阿里·沙拉德卡;马吉德·莫吉尔斯海巴尼;威廉·普利奥特 加权自举核反卷积密度估计器的性能。 (英语) Zbl 1452.62260号 统计Pap。 61,第4期,1773-1798(2020). 摘要:我们提出了一种加权bootstrap方法,该方法可以改进现有的方法,以近似核反褶积密度估计量的归一化最大偏差的有限样本分布普通光滑错误。利用加权bootstrap经验过程近似理论的结果,我们建立了相应加权bootsstrap统计量的无条件弱极限定理。由于所建议的方法使用的权重不一定是统一的(如Efron的原始引导),它为从业者选择权重提供了额外的灵活性。作为我们结果的直接结果,我们可以构建统一的置信带,或对潜在密度进行良好的测试。我们还进行了一些数值示例,结果表明,根据所选的引导权值,所提出的方法有可能比文献中的当前程序执行得更好。 引用于1文件 MSC公司: 62G07年 密度估算 62G09号 非参数统计重采样方法 60F05型 中心极限和其他弱定理 关键词:内核;反褶积;密度;加权引导;中心极限定理 软件:去噪 PDF格式BibTeX公司 XML格式引用 \textit{A.Al-Sharadqah}等人,Stat.Pap。61,第4号,1773-1798(2020;Zbl 1452.62260) 全文: 内政部 链接 参考文献: [1] 阿奇利奥斯,A。;Delaigle,A.,用于反褶积核密度估计的本地带宽选择器,《统计计算》,22,563-577(2012)·Zbl 1322.62116号 [2] 阿格伦,N。;Catani,P.,向量自回归模型中自相关的Wild bootstrap检验,Stat Pap,581189-1216(2016)·Zbl 1383.62203号 [3] 巴比,P。;Bertail,P.,加权自举(1995),纽约:施普林格,纽约·Zbl 0826.62030号 [4] Benšić,M。;Sabo,K.,《利用拉普拉斯加性误差观测数据进行均匀分布宽度估计》,《韩国统计学会杂志》,45,505-517(2016)·Zbl 1458.62072号 [5] 比克尔,P。;Rosenblatt,M.,《关于密度函数估计偏差的一些全球度量》,Ann Stat,110075-1095(1973)·Zbl 0275.62033号 [6] 北卡罗来纳州比桑茨。;Dümbgen,L。;霍尔兹曼,H。;Munk,A.,反褶积密度估计中的非参数置信带,J R Stat Soc Ser B,69483-506(2007)·Zbl 07555363号 [7] Bouzebda,S。;Papamichail,C。;Limnios,N.,《关于连续时间半马尔可夫核经验估计的多维一般自举及其应用》,《非参数统计杂志》,30,1,49-86(2017)·Zbl 1435.62148号 ·doi:10.1080/10485252.2017.1404059 [8] 伯奇,C。;盖亚德,S。;萨马洛夫,D。;Shen,H.,RNA病毒近中性突变的丰度和影响的实验估计,遗传学,176467-476(2007) [9] M.伯克。;Szyszkowicz,B.,估计和测试的高斯自举方法,概率和统计中的渐近方法,697-706(1998),阿姆斯特丹:北荷兰·Zbl 0922.62025号 [10] Burke,M.,《使用加权自举法对fit和均匀置信带进行多元检验》,《Stat Probab Lett》,46,13-20(2000)·Zbl 0941.62065号 [11] Burke,MD,《多元混合过程的近似及其在变化点检测中的应用》,《数学方法统计》,第19期,第121-135页(2010年)·Zbl 1282.60038号 [12] 卡罗尔·R。;Hall,P.,解卷积密度的最佳收敛速度,美国统计学会杂志,83,1184-1186(1988)·Zbl 0673.62033号 [13] Cator,E.,《具有任意光滑核的反卷积》,Stat Probab Lett,54,205-215(2001)·Zbl 0999.62027号 [14] Cheng,G。;Huang,JZ,一般半参数M-估计的Bootstrap一致性,Ann Stat,382884-2915(2010)·Zbl 1200.62042号 [15] Chesneau,C。;Fadili,J.,异方差卷积模型中基于小波的密度估计,公共统计理论方法,42,3085-3099(2013)·Zbl 1277.62102号 [16] 康涅狄格州蒋;詹姆斯,LF;Wang,MC,带信息删失的重复事件随机加权自举方法,《寿命数据分析》,11,489-509(2005)·Zbl 1120.62097号 [17] 康涅狄格州蒋;王,SH;Hung,H.,非参数时间相关AUC估计的随机加权和Edgeworth展开,Stat Sin,1969-979(2009)·Zbl 1166.62025号 [18] Cornelis,G。;Hassellöv,M.,用于区分单粒子ICP-MS中较小纳米粒子的信号反褶积方法,J Anal At Spectrom,29,134-144(2014) [19] Delaigle,A。;Gijbels,I.,反褶积核密度估计中的实际带宽选择,Comput Stat Data Anal,45249-267(2004)·Zbl 1429.62125号 [20] Delaigle,A。;Gijbels,I.,反褶积问题中的数据驱动边界估计,计算统计数据分析,501965-1994(2006)·Zbl 1445.62068号 [21] Delaigle,A。;Hall,P.,反褶积问题中密度的参数辅助非参数估计,美国统计协会,109,717-729(2014)·Zbl 1367.62104号 [22] Delaigle,A。;Meister,A.,带异方差误差的密度估计,Bernoulli,14,562-579(2008)·Zbl 1155.62023号 [23] Efron,B.,Bootstrap methods:other look at the jacknifer,Ann Stat,7,1-26(1979年)·Zbl 0406.62024号 [24] Fan,J.,反褶积核密度估值器的渐近正态性,Sankhya Indian J Stat A,53,97-110(1991)·Zbl 0729.62034号 [25] Fan,J.,超光滑分布反褶积,统计杂志Can J,20,155-169(1992)·Zbl 0754.62020号 [26] 范,Y。;Liu,Y.,关于反褶积核密度估计的渐近正态性的一个注记,Sankhya Indian J Stat A,59138-141(1997)·Zbl 0895.62045号 [27] 加尔瓦奥,A。;蒙特斯·罗哈斯,G。;Olmo,J。;Song,S.,《利用无效工具解决内生性:投资方程的应用》,J R Stat Soc A,181,1-28(2018) [28] 高,S。;钟毅,核密度的随机加权估计,J Stat Plan Inference,1402403-2407(2010)·Zbl 1188.62145号 [29] Hall,P.,关于上确界的收敛速度,概率论相关域,89447-455(1991)·Zbl 0725.60024号 [30] Hall,P.,The bootstrap and Edgeworth expansion(1992),纽约:Springer,New York·Zbl 0744.62026号 [31] 霍尔,P。;Mammen,E.,《关于一般重采样算法及其在分布估计中的性能》,Ann Stat,222011-2030(1994)·Zbl 0828.62039号 [32] Hesse,CH,数据驱动反褶积,《非参数统计杂志》,10,343-373(1999)·Zbl 0936.62038号 [33] Horváth,L.,经验和部分和过程混合的近似,J Stat Plan Inference,88,1-18(2000)·Zbl 0976.60044号 [34] Horváth,L.公司。;Kokoszka,P。;Steinebach,J.,应用程序加权自举过程的近似,Stat Probab Lett,48,59-70(2000)·Zbl 0982.60019号 [35] Janssen,A.,《重新抽样学生的t型统计》,《Ann Inst Stat Math》,57507-529(2005)·Zbl 1095.62050号 [36] 詹森,A。;Pauls,T.,引导和置换测试是如何工作的?,Ann Stat,31768-806(2003)·Zbl 1028.62027号 [37] 科贾迪诺维奇,I。;Yan,J.,基于加权自举的拟合良好性测试:参数自举的快速大样本替代方案,Can J Stat,40480-500(2012)·Zbl 1349.62224号 [38] 科贾迪诺维奇,I。;严,J。;Holmes,M.,《快速大样本copulas goodness-of-fit》,Stat Sin,21841-871(2011)·Zbl 1214.62049号 [39] 科纳科夫,V。;Piterbarg,V.,关于核回归估计的最大偏差分布的收敛速度,J Multivar Ana,15,279-294(1984)·Zbl 0554.62034号 [40] Kosorok,M.,《经验过程和半参数推断导论》(2008),纽约:Springer,纽约·Zbl 1180.62137号 [41] Kulik,R.,相关序列的非参数反褶积问题,Electron J Stat,2722-740(2008)·兹比尔1320.62073 [42] Lacour,C.,非参数反褶积的收敛速度,巴黎科学院第一辑,342,877-882(2006)·Zbl 1095.62056号 [43] 李,M。;沈,H。;伯奇,C。;Marron,S.,由突变效应分布驱动的混合物分布的直接反褶积密度估计,《非参数统计杂志》,22,1-22(2010)·兹比尔1182.62073 [44] 梅森,DM;马萨诸塞州牛顿,《一般引导一致性的秩统计方法》,《Ann Stat》,第20期,1611-1624页(1992年)·Zbl 0777.62045号 [45] Masry,E.,平稳随机过程的多元概率密度反褶积,IEEE Trans-Inf理论,371105-1115(1991)·Zbl 0732.60045号 [46] 麦金太尔,J。;Stefanski,L.,用重复异方差测量进行密度估计,《Ann Inst Stat Math》,63,81-99(2011)·Zbl 1432.62089号 [47] Meister,A.,《非参数统计中的反卷积问题》(2009),柏林:施普林格出版社,柏林·Zbl 1178.62028号 [48] Meister,A.,具有未知误差密度的二级异方差模型中的密度反褶积,Electron J Stat,4,36-57(2010)·Zbl 1329.62189号 [49] Mojirsheibani,M。;Pouliot,W.,双样本问题中的加权自举核密度估计,《非参数统计杂志》,29,61-84(2017)·Zbl 1364.62085号 [50] Praestgaard,J。;JA Wellner,《一般经验过程的可交换加权自举法》,Ann Probab,212053-2086(1993)·Zbl 0792.62038号 [51] DB鲁宾(Rubin),《贝叶斯引导》(The Bayesian bootstrap),《Ann Stat》,第9期,第130-134页(1981年) [52] 邵,J。;Tu,DS,The Jackknife and bootstrap(1995),纽约:Springer,纽约·Zbl 0947.62501号 [53] Singh,K.,《关于Efron引导的渐近准确性》,Ann Stat,9,1187-1195(1981)·Zbl 0494.62048号 [54] Stefanski,L.,一类反褶积问题中某些估计的收敛速度,Stat Probab Lett,9229-235(1990)·Zbl 0686.62026号 [55] 斯蒂芬斯基,L。;Carroll,R.,去卷积核密度估计量,统计学,2169-184(1990)·Zbl 0697.62035号 [56] van Es,AJ;Kok,AR,某些非参数反褶积问题的简单核估计,Stat Probab Lett,39,151-160(1998)·Zbl 0947.62031号 [57] van Es,B。;Uh,H.,非参数核型反褶积密度估计量的渐近正态性:跨越柯西边界,非参数统计杂志,16,261-277(2004)·Zbl 1216.62074号 [58] van Es,B。;Uh,H.,核型反褶积估计量的渐近正态性,Scand J Stat,32446-483(2005)·Zbl 1089.62039号 [59] van Es,B。;Gugusvili,S.,超光滑核反褶积的上确界距离的弱收敛,Stat Probab Lett,78,2932-2938(2008)·Zbl 1317.62031号 [60] Wand,M.,去卷积密度估计器的有限样本性能,Stat Probab Lett,37113-139(1998)·Zbl 0886.62048号 [61] 王,XF;Wang,B.,测量误差模型中的反卷积估计:R包反卷积,J Stat Softw,39,1-24(2011) [62] 翁,CS,关于贝叶斯自举平均值的二阶渐近性质,Ann Stat,17,705-710(1989)·Zbl 0672.62027号 [63] 扎米尼,R。;Fakoor,V。;Sarmad,M.,《关于乘法审查中密度函数的估计》,Stat Pap,56,661-676(2015)·Zbl 1368.62090号 [64] Zhang,CH,估计混合密度和分布的傅里叶方法,Ann Stat,18,06-831(1990)·Zbl 0778.62037号 [65] 郑,ZG;Tu,DS,回归模型中的随机加权方法,Sci-Sin-SerA,311442-1459(1988)·Zbl 0698.62069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。