×
塞琳·杜瓦尔；约翰娜·卡普斯

傅里叶估值器的自适应过程：在反褶积和反编译中的应用。 （英语） Zbl 1429.62127号

电子。J.统计。 13，第2号，3424-3452（2019）.
摘要：本文的目的是双重的。首先，引入一种新的自适应程序，以选择傅里叶密度估值器的最佳截止参数（直至对数因子）。考虑了两个反问题：反褶积和反编译。反褶积是一个典型的反问题，我们的过程在数值上简单且稳定，并与惩罚技术进行了比较。此外，预言界的过程和证明并不依赖于任何关于噪声项的知识。第二，对于分解，即通过在时间步长（Delta，）上观察（n）增量，对复合泊松过程的跳跃密度进行非参数估计，建立一个统一的自适应估计量，该估计量在对数因子范围内是最优的，与（Delta）的行为无关。

引用于1文件

MSC公司：

62G07年 密度估算
62C12号机组 经验决策程序；经验贝叶斯程序
62C20个 统计决策理论中的Minimax过程

关键词：

自适应密度估计；反褶积；分解；型号选择

软件：

卡普塞
PDF格式BibTeX公司 XML格式引用
\textit{C.Duval}和\textit{J.Kappus}，电子。J.Stat.13，No.2，3424--3452（2019；Zbl 1429.62127）
全文： 内政部 欧几里得

参考文献：

[1] A.Barron、L.Birgé和P.Massart。通过惩罚选择模型的风险边界。，概率论及相关领域，113（3）：301-4131999·Zbl 0946.62036号 ·doi:10.1007/s004400050210
[2] J.-P.Baudry、C.Maugis和B.Michel。斜坡启发式：概述和实现。，统计与计算，22（2）：455-4702012·Zbl 1322.62007年 ·doi:10.1007/s11222-011-9236-1
[3] L.Birgé，P.Massart，等。筛子上的最小对比度估计：指数界和收敛速度。，伯努利，4（3）：329-3751998·Zbl 0954.62033号 ·doi:10.2307/3318720
[4] B.Buchmann和R.Grübel。分解：泊松随机和的一个估计问题。，安.统计师。，31(4) :1054-1074, 2003. ·Zbl 1105.62309号
[5] C.布图西亚。光滑噪声下超光滑密度的反褶积。，加拿大统计杂志，32（2）：181-1922004·Zbl 1056.62047号 ·doi:10.2307/3315941
[6] C.Butucea和A.B.Tsybakov。具有主导偏差的密度反褶积中的尖锐最优性。我，Teor。维罗亚特。引物。，52(1):111-128, 2007. ·Zbl 1141.62021号
[7] C.Butucea和A.B.Tsybakov。具有主导偏差的密度反褶积的尖锐最优性。二、 。，特奥尔。维罗亚特。引物。，52(2):336-349, 2007. ·Zbl 1142.62017年 ·doi:10.1137/S0040585X97982992
[8] R·J·卡罗尔和P·霍尔。密度反卷积的最佳收敛速度。，美国统计协会杂志，83（404）：1184-11861988·Zbl 0673.62033号 ·网址：10.1080/01621459.1988.10478718
[9] A.J.Coca。离散观测复合泊松过程的有效非参数推断。，概率论及相关领域，170（1-2）：475-5232018·Zbl 1383.62081号 ·doi:10.1007/s00440-017-0761-5
[10] A.J.Coca。复合泊松过程对离散观测方案鲁棒的自适应非参数估计。，1803.09849，[math.ST]。
[11] F.Comte、C.Duval和V.Genon-Catalot。使用卷积功率估计的复合泊松过程中的非参数密度估计。，梅特里卡，77（1）：163-1832014·Zbl 1282.62088号 ·doi:10.1007/s00184-013-0475-3
[12] F.Comte和C.Lacour。未知分布加性噪声下的数据驱动密度估计。，《皇家统计学会杂志：B辑（统计方法）》，73（4）：601-6272011年·Zbl 1226.62034号 ·doi:10.1111/j.1467-9868.2011.00775.x
[13] F.Comte和C.Lacour。各向异性自适应核反褶积。年，《亨利·庞加莱研究所年鉴》，概率与统计，第49卷，第569-609页。亨利·彭加莱研究所，2013年·Zbl 1348.62121号 ·doi:10.1214/11-AIHP470
[14] F.Comte、Y.Rozenholc和M.-L.Taupin。自适应密度反褶积中的有限样本惩罚。，J.统计计算。模拟。，77(11-12):977 -1000, 2007. ·Zbl 1131.62027号 ·doi:10.1080/10629360600831711
[15] R.Cont和A.De Larrard。马尔可夫限价订单市场中的价格动态。，SIAM金融数学杂志，4（1）：1-252013·Zbl 1288.91092号 ·数字对象标识代码：10.1137/10856605
[16] D.L.Donoho和I.M.Johnstone。通过小波收缩实现理想的空间自适应。，《生物特征》，第425-455页，1994年·Zbl 0815.62019号 ·doi:10.1093/biomet/81.3.425
[17] D.L.Donoho、I.M.Johnstone、G.Kerkyacharian和D.Picard。小波收缩：无症状？，英国皇家统计学会杂志。B系列（方法学），第301-369页，1995年·Zbl 0827.62035号 ·doi:10.1111/j.2517-6161.1995.tb02032.x
[18] C.杜瓦尔。基于离散数据的复合泊松过程密度估计。，随机过程。申请。，123(11) :3963-3986, 2013. ·Zbl 1320.62079号 ·doi:10.1016/j.spa.2013.06.006
[19] C.杜瓦尔。何时不再可能估计复合泊松过程？，《电子统计杂志》，8（1）：274-301，2014年·Zbl 1293.62010年 ·doi:10.1214/14-EJS885
[20] C.Duval和J.Kappus。分组数据的非参数自适应估计。，《统计规划与推断杂志》，182:12-282017·Zbl 1357.62163号 ·doi:10.1016/j.jspi.2016.10.002
[21] P.Embrechts、C.Klüppelberg和T.Mikosch。，极端事件建模：保险和金融，第33卷。施普林格科学与商业媒体，2013年·兹伯利0873.62116
[22] J.范。关于非参数反褶积问题的最优收敛速度。，《统计年鉴》，第1257-12721991页·Zbl 0729.62033号 ·doi:10.1214/aos/1176348248
[23] A.Goldenshluger和O.Lepski。核密度估计中的带宽选择：预言不等式和自适应极大极小最优性。，《统计年鉴》，第1608-1632页，2011年·1234.62035兹比尔 ·doi:10.1214/11-AOS883
[24] A.Goldenshluger和O.Lepski。关于\（mathbbR^d）.上的自适应极小极大密度估计。，概率论及相关领域，159（3-4）：479-5432014·兹比尔1342.62053 ·doi:10.1007/s00440-013-0512-1
[25] S.Gugushvili、F.Van der Meulen和P.Spreij。多维复合泊松过程的非参数贝叶斯推断。，《现代随机学：理论与应用》，2（1）：1-152015年3月·Zbl 1349.62115号 ·doi:10.15559/15-VMSTA20
[26] J.Kappus和G.Mabon。未知误差分布反褶积问题中的自适应密度估计。，《电子统计杂志》，8（2）：2879-29042014·Zbl 1308.62074号 ·doi:10.1214/14-EJS976
[27] C.拉库尔、P.马萨特和V.里沃拉德。估计量选择：一种新方法及其在核密度估计中的应用。，Sankhya A，79（2）：298-3352017年·Zbl 06822894号 ·doi:10.1007/s13171-017-0107-5
[28] O.V.Lepski和T.Willer。卷积结构密度模型中的Oracle不等式和自适应估计。，安.统计师。，47(1):233-287, 02 2019. ·Zbl 1419.62075号 ·doi:10.1214/18-AOS1687
[29] M.勒拉塞尔。密度估计中的最佳模型选择。年，《亨利·庞加莱研究所年鉴》，概率与统计，第48卷，第884-908页。亨利·彭加莱研究所，2012年·Zbl 1244.62052号
[30] K.Lounici和R.Nickl。小波反褶积中的统一风险界和置信带。，《统计年鉴》，39:201-2011年·Zbl 1209.62060号 ·doi:10.1214/10-AOS836
[31] P.马萨特。，浓度不平等和模型选择，第6卷。施普林格，2007年·Zbl 1170.60006号
[32] M.H.纽曼。关于非参数反褶积中误差密度估计的影响。，J.非参数。统计学。，7(4):307-330, 1997. ·兹比尔1003.62514 ·网址：10.1080/10485259708832708
[33] M.H.Neumann和M.Rei。基于低频观测的Lévy过程的非参数估计。，伯努利，15（1）：223-2482009·兹比尔1200.62095
[34] M.Pensky，B.Vidakovic等，非参数密度反褶积的自适应小波估计器。，《统计年鉴》，27（6）：2033-20531999·Zbl 0962.62030号 ·doi:10.1214/aos/1017939249
[35] G.叛乱分子。损失下的结构自适应反褶积。，统计学的数学方法，25（1）：26-532016·Zbl 1342.62054号 ·doi:10.3103/S1066530716010026
[36] P.Reynaud-Bouret、V.Rivoirard和C.Tuleau-Malot。自适应密度估计：支持的诅咒？，《统计规划与推断杂志》，141（1）：115-1392011年·Zbl 1197.62033号 ·doi:10.1016/j.jspi.2010.05.017
[37] L.A.Stefanski。一类反褶积问题中某些估计的收敛速度。，统计与概率快报，9（3）：229-2351990·Zbl 0686.62026号 ·doi:10.1016/0167-7152（90）90061-B
[38] B.van Es、S.Gugusvili和P.Spreij。用于分解的核型非参数密度估计。，伯努利，13（3）：672-6942007·Zbl 1129.62030号 ·doi:10.3150/07-BEJ6091
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。