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。