×
刘伯温；Ghosh，Sujit K。

基于弱相依样本的模式经验估计。 （英语） Zbl 1510.62166号

计算。统计数据分析。 152，文章ID 107046，21 p.（2020）.
小结：考虑到一个未知的单变量连续分布的大量观测样本，从经验上估计潜在密度的全球模式通常很有意义。应用包括通过具有独立观测值的蒙特卡罗方法获得的样本，或通过具有弱相关样本的马尔可夫链蒙特卡罗法从基础平稳密度中获得的样本。在这两种情况下，通常生成密度无法以闭合形式获得，只能通过经验确定模式。假设生成密度具有唯一的全局模式，基于贝塔密度的混合物序列提出密度的非参数估计，即使模式可能位于密度支撑的边界上，也可以对模式进行估计。此外，在一组温和的正则性条件下，估计模式被证明是强普遍一致的。该方法与基于流行核密度估计的模型的其他经验估计进行了比较。基于大量模拟研究的数值结果表明，所提出的方法在经验偏差、标准误差和计算时间方面具有优势。实现该方法的R包也可以在线获得。

引用于三文件

MSC公司：

62G07年 密度估算
6220国集团 非参数推理的渐近性质
62-08 统计学相关问题的计算方法

关键词：

伯恩斯坦多项式；经验模式估计器；强一致性；安德森-达尔林试验

软件：

布伦特；LBFGS-B型；R（右）
PDF格式BibTeX公司 XML格式引用
\textit{B.Liu}和\textit{S.K.Ghosh}，计算。统计数据分析。152，文章ID 107046，第21页（2020；Zbl 1510.62166）
全文： 内政部

参考文献：

[1] 阿扎伊斯，J.-M。；Wschebor，M.，关于单参数高斯过程最大值分布的正则性，Probab。理论相关领域，119，1，70-98（2001）·Zbl 0970.60042号
[2] 巴布，G.J。；坎蒂，A.J。；Chaubey，Y.P.，《伯恩斯坦多项式在分布和密度函数平滑估计中的应用》，J.Statist。计划。推理，105，2377-392（2002）·Zbl 0992.62038号
[3] 巴布，G.J。；Chaubey，Y.P.，使用相关随机向量的Bernstein多项式对超立方体上的分布和密度函数进行平滑估计，Statist。普罗巴伯。莱特。，76, 9, 959-969 (2006) ·Zbl 1089.62034号
[4] 伯曼，S.M。；Kono，N.，具有非恒定方差的高斯过程的最大值：分布尾部的一个锐界，Ann.Probab。，17, 2, 632-650 (1989) ·Zbl 0714.60035号
[5] 比克尔，D.R。；Fruehwirth，R.，关于模式的快速、鲁棒估计器：与其他鲁棒估计器的应用比较（2005），arXiv预印本math/0505419
[6] Bradley，R.C.，《强混合条件的基本特性》。调查和一些开放性问题，Probab。调查。，2, 107-144 (2005) ·兹比尔1189.60077
[7] Brent，R.P.，《无导数最小化算法》（2013），Courier Corporation
[8] 伯德·R·H。；卢，P。；Nocedal，J。；Zhu，C.，边界约束优化的有限内存算法，SIAM J.Sci。计算。，16, 5, 1190-1208 (1995) ·Zbl 0836.65080号
[9] 卡梅隆。；Trivedi，P.K.，《微观计量经济学：方法与应用》（2005），剑桥大学出版社·Zbl 1156.62092号
[10] Chacón，J.E.，《统计学的模态年龄》，国际。统计师。版本（2020）
[11] 陈Y.C。；Genovese，C.R。；Tibshirani，R.J。；Wasserman，L.，非参数模态回归，Ann.Statist。，44, 2, 489-514 (2016) ·Zbl 1338.62113号
[12] Chernoff，H.，《模式估计》，《Ann.Inst.Statist》。数学。，16, 1, 31-41 (1964) ·Zbl 0212.21802号
[13] Dalenius，T.，模式A被忽略的统计参数，J.Roy。统计师。Soc.序列号。A、 110-117（1965）
[14] Feller，W.，《概率论及其应用导论》，第2卷（1968年），Wiley:Wiley纽约·Zbl 0155.23101号
[15] Feng，Y。；方，J。；Suykens，J.A.K.，《模态回归的统计学习方法》，J.Mach。学习。第21、2、1-35号决议（2020年）·Zbl 1497.68418号
[16] Fox，J.，应用回归分析和广义线性模型（2015），Sage出版物
[17] 美国格伦纳德，《模式的一些直接估计》，《数学年鉴》。《法律总汇》第131-138页（1965年）·Zbl 0131.17702号
[18] Hang，H。；斯坦瓦特，I。；Feng，Y。；Suykens，J.A.，动力学系统的核密度估计，J.Mach。学习。决议，19，1，1260-1308（2018）·Zbl 1466.62282号
[19] Jiang，H.，核密度估计的一致收敛速度，（第34届国际机器学习会议论文集——第70卷（2017），JMLR。组织），1694-1703
[20] Kosorok，M.R.，《经验过程和半参数推断导论》（2008），施普林格出版社·Zbl 1180.62137号
[21] Lorentz，G.G.，伯恩斯坦多项式（2012），美国数学学会·Zbl 0989.41504号
[22] Loynes，R.M.，均匀混合平稳随机过程中的极值，《数学年鉴》。Stat.，36，3，993-999（1965）·Zbl 0178.53201号
[23] Nadaraya，E.A.，关于密度函数和回归曲线的非参数估计，理论概率。申请。，10, 1, 186-190 (1965) ·兹伯利0134.36302
[24] Ota，H。；加藤，K。；Hara，S.，条件模式估计的分位数回归方法，Electron。《美国统计杂志》，第13、2、3120-3160页（2019年）·Zbl 1429.62149号
[25] Ouimet，F.，单形上Bernstein估计的渐近性质（2020），arXiv预印本arXiv:2002.07758
[26] Parzen，E.，《关于概率密度函数和模式的估计》，《数学年鉴》。Stat.，33，3，1065-1076（1962）·Zbl 0116.11302号
[27] Rosenblatt，M.，《关于密度函数的一些非参数估计的评论》，《数学年鉴》。Stat.，832-837（1956年）·Zbl 0073.14602号
[28] Rosenblatt，M.，《平稳序列和随机域》（1985年），Birkhäuser，波士顿·兹比尔0597.62095
[29] Scott，D.W.，《多元密度估计：理论、实践和可视化》（2015），John Wiley&Sons·Zbl 1311.62004号
[30] Silverman，B.W.，《统计和数据分析密度估计》（1986），查普曼和霍尔·Zbl 0617.62042号
[31] 特恩布尔，公元前。；Ghosh，S.K.，使用伯恩斯坦多项式的单峰密度估计，计算。统计师。数据分析。，72, 13-29 (2014) ·Zbl 1506.62180号
[32] 范德法特，A.W。；Wellner，J.A.，《弱收敛与统计应用的经验过程》，J.Roy。统计师。Soc.序列号。A、 160、3596-608（1997）
[33] Venter，J.H.，《关于模式的估计》，《数学年鉴》。《法律总汇》第1446-1455页（1967年）·Zbl 0245.62033号
[34] Vitale，R.A.，密度函数估计的伯恩斯坦多项式方法，（统计推断和相关主题（1975），Elsevier），87-99·Zbl 0326.62027号
[35] Wegman，E.J.，单峰密度函数的最大似然估计，《数学年鉴》。Stat.，41，2，457-471（1970）·Zbl 0195.48601号
[36] Wegman，E.J.，关于模式估计的注释，《数学年鉴》。1909-1915年（1971年）·兹比尔0227.62028
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。