×
詹姆斯·罗宾斯;亚德·范德法特

自适应非参数置信集。 （英语） Zbl 1091.62039号

Ann.统计。 34，第1期，229-253（2006）.
摘要：我们构造了希尔伯特空间的诚实置信区域-各种统计模型中的值参数。置信集可以以任意自适应估计量为中心，并且其直径可以最佳地适应给定的模型选择。后者的适应范围必然有限。我们回顾了自适应置信区的概念，并将自适应置信区直径的最佳速率与用于测试和估计的最小最大速率联系起来。应用包括有限正态平均模型、白噪声模型、密度估计和随机设计回归。

引用于45文件

理学硕士：

62G15年 非参数容差和置信区域
6220国集团 非参数推理的渐近性质
62G07年 密度估算
46号30 泛函分析在概率论和统计学中的应用
62G08号 非参数回归和分位数回归

关键词：

适应;白噪声模型;密度估计;回归，回归;测试速率
PDF格式BibTeX公司 XML格式引用
\textit{J.Robins}和\textit{A.van der Vaart}，Ann.Stat.34，No.1，229--253（2006；Zbl 1091.62039）
全文： 内政部 arXiv公司

参考文献：

[1] Baraud，Y.（2004）。高斯回归中的置信球。安。统计师。32 528–551. ·Zbl 1093.62051号 ·doi:10.1214/009053604000000085
[2] Barron，A.、Birgé，L.和Massart，P.（1999）。通过惩罚选择模型的风险边界。普罗巴伯。理论相关领域113 301–413·Zbl 0946.62036号 ·doi:10.1007/s004400050210
[3] Barron，A.R.和Cover，T.M.（1991）。最小复杂度密度估计。IEEE传输。通知。理论37 1034–1054·Zbl 0743.62003号 ·数字对象标识代码：10.1109/18.86996
[4] Beran，R.（2000）。REACT散点图平滑器：通过基础经济实现高效。J.Amer。统计师。协会95 155–171·Zbl 1013.62073号 ·doi:10.2307/2669535
[5] Beran，R.和Dümbgen，L.（1998）。估计量和置信集的调制。安。统计师。1826年至1856年·Zbl 1073.62538号 ·doi:10.1214/aos/1024691359
[6] Bickel，P.J.和Ritov，Y.（1988年）。估计积分平方密度导数：夏普最佳收敛阶数估计。SankhyáSer。A 50 381–393·Zbl 0676.62037号
[7] Birgé，L.（2002）。M.Hoffmann和O.Lepski对“各向异性回归中的随机率”的讨论。安。统计师。30 359–363. ·Zbl 1012.62042号 ·doi:10.1214/aos/1021379858
[8] Birgé，L.和Massart，P.（2001）。高斯模型选择。《欧洲数学杂志》。Soc.3 203-268号·Zbl 1037.62001 ·doi:10.1007/s100970100031
[9] Bretagnolle，J.和Huber，C.（1979年）。密度估计：风险最小。Z.Wahrsch公司。版本。Gebiete 47 119–137·Zbl 0413.62024号 ·doi:10.1007/BF00535278
[10] Brown，L.D.、Carter，A.V.、Low，M.G.和Zhang，C.H.（2004）。密度估计、泊松过程和高斯白噪声漂移的等效理论。安。统计师。32 2074–2097·Zbl 1062.62083号 ·doi:10.1214/009053604000000012
[11] Cai，T.和Low，M.（2006）。适应性信心球。安。统计师。34 202–228. ·Zbl 1091.62037号 ·doi:10.1214/0090536000000146
[12] Donoho，D.L.和Johnstone，I.M.（1995）。通过小波收缩适应未知平滑度。J.Amer。统计师。协会90 1200–1224·Zbl 0869.62024号 ·数字对象标识代码：10.2307/2291512
[13] Donoho，D.L.和Johnstone，I.M.（1994年）。通过小波收缩实现理想的空间自适应。生物特征81 425–455·Zbl 0815.62019号 ·doi:10.1093/biomet/81.3.425
[14] Donoho，D.L.、Johnstone，I.M.、Kerkyacharian，G.和Picard，D.（1995年）。小波收缩：无症状？（经过讨论）。J.罗伊。统计师。Soc.序列号。B 57 301–369·Zbl 0827.62035号
[15] Donoho，D.L.、Johnstone，I.M.、Kerkyacharian，G.和Picard，D.（1996年）。小波阈值密度估计。安。统计师。24 508–539. ·Zbl 0860.62032号 ·doi:10.1214/aos/1032894451
[16] Efromovich，S.Yu。和Pinsker，M.S.（1984年）。非参数滤波的学习算法。遥控器11 1434–1440·Zbl 0637.93069号
[17] Fan，J.（1991）。关于二次泛函的估计。安。统计师。19 1273–1294. JSTOR公司：·Zbl 0729.62076号
[18] Genovese，C.R.和Wasserman，L.（2005）。非参数小波回归的置信集。安。统计师。33 698–729. ·Zbl 1068.62057号 ·doi:10.1214/09053605000000011
[19] Golubev，G.K.（1987）。平滑信号的自适应渐近极小极大估计。问题通知。变速器23 57–67·Zbl 0636.94005号
[20] Hoffmann，M.和Lepski，O.（2002年）。各向异性回归中的随机率（附讨论）。安。统计师。30 325–396. ·Zbl 1012.62042号 ·doi:10.1214/aos/1021379858
[21] Ibragimov，I.A.和Khasminskii，R.Z.（1980）。高斯白噪声中一些非参数估计的渐近性质。程序。普罗巴岛第三所暑期学校。理论和数学。统计师。瓦尔纳1978年·Zbl 0488.62063号
[22] Ibragimov，I.A.和Khasminski，R.Z.（1981年）。统计估计。渐近理论。柏林施普林格·Zbl 0467.62026号
[23] 于英格斯特（Yu Ingster）。I.（1993年）。非参数替代方案的渐近极小极大假设检验。一、 二、三、数学。方法统计。2 85–114、171–189、249–268，数学评论（MathSciNet）：数学评论（数学科学网）：MR1259685·Zbl 0798.62059号
[24] 于英格斯特（Yu Ingster）。I.和Suslina，I.A.（2003年）。高斯模型下的非参数拟合优度检验。统计中的课堂笔记。168 . 纽约州施普林格·Zbl 1013.62049号
[25] Juditsky，A.和Lambert-Lacroix，S.（2003年）。非参数置信集估计。数学。方法统计。12 410–428.
[26] Laurent，B.（1996年）。密度积分泛函的有效估计。安。统计师。24 659–681. ·Zbl 0859.62038号 ·doi:10.1214/aos/1032894458
[27] Laurent，B.（1997年）。密度及其导数的积分泛函的估计。伯努利3 181–211·Zbl 0872.62044号 ·doi:10.2307/3318586
[28] Laurent，B.和Massart，P.（2000年）。通过模型选择对二次函数进行自适应估计。安。统计师。28 1302–1338·Zbl 1105.62328号 ·doi:10.1214/aos/1015957395
[29] Lepskii，O.（1990年）。高斯白噪声中的一个自适应估计问题。理论问题。申请。35 454–466. ·Zbl 0745.62083号
[30] Lepskii，O.（1991）。渐近极小极大自适应估计。I.上限。最佳自适应估计。理论问题。申请。36 682–697. ·Zbl 0776.62039号 ·数字对象标识代码：10.1137/1136085
[31] Lepskii，O.（1992）。渐近极小极大自适应估计。二、。没有最佳适应的方案。自适应估计。理论问题。申请。37 433–448·Zbl 0761.62115号
[32] Li，K.-C.（1989）。非参数回归的诚实置信区域。安。统计师。17 1001–1008. JSTOR公司：·兹比尔0681.62047 ·doi:10.1214/aos/1176347253
[33] Mikosch，T.（1993）。变核加权（U）统计量的弱不变性原理。《多元分析杂志》。47 82–102. ·Zbl 0788.60045号 ·doi:10.1006/jmva.1993.1072
[34] Nussbaum，M.（1985）。回归模型中的样条平滑和（L_2）中的渐近效率。安。统计师。13 984–997年。JSTOR公司：·Zbl 0596.62052号 ·doi:10.1214/aos/1176349651
[35] Nussbaum，M.（1996年）。密度估计与高斯白噪声的渐近等价性。安。统计师。24 2399–2430. ·Zbl 0867.62035号 ·doi:10.1214/aos/1032181160
[36] 平斯克，M.（1980年）。高斯噪声中平方可积信号的最优滤波。问题通知。变速器16 120–133·Zbl 0452.94003号
[37] Stone，C.J.（1984）。核密度估计的渐近最优窗口选择规则。安。统计师。12 1285–1297. JSTOR公司：·Zbl 0599.62052号 ·doi:10.1214/aos/1176346792
[38] Tsybakov，A.（2004）。非参数估算简介。柏林施普林格·Zbl 1029.62034号
[39] van der Vaart，A.W.（1998）。渐进统计。剑桥大学出版社·Zbl 0910.62001号 ·doi:10.1017/CBO978051180225
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。