wegkamp,M.H.(2011年)。高维矩阵降秩估计量的最优选择。安。统计师。39 1282-1309. ·Zbl 1216.62086号 ·doi:10.1214/11-AOS876
[6] Cai,T.和Liu,W.(2011)。稀疏协方差矩阵估计的自适应阈值。J.Amer。统计师。协会106 672-684·Zbl 1232.62086号 ·doi:10.1198/jasa.2011.tm10560
[7] Cai,T.、Liu,W.和Luo,X.(2011)。稀疏精度矩阵估计的约束极小化方法。J.Amer。统计师。协会106 594-607·Zbl 1232.62087号 ·doi:10.1198/jasa.2011.tm10155
[8] Cai,T.T.,Zhang,C.-H.和Zhou,H.H.(2010)。协方差矩阵估计的最佳收敛速度。安。统计师。38 2118-2144. ·Zbl 1202.62073号 ·doi:10.1214/09-AOS752
[9] Candes,E.和Tao,T.(2007)。Dantzig选择器:当\(p)远大于\(n)时的统计估计。安。统计师。35 2313-2351. ·Zbl 1139.62019号 ·doi:10.1214/00905360000001523
[10] Candès,E.J.和Plan,Y.(2010年)。带噪声的矩阵完成。IEEE学报,第98卷925-936。
[11] Candès,E.J.和Tao,T.(2010年)。凸松弛的威力:近最优矩阵补全。IEEE传输。通知。理论56 2053-2080·Zbl 1366.15021号 ·doi:10.1109/TIT.2010.2044061
[12] Donoho,D.L.和Tanner,J.(2005)。用线性规划方法求解欠定线性方程的稀疏非负解。程序。国家。阿卡德。科学。美国102 9446-9451(电子版)·Zbl 1135.90368号 ·doi:10.1073/pnas.0502269102
[13] El Karoui,N.(2008年)。大维稀疏协方差矩阵的算子范数一致估计。安。统计师。36 2717-2756. ·Zbl 1196.62064号 ·doi:10.1214/07-AOS559
[14] El Karoui,N.(2008年)。基于随机矩阵理论的大维协方差矩阵谱估计。安。统计师。36 2757-2790. ·Zbl 1168.62052号 ·doi:10.1214/07-AOS581
[15] Gross,D.(2009)从任何基础上的少数系数中恢复低秩矩阵。可从获取。0910.1879 ·Zbl 1366.94103号 ·doi:10.1109/TIT.2011.2104999
[16] Johnstone,I.M.(2001年)。关于主成分分析中最大特征值的分布。安。统计师。29 295-327. ·Zbl 1016.62078号 ·doi:10.1214/aos/1009210544
[17] Johnstone,I.M.和Ma,Z.(2013年)。在GOE和GUE的边缘快速接近Tracy Widom定律。附录申请。普罗巴伯。22 1962-1988. ·Zbl 1253.60029号 ·doi:10.1214/11-AAP819
[18] Keshavan,R.H.、Montanari,A.和Oh,S.(2010年)。从噪声条目中完成矩阵。J.马赫。学习。第11号决议2057-2078·Zbl 1242.62069号
[19] Klopp,O.(2011)。高维矩阵的秩惩罚估计量。电子。《美国联邦法律大全》第5卷第1161-1183页·Zbl 1274.62489号 ·doi:10.1214/11-EJS637
[20] Koltchinskii,V.(2009年)。Dantzig选择器和稀疏预言不等式。伯努利15 799-828·Zbl 1452.62486号 ·doi:10.3150/09-BEJ187
[21] Koltchinskii,V.(2010)Von Neumann熵惩罚和低秩矩阵近似。可从获取。1009.2439
[22] Koltchinskii,V.(2011)。经验风险最小化和稀疏恢复问题中的Oracle不等式。数学课堂笔记。2033 . 海德堡:施普林格。2008年在圣弗洛尔举行的第38届概率暑期学校的讲座,圣弗洛尔概率暑期学院。
[23] Koltchinskii,V.、Lounici,K.和Tsybakov,A.B.(2011年)。噪声低秩矩阵补全的核形式惩罚和最优速率。安。统计师。39 2302-2329. ·Zbl 1231.62097号 ·doi:10.1214/11-AOS894
[24] Lounici,K.(2008)。Lasso和Dantzig估计的超形式收敛速度和符号集中性质。电子。《美国联邦法律大全》第2卷第90-102页·Zbl 1306.62155号 ·doi:10.1214/08-EJS177
[25] Meinshausen,N.和Bühlmann,P.(2006年)。高维图和用套索选择变量。安。统计师。34 1436-1462. ·Zbl 1113.62082号 ·doi:10.1214/09053606000000281
[26] Recht,B.、Fazel,M.和Parrilo,P.A.(2010年)。通过核范数最小化保证线性矩阵方程的最小秩解。SIAM版本52 471-501·Zbl 1198.90321号 ·数字对象标识代码:10.1137/070697835
[27] Rohde,A.和Tsybakov,A.B.(2011年)。高维低秩矩阵的估计。安。统计师。39 887-930. ·Zbl 1215.62056号 ·doi:10.1214/10-AOS860
[28] Rothman,A.J.、Bickel,P.J.、Levina,E.和Zhu,J.(2008)。稀疏置换不变协方差估计。电子。《美国联邦法律大全》第2卷第494-515页·Zbl 1320.62135号 ·doi:10.1214/08-EJS176
[29] Rothman,A.J.、Levina,E.和Zhu,J.(2009)。大协方差矩阵的广义阈值。J.Amer。统计师。协会104 177-186·Zbl 1388.62170号 ·doi:10.198/jasa.2009.0101
[30] Schneider,T.(2001)。不完整气候数据的分析:平均值和协方差矩阵的估计以及缺失值的插补。J.气候14 853-871。
[31] Tropp,J.A.(2010)随机矩阵和的用户友好型尾界。可从获取。1004.4389 ·兹比尔1259.60008 ·doi:10.1007/s10208-011-9099-z
[32] Tsybakov,A.B.(2009年)。非参数估计简介。统计学中的斯普林格系列。纽约:斯普林格。对2004年法文原件进行了修订和扩展。弗拉基米尔·扎亚茨译·Zbl 1176.62032号
[33] Vershynin,R.(2011)随机矩阵的非渐近分析简介。可从获取。1011.3027版本7·Zbl 1235.60009号 ·doi:10.1017/CBO9780511794308.006
[34] Watson,G.A.(1992年)。一些矩阵范数的次微分的刻画。线性代数应用。170 33-45. ·Zbl 0751.15011号 ·doi:10.1016/0024-3795(92)90407-2
[35] Yuan,M.和Lin,Y.(2007)。高斯图形模型中的模型选择和估计。生物特征94 19-35·Zbl 1142.62408号 ·doi:10.1093/biomet/asm018
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。