×

特定隐马尔可夫链转移密度的自适应估计。 (英语) Zbl 1286.62071号

摘要:我们研究了以下隐马尔可夫链模型:\(Y_i=X_i+\varepsilon\),\(i=1,\dots,n+1\),其中\(X_i)\)是一个实数正递归平稳马尔可夫链,\((\varepsilon\)_{1\leqi\leqn+1}\)是一个与具有已知分布的序列\((X_i)\)无关的噪声。我们提出了一种基于密度(X_i)的反褶积估计量的商和密度((X_1,X_{i+1})的估计量的自适应转移密度估计量。这些估计量是通过对比度最小化和模型选择获得的。我们评估了关于普通光滑链和超光滑链的普通光滑和超光滑噪声的(L^2)风险及其收敛速度。一些例子也很详细。

MSC公司:

2005年6月2日 马尔可夫过程:估计;隐马尔可夫模型
62G05型 非参数估计
62甲12 多元分析中的估计
PDF格式BibTeX公司 XML格式引用

参考文献:

[1] Bakry,D。;Milhaud,X。;Vandekerkhove,P.,《马尔可夫经济统计》。Le cas non-stationnaire,C.R.学院。科学。巴黎。一、数学。,325, 2, 203-206 (1997) ·Zbl 0891.62058号
[2] Barron,A。;Birgé,L。;Massart,P.,通过惩罚选择模型的风险边界,Probab。理论相关领域,113,3,301-413(1999)·Zbl 0946.62036号
[3] Baum,L.E。;Petrie,T.,有限状态马尔可夫链概率函数的统计推断,《数学年鉴》。统计人员。,37, 1554-1563 (1966) ·兹比尔0144.40902
[4] Bickel,P.J。;Ritov,Y。;Rydén,T.,一般隐马尔可夫模型极大似然估计量的渐近正态性,Ann.Statist。,1614-1635年4月26日(1998年)·Zbl 0932.62097号
[5] Birgé,L。;Massart,P.,《筛子上的最小对比度估计:指数界和收敛速度》,Bernoulli,4,3,329-375(1998)·Zbl 0954.62033号
[6] Butucea,C.,带平滑噪声的超光滑密度反褶积,Canad。J.统计。,32, 2, 181-192 (2004) ·Zbl 1056.62047号
[7] 布图萨,C。;Matias,C.,半参数卷积模型中噪声水平和反褶积密度的Minimax估计,伯努利,11,23093-340(2005)·Zbl 1063.62044号
[8] C.Butucea,A.B.Tsybakov,具有主导偏差的密度反褶积的夏普最优性,理论概率。申请。52(1)(2007),出炉。;C.Butucea,A.B.Tsybakov,具有主导偏差的密度反褶积的夏普最优性,理论概率。申请。52(1)(2007),即将发布·Zbl 1141.62021号
[9] O·卡佩。;Moulines,E。;Rydén,T.,《隐马尔可夫模型中的推断》,《统计学中的斯普林格系列》(2005),斯普林格:斯普林格纽约·Zbl 1080.62065号
[10] 卡罗尔·R·J。;Hall,P.,解卷积密度的最佳收敛速度,J.Amer。统计师。协会,83,404,1184-1186(1988)·Zbl 0673.62033号
[11] Chaleyat-Maurel,M。;Genon-Catalot,V.,应用于离散扩散的可计算无限维滤波器,随机过程。申请。,116, 10, 1447-1467 (2006) ·Zbl 1122.93079号
[12] S.Clémençon,某些特定类隐马尔可夫模型的非参数估计,预印模型'X\(operatorname{n}^circ\langle;)http://www.u-paris10.fr/65897276/0/fiche___pagelibre/\(\rangle;\);S.Clémençon,某些特定类隐马尔可夫模型的非参数估计,预印模型'X\(operatorname{n}^circ\langle;)http://www.u-paris10.fr/65897276/0/fiche___pagelibre/\(\rangle;\)
[13] F.Comte,J.Dedecker,M.-L.Taupin,具有相关输入的自适应密度反褶积,预打印MAPhttp://www.math-info.univ-paris5.fr/map5/publis/titres06.html\(\rangle;\);F.Comte,J.Dedecker,M.-L.Taupin,具有相关输入的自适应密度反褶积,预打印MAPhttp://www.math-info.univ-paris5.fr/map5/publis/titres06.html\(\rangle;\)·Zbl 1282.62087号
[14] F.孔德。;罗岑霍尔克,Y。;Taupin,M.-L.,自适应密度反褶积的Penized对比度估计器,加拿大。J.统计。,34, 3, 431-452 (2006) ·Zbl 1104.62033号
[15] Dorea,C.C.Y。;Zhao,L.C.,隐马尔可夫模型中的非参数密度估计,统计学。推断随机。工艺。,5, 1, 55-64 (2002) ·Zbl 1005.62032号
[16] 杜克,R。;穆林斯,É。;Rydén,T.,马尔可夫自回归模型中最大似然估计量的渐近性质,Ann.Statist。,32, 5, 2254-2304 (2004) ·Zbl 1056.62028号
[17] P.Doukhan,混合。属性和示例,《统计学讲义》,第85卷,施普林格,纽约,1994年。;P.Doukhan,混合。《属性与示例》,《统计学讲义》,第85卷,施普林格,纽约,1994年·Zbl 0801.60027号
[18] Fan,J.,关于非参数反褶积问题的最佳收敛速度,《统计年鉴》。,19, 3, 1257-1272 (1991) ·Zbl 0729.62033号
[19] Genon-Catalot,V。;Jeantheau,T。;Larédo,C.,作为隐马尔可夫模型和统计应用的随机波动率模型,Bernoulli,6,6,1051-1079(2000)·Zbl 0966.62048号
[20] Jensen,J.L。;Petersen,N.V.,状态空间模型中最大似然估计量的渐近正态性,Ann.Statist。,27, 2, 514-535 (1999) ·Zbl 0952.62023号
[21] Klein,T。;Rio,E.,经验过程最大值平均值附近的浓度,Ann.Probab。,33, 3, 1060-1077 (2005) ·Zbl 1066.60023号
[22] Lacour,C.,非参数反褶积的收敛速度,C.R.Acad。科学。巴黎。我数学。,342, 11, 877-882 (2006) ·Zbl 1095.62056号
[23] C.Lacour,马尔可夫链跃迁密度的自适应估计,Ann.Inst.H.PoincaréProbab。Statist,2007年,在线发布,即将发布。;C.Lacour,马尔可夫链转移密度的自适应估计,Ann.Inst.H.PoincaréProbab。Statist,2007,在线提供,即将出现·Zbl 1125.62087号
[24] Lepski,O.V。;Levit,B.Y.,平滑多元函数的自适应非参数估计,数学。方法统计。,8, 3, 344-370 (1999) ·Zbl 1104.62312号
[25] Leroux,B.G.,隐马尔可夫模型的最大似然估计,随机过程。申请。,40, 1, 127-143 (1992) ·Zbl 0738.62081号
[26] Masry,E.,平稳过程的多变量密度的强一致性和反褶积率,随机过程。申请。,47, 1, 53-74 (1993) ·Zbl 0797.62071号
[27] Matias,C.,未知噪声方差的半参数反褶积,ESAIM Probab。统计人员。,6,271-292(2002),(电子),时间序列分析的新方向(Luminy,2001)
[28] 彭斯基,M。;Vidakovic,B.,非参数密度反褶积的自适应小波估计器,Ann.Statist。,27, 6, 2033-2053 (1999) ·Zbl 0962.62030号
[29] Stefanski,L.A.,一类反褶积问题中某些估计量的收敛速度,统计学。普罗巴伯。莱特。,9, 3, 229-235 (1990) ·Zbl 0686.62026号
[30] 特里布利,K。;Viennet,G.,(L_p)混合框架中的自适应密度估计,Ann.Inst.H.PoincaréProbab。统计人员。,34, 2, 179-208 (1998) ·Zbl 0941.62041号
[31] Van Es,B。;Spreij,P。;van Zanten,H.,离散时间模型的非参数波动密度估计,J.非参数统计。,17, 2, 237-251 (2005) ·Zbl 1055.62038号
[32] Viennet,G.,《绝对正则序列的不等式:密度估计的应用》,Probab。理论相关领域,107,4,467-492(1997)·Zbl 0933.62029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。