×
王涛;管仲

非参数多元密度的Bernstein多项式模型。 （英语） Zbl 1440.62212号

统计 53，第2号，321-338（2019）.
摘要：本文研究了在有界支持下估计多元分布函数和密度的Bernstein多项式模型。作为多元贝塔分布的混合模型，可以使用EM算法获得最大（近似）似然估计。提出了一种选择Bernstein多项式模型最优次数的变点方法。在一定条件下，证明了新密度估计的平均（chi^2）-发散的最优收敛速度是近似参数的。该方法通过对实际数据集的应用进行了说明。仿真研究还研究了所提出方法的有限样本性能，结果表明该方法比核密度估计要好得多，但接近参数估计。

引用于5文件

MSC公司：

62甲12 多元分析中的估计
62G07年 密度估算

关键词：

近似伯恩斯坦多项式模型;β混合物;最大似然;多元密度估计;非参数模型

软件：

S-加;R（右）;可接受的
PDF格式BibTeX公司 XML格式引用
\textit{T.Wang}和\textit{Z.Guan}，《统计》53，第2期，321--338（2019；Zbl 1440.62212）
全文： 内政部 arXiv公司 链接

参考文献：

[1] 司各特，Dw。，《多元密度估计：理论、实践和可视化》（1992），纽约：John Wiley&Sons出版社，纽约·Zbl 0850.62006号
[2] Romano，Jp.，关于模型核密度估计的弱收敛性和最优性，《统计年鉴》，16，2，629-647（1988）·Zbl 0658.62053号 ·doi:10.1214/aos/1176350824
[3] Tran，Lt.，关于时间序列的多元可变核密度估计，Can J Stat，19，4，371-387（1991）·Zbl 0850.62331号 ·doi:10.2307/3315428
[4] Vieu，P.，关于密度模式估计的注释，Stat Probab Lett，26，4，297-307（1996）·Zbl 0847.62024号 ·doi:10.1016/0167-7152（95）00024-0
[5] 比克尔，Pj；卡拉森，加利福尼亚州；Ritov，Y.，《半参数模型的有效和自适应估计》（1998），纽约：Springer-Verlag出版社，纽约·Zbl 0894.62005号
[6] 伊布拉基莫夫，I。；Khasminskii，R.，属于一类整函数的分布密度估计，理论概率应用，27，3，551-562（1983）·Zbl 0516.62043号 ·doi:10.1137/127062
[7] Gep.盒子。，《科学与统计》，美国统计协会杂志，71、356、791-799（1976）·Zbl 0335.62002号 ·doi:10.1080/01621459.1976.10480949
[8] 沈，X。；黄女士。，筛分估计的收敛速度，Ann Statist，22，2，580-615（1994）·Zbl 0805.62008号 ·doi:10.1214操作系统/117625486
[9] Vitale，Ra，Bernstein密度函数估计的多项式方法。收录于：统计推断和相关主题（proc.summer res.inst.statist.inference for random process，ind.，1974，bloomington，invol.2；致力于z.w.birnbaum）。纽约：学术出版社；1975年，第87-99页·Zbl 0326.62027号
[10] Sn.Bernstein，《Weierstrass fondée sur le calcul des probabilities》，哈科夫数学学会，13，1-2（1912）·JFM 43.0301.03型
[11] Bernstein，Sn.，Voronowskaja，C R Acad Sci URSS，86-92（1932年）·JFM 58.1062.05号
[12] Lorentz，Gg.，《正系数多项式的逼近度》，《数学年鉴》，151，239-251（1963）·Zbl 0116.04602号 ·doi:10.1007/BF01398235
[13] 格洛伦茨，伯恩斯坦多项式（1986），纽约：切尔西出版公司，纽约·Zbl 0989.41504号
[14] Tenbusch，A.，二维Bernstein多项式密度估计量，Metrika，41，3-4，233-253（1994）·Zbl 0804.62045号 ·doi:10.1007/BF01895321
[15] Sancetta，A。；Satchell，S.，《伯恩斯坦copula及其在多元分布建模和逼近中的应用》，《经济理论》，第20、3、535-562页（2004年）·Zbl 1061.62080号 ·doi:10.1017/S026646660420305X
[16] Guan，Z.，使用Bernstein型多项式的高效稳健密度估计，《非参数统计杂志》，28，2，250-271（2016）·Zbl 1338.62084号 ·doi:10.1080/10485252.2016.1163349
[17] Guan，Z.，分组连续数据的Bernstein多项式模型，J Nonparam Stat，29，4，831-848（2017）·Zbl 1416.62179号 ·doi:10.1080/10485252.2017.1374384
[18] Belomestny，D。；F.孔德。；Genon-Catalot，V.，Sobolev-hermite与Sobolev非参数密度估计，Ann Inst Stat Math（2017）·Zbl 1415.62013.号
[19] 斯通，Cj。，非参数估计量的最优收敛速度，Ann Stat，8，6，1348-1360（1980）·Zbl 0451.62033号 ·doi:10.1214/aos/1176345206
[20] 雷德纳，Ra；Walker，Hf.，《混合密度、最大似然和EM算法》，SIAM Rev，26，2，195-239（1984）·Zbl 0536.62021号 ·数字对象标识代码：10.1137/1026034
[21] 塞尔格，M。；Horváth，L.，《变点分析中的极限定理》（1997），奇切斯特：约翰·威利父子出版社·Zbl 0884.62023号
[22] Burda，M。；Prokhorov，A.，贝叶斯多元无限混合模型中基于Copula的因子分解，J Multivar Anal，127200-213（2014）·Zbl 1293.62011年 ·doi:10.1016/j.jmva.2014.02.011
[23] Akaike，H，信息理论和最大似然原理的扩展。参见：第二届信息理论国际研讨会（Tsahkamphor，1971）。布达佩斯阿卡德米亚·基奥。1973年，第267-281页·Zbl 0283.62006号
[24] Schwarz，G.，估算模型的维数，Ann Stat，6，2，461-464（1978）·Zbl 0379.62005年 ·doi:10.1214/aos/1176344136
[25] Stepanova，N.，《关于（####）中分析密度函数的估计》，《数学方法统计》，22，2，114-136（2013）·Zbl 1418.62146号 ·doi:10.3103/S1066530713020038
[26] 朱迪茨基，A。；Lambert-Lacroix，S.，《关于（####）上的极小极大密度估计》，Bernoulli，10，2，187-220（2004）·Zbl 1076.62037号 ·doi:10.3150/bj/1082380217
[27] 伊布拉基莫夫，I。；Khasminskii，R.，《统计估计》（1981），《纽约-柏林：斯普林格-弗拉格》，纽约-柏林·Zbl 0908.62083号
[28] Leblanc，A.，分布函数Bernstein估计的Chung-Smirnov性质，J Nonparam Stat，21，2，133-142（2009）·Zbl 1157.62016年 ·网址：10.1080/10485250802485676
[29] 詹森，P。；斯旺佩尔，J。；Veraverbeke，N.，Bernstein copula估计量的大样本行为，J Stat Plan Inference，142，5，1189-1197（2012）·Zbl 1236.62027号 ·doi:10.1016/j.jspi.2011.11.020
[30] 詹森，P。；斯旺佩尔，J。；Veraverbeke，N.，关于copula密度的Bernstein估计的渐近行为的注释，J Multivar Ana，124480-487（2014）·Zbl 1359.62103号 ·doi:10.1016/j.jmva.2013.10.009
[31] Härdle，W.，《S中实现的平滑技术》（1991），纽约：Springer，纽约·Zbl 0716.62040号
[32] 维纳布尔斯，Wn；Ripley，Bd.，《使用S-Plus的现代应用统计》（1994），纽约：Springer-Verlag出版社，纽约·Zbl 0806.62002号
[33] Silverman，Bw.，《统计和数据分析的密度估计》（1986），伦敦：查普曼和霍尔出版社，伦敦·Zbl 0617.62042号
[34] Petrone，S.，使用伯恩斯坦多项式进行贝叶斯密度估计，《加拿大统计》，27，1，105-126（1999）·Zbl 0929.62044号 ·doi:10.2307/3315494
[35] Panchenko，V，Prokhorov，A，半参数多元模型边缘参数的有效估计。康考迪亚大学经济系；2011年，工作文件11001。
[36] R核心团队R，统计计算的语言和环境（2018），奥地利维也纳：R统计计算基金会，奥地利维也纳
[37] Guan，Z，mable：最大近似Bernstein似然估计；2018.R包1.0版
[38] 希尔德布兰特，Th；勋伯格，Ij。，关于一维或多维有限区间的线性函数运算和矩问题，Ann Math，34，2，317-328（1933）·兹比尔0006.40204 ·doi:10.2307/1968205
[39] Butzer，Pl.，伯恩斯坦多项式的线性组合，加拿大数学杂志，559-567（1953）·Zbl 0051.05002号 ·doi:10.4153/CJM-1953-063-7
[40] Butzer，Pl.，《关于二维Bernstein多项式》，《Can J Math》，第5期，第107-113页（1953年）·Zbl 0050.07002 ·doi:10.4153/CJM-1953-014-2
[41] 罗曼诺夫斯基，V.，《关于二项式（####）平均值的矩的注释》，《生物统计学》，第15、3-4、410-412页（1923年）·doi:10.1093/biomet/15.3-4.410
[42] 秦，J。；Lawless，J.，经验似然和一般估计方程，Ann Stat，22，1，300-325（1994）·Zbl 0799.62049号 ·doi:10.1214/aos/1176325370
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。