×

在存在删失数据的情况下,自适应内在维的条件统计量的带宽一致性是一致的。 (英语) Zbl 07723379号

总结:(U)-统计学代表了一类基本的统计数据,这些统计数据来源于对多主题响应定义的感兴趣量进行建模\(U)-统计量将随机变量(X)的经验平均值概括为Stute(Ann.Probab)不同观测值的每个元组的总和。19,812-825 1991)引入了一类所谓的条件统计量,可以被视为回归函数Nadaraya-Watson估计的推广。斯图特证明了他们强大的逐点一致性:\[r(\mathbf{t}):=\mathbb{E}[\varphi(Y_1,\ldots,Y_m)|(X_1,\tots,X_m)=\mat血红蛋白{t}],\quad\text{代表}\quad\\mathbf{t}\in\mathbb{r}^{dm}。\]我们采用了Dony和Mason(Bernoulli)提出的方法14(4) ,1108-1133 2008),以在t吨以及Stute在(Y)时提出的估计器的带宽一致性(即,(h),(h在[a_n,b_n]\中),其中(0<a_n<b_n\rightarrow 0\)以某种特定速率)到(r(\boldsymbol{t}),在核上的条件比文献中以前使用的弱。我们扩展了核条件(U)-统计估计的现有一致界,并使其适应于X(X)这就是所谓的内在维度。此外,对于一个适当限制类({mathscr{F}}),在满足某些矩条件的有界和无界情况下,也在({mathrscr{F}{中的varphi)上建立了一致一致性。我们的定理允许数据驱动的局部带宽用于这些统计。此外,在相同的背景下,我们证明了随机审查下回归函数的非参数截尾加权逆概率(I.P.C.W.)估计的一致带宽一致性,这是它自己感兴趣的。本文建立的理论一致性结果是(或将是)回归分析进一步发展的关键工具。

MSC公司:

62G08号 非参数回归和分位数回归
62G07年 密度估算
62克15 非参数容差和置信区域
62G30型 订单统计;经验分布函数
60F05型 中心极限和其他弱定理
60G15年 高斯过程
60亿10 平稳随机过程
PDF格式BibTeX公司 XML格式引用
全文: 内政部

参考文献:

[1] Abrevaya,J。;Jiang,W.,测量和测试曲率的非参数方法,J.Bus。经济。《法律总汇》,23,1-19(2005)
[2] Arcones,马萨诸塞州;Giné,E.,U-过程的极限定理,Ann.Probab。,21, 1494-1542 (1993) ·Zbl 0789.60031号
[3] Arcones,马萨诸塞州;Giné,E.,《关于规范U统计量和过程的重对数定律》,Stoch。过程。申请。,58, 217-245 (1995) ·Zbl 0829.60003号
[4] Arcones,马萨诸塞州;Wang,Y.,基于U过程的一些新的正态性检验,Stat.Probab。莱特。,76, 69-82 (2006) ·Zbl 1085.62047号
[5] Arcones,马萨诸塞州;陈,Z。;Giné,E.,应用于多元中值的U过程相关估计:渐近正态性,《统计年鉴》,221460-1477(1994)·Zbl 0827.62023号
[6] 博罗夫科娃,S。;伯顿,R。;Dehling,H.,混合过程泛函的极限定理及其在U统计量和维数估计中的应用,Trans。美国数学。《社会学杂志》,3534261-4318(2001)·Zbl 0980.60031号
[7] Borovskikh,YV,巴纳赫空间中的U统计(1996),乌得勒支:VSP,乌得勒支·Zbl 0865.60004号
[8] Bouzebda,S.,关于自举经验copula过程的强逼近及其应用,数学。方法统计,21,153-188(2012)·Zbl 1295.60042号
[9] Bouzebda,S。;El-hadjali,T.,存在删失数据时自适应内在维的核回归估计量的一致收敛速度,J.Nonparametr。统计,32864-914(2020)·Zbl 1466.62292号
[10] Bouzebda,S。;Elhattab,I.,随机审查下熵的非参数估计的强一致性,C.R.Math。阿卡德。科学。巴黎,347821-826(2009)·Zbl 1167.62410号
[11] Bouzebda,S。;Elhattab,I.,香农熵核型估计量带宽一致性,C.R.数学。阿卡德。科学。巴黎,348317-321(2010)·Zbl 1185.62072号
[12] Bouzebda,S。;Elhattab,I.,香农熵核型估计量的带宽一致性,电子。《J.Stat.》,第5卷,第440-459页(2011年)·Zbl 1274.62186号
[13] Bouzebda,S。;Nemouchi,B.,平稳混合序列的条件经验过程和条件U-过程的中心极限定理,数学。方法统计,28169-207(2019)·兹比尔1425.60024
[14] Bouzebda,S。;Nemouchi,B.,《涉及函数数据的非参数回归估计和条件U统计量的一致一致性和带宽一致性》,J.Nonparametr。统计,32,452-509(2020年)·Zbl 1476.62073号
[15] Bouzebda,S.和Nemouchi,B.(2022年)。涉及函数混合数据的经验条件过程和条件U过程的弱收敛性。统计推断统计。过程。出现在第1-56页·Zbl 07672039号
[16] Bouzebda,S。;Nezzal,A.,涉及函数数据的非参数回归估计和条件U统计量的一致一致性和邻域数一致性,Jpn。统计数据科学杂志。,5, 2, 431-533 (2022) ·Zbl 1499.62125号
[17] Bouzebda,S。;Elhattab,I。;Seck,CT,基于copula表示的非参数回归的带宽一致性,统计量。普罗巴伯。莱特。,137, 173-182 (2018) ·Zbl 1463.62118号
[18] Bouzebda,S。;Elhattab,I。;Nemouchi,B.,《基于copula表示的一般条件U-统计量的带宽一致性》,J.Nonparametr。统计,33,321-358(2021)·Zbl 1472.62067号
[19] 布鲁内尔,E。;Comte,F.,《右删失存在下的自适应非参数回归估计》,数学。方法统计,15,233-255(2006)
[20] Carbonez,A。;Györfi,L。;van der Meulen,EC,随机删失下回归函数的分区估计,Stat.Decis。,13, 21-37 (1995) ·兹比尔0814.62019
[21] 陈,Y。;Datta,S.,多样本U统计对右删失数据和混淆协变量的调整,计算。统计数据分析。,135, 1-14 (2019) ·Zbl 1507.62031号
[22] 达塔,S。;Bandyopadhyay,D。;Satten,GA,右偏数据的截尾加权U统计量的逆概率及其在检验假设中的应用,Scand。J.Stat.,37,680-700(2010)·Zbl 1226.62045号
[23] 德拉佩尼亚,VH;Giné,E.,解耦。《概率及其应用》(纽约)(1999),纽约:施普林格出版社,纽约
[24] 德赫弗斯,P.(2000)。可能无界区间上核密度估计的一致极限律。《可靠性理论的最新进展》(Bordeaux,2000),Stat.Ind.Technol。,第477-492页。波士顿Birkhäuser·Zbl 0997.62038号
[25] 机动,P。;梅森,DM,基于核函数估值器的一般渐近置信带,统计推断Stoch。工艺。,7, 225-277 (2004) ·Zbl 1125.62314号
[26] 丹克,M。;Keller,G.,《关于U统计量和v.Mises关于弱相依过程的统计量》,Z.Wahrsch。版本。Gebiete,64,505-522(1983)·Zbl 0519.60028号
[27] Devroye,L。;Lugosi,G.,密度估计中的组合方法,统计学中的Springer级数(2001),纽约:Springer,纽约·Zbl 0964.62025号
[28] 多尼,J。;梅森,DM,《条件U-统计量带宽一致性的统一》,伯努利,第14期,第1108-1133页(2008年)·Zbl 1169.62037号
[29] 美国埃因马尔。;Mason,DM,核型函数估计一致一致性的经验过程方法,J.Theor。概率。,13, 1-37 (2000) ·Zbl 0995.62042号
[30] 美国埃因马尔。;Mason,DM,《核型函数估值器带宽一致性的统一》,《Ann.Stat.》,33,1380-1403(2005)·Zbl 1079.62040号
[31] Farahmand,A.m.、Szepesvári,C.和Audibert,J.-Y.(2007年)。显式自适应维度估计。《第24届国际机器学习会议记录》,ICML'07,第265-272页。美国计算机协会,纽约。
[32] Földes,A。;Rejtő,L.,乘积极限估计量的LIL型结果,Z.Wahrsch。版本。Gebiete,56,75-86(1981)·Zbl 0443.62031号
[33] Ghosal,S。;森,A。;van der Vaart,AW,《回归的单调性检验》,《Ann.Stat.》,第28期,第1054-1082页(2000年)·Zbl 1105.62337号
[34] 吉内,E。;Mason,DM,局部U统计过程的重对数定律,J.Theoret。概率。,20, 457-485 (2007) ·兹比尔1134.60022
[35] 吉内,E。;Mason,DM,关于局部U统计过程和几个样本变量函数密度的估计,《Ann.Stat.》,35,1105-1145(2007)·兹比尔1175.60017
[36] Györfi,L。;科勒,M。;Krzyżak,A。;Walk,H.,非参数回归的无分布理论。Springer统计学系列(2002),纽约:Springer,纽约·Zbl 1021.62024号
[37] Hall,P.,回归函数核估计的积分平方误差和交叉验证的渐近性质,Z.Wahrsch。版本。Gebiete,67,175-196(1984)·Zbl 0556.62020号
[38] Halmos,PR,《无偏估计理论》,《数学年鉴》。Stat.,17,34-43(1946)·Zbl 0063.01891号
[39] Härdle,W。;Marron,JS,《非参数回归函数估计中的最优带宽选择》,《Ann.Stat.》,第13期,1465-1481页(1985年)·Zbl 0594.62043号
[40] 哈雷,M。;Puri,ML,相依随机变量的条件U统计量,《多元分析杂志》。,57, 84-100 (1996) ·Zbl 0876.62041号
[41] Hein,M.和Audibert,J.-Y.(2005年)。第22届机器学习国际会议论文集,ICML'05,第289-296页。纽约计算机协会。
[42] 霍夫丁,W.,《一类渐近正态分布的统计》,《数学年鉴》。统计,19,293-325(1948)·Zbl 0032.04101号
[43] 霍兰德,M。;Proschan,F.,《测试新产品是否比旧产品更好》,Ann.Math。Stat.,43,1136-1146(1972)·Zbl 0241.62055号
[44] Joly,E。;Lugosi,G.,U-统计量的鲁棒估计,Stoch。过程。申请。,126, 3760-3773 (2016) ·Zbl 1386.60074号
[45] 卡普兰,EL;Meier,P.,《不完全观测的非参数估计》,美国统计协会,53,457-481(1958)·Zbl 0089.14801号
[46] Kégl,B.(2002年)。使用包装号进行固有尺寸估计。《第15届神经信息处理系统国际会议论文集》,NIPS’02,第697-704页。麻省理工学院出版社,剑桥。
[47] Kim,J.,Shin,J.、Rinaldo,A.和Wasserman,L.(2018年)。核密度估计器对本征体积维数的一致收敛速度。
[48] Kim,J.,Shin,J.、Rinaldo,A.和Wasserman,L.(2019年)。自适应内禀体积维数的核密度估计的一致收敛速度。《第36届国际机器学习会议论文集》,《机器学习研究论文集》第97卷,(K.Chaudhuri和R.Salakhutdinov编辑),第3398-3407页。长滩PMLR。
[49] 科勒,M。;英国马瑟。;Pintér,M.,《随机右删失数据预测》,J.Multivar。分析。,80, 73-100 (2002) ·Zbl 0992.62041号
[50] 科罗尔朱克,VS;Borovskich,YV,《U统计理论》,《数学及其应用》第273卷(1994年),多德雷赫特:Kluwer学术出版集团,多德雷赫特·Zbl 0785.60015号
[51] 科索罗克,MR,《经验过程和半参数推断导论》。Springer统计学系列(2008),纽约:Springer,纽约·Zbl 1180.62137号
[52] Lee,A.J.(1990)。U-statistics,《统计学:教科书和专著》第110卷。Marcel Dekker,Inc.,纽约。理论与实践·兹比尔0771.62001
[53] Lee,S。;林惇,O。;Whang,Y-J,《随机单调性测试》,《计量经济学》,77,585-602(2009)·Zbl 1161.62080号
[54] Leucht,A.,《弱相关性下的退化U和V统计量:渐近理论和自举一致性》,Bernoulli,18552-585(2012)·Zbl 1238.62059号
[55] Leucht,A。;Neumann,MH,《遍历性下的退化U-和V-统计量:渐近、自举和在统计学中的应用》,Ann.Inst.Stat.Math。,65, 349-386 (2013) ·Zbl 1440.62070号
[56] Levina,E.和Bickel,P.J.(2004)。内禀维数的最大似然估计。《第17届神经信息处理系统国际会议论文集》,NIPS’04,第777-784页。麻省理工学院出版社,剑桥。
[57] Ling,北。;Vieu,P.,《功能数据的非参数建模:选定的调查和未来跟踪》,《统计学》,52,934-949(2018)·Zbl 1411.62084号
[58] 梅洛特,B。;Viallon,V.,《存在删失数据时回归函数非参数估计的统一对数极限定律》,数学。方法统计,18,159-184(2009)·Zbl 1231.62068号
[59] 梅森,DM,证明非标准核估计量的一致性,统计推断Stoch。工艺。,15, 151-176 (2012) ·兹比尔1242.62028
[60] 梅森,DM;Swanepoel,JWH,核型函数估计器带宽一致性的一般结果,TEST,20,72-94(2011)·Zbl 1331.62235号
[61] Nadaraja,EA,关于回归估计,Teor。维罗贾诺斯特。i Primenen。,9, 157-159 (1964) ·Zbl 0136.40902号
[62] 诺兰,D。;Pollard,D.,《U过程:收敛速度》,《Ann.Stat.》,第15期,第780-799页(1987年)·Zbl 0624.60048号
[63] 普拉卡萨·拉奥,BLS;Sen,A.,条件U-统计量的极限分布,J.Theor。概率。,8, 261-301 (1995) ·Zbl 0819.60034号
[64] Schick,A。;Wang,Y。;Wefelmeyer,W.,基于卷积密度估计的正态性检验,统计概率。莱特。,81, 337-343 (2011) ·Zbl 1205.62055号
[65] Sen,A.,条件U统计量的统一强一致性率,SankhyáSer。A、 56、179-194(1994)·Zbl 0847.62038号
[66] Shang,HL,具有混合类型回归变量和未知误差密度的函数非参数回归模型的贝叶斯带宽估计,J.Nonparametr。Stat.,26,599-615(2014)·Zbl 1305.62176号
[67] 谢尔曼,RP,最大秩相关估计的极限分布,《计量经济学》,61123-137(1993)·Zbl 0773.62011号
[68] Sherman,RP,退化U-过程的最大不等式及其在优化估计中的应用,Ann.Stat.,22439-459(1994)·Zbl 0798.60021号
[69] Silverman,BW,《圆、圆环和球体上的距离》,J.Appl。概率。,15136-143(1978年)·Zbl 0388.62019号
[70] Stute,W.,条件U-statistics,Ann.Probab。,19, 812-825 (1991) ·Zbl 0770.60035号
[71] Stute,W.,截断数据乘积-极限估计量的几乎必然表示,《Ann.Stat.》,21146-156(1993)·Zbl 0770.62027号
[72] Stute,W.,条件U-统计量的Lp-收敛性,J.Multivar。分析。,51, 71-82 (1994) ·兹比尔0807.62043
[73] Stute,W.,《普遍一致条件U-statistics》,《Ann.Stat.》,第22卷,第460-473页(1994年)·兹伯利0818.62049
[74] Stute,W.(1996)。对称NN-条件U-统计。《概率统计研究进展》,第231-237页。乌得勒支VSP·Zbl 0872.62059号
[75] 斯图特,W。;Wang,J-L,审查数据的多样本U统计,Scand。J.Stat.,20,369-374(1993)·Zbl 0799.60031号
[76] Talagrand,M.,高斯过程和经验过程的夏普边界,Ann.Probab。,22, 28-76 (1994) ·Zbl 0798.60051号
[77] 范德法特,AW;Wellner,JA,《弱收敛和经验过程》。Springer统计学系列(1996),纽约:Springer,纽约·Zbl 0862.60002号
[78] 冯·米塞斯,R.,《关于可微统计函数的渐近分布》,《数学年鉴》。Stat.,18,309-348(1947)·Zbl 0037.08401号
[79] Watson,GS,平滑回归分析,SankhyáSer。A、 26359-372(1964)·Zbl 0137.13002号
[80] 袁,A。;Giurcanu,M。;卢塔,G。;Tan,MT,不完全数据模型条件核U统计量,Ann.Inst.Stat.Math。,69, 271-302 (2017) ·Zbl 1362.62075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。