×
埃尔内·甘纳兹;奥利维尔·温滕伯格

弱相关性下的自适应密度估计。 （英语） 兹比尔1209.62056

ESAIM，Probab公司。斯达。 14, 151-172 (2010).
小结：假设（（X{t}）{t\in\mathbbZ}）是一个实值时间序列，对于Lebesgue测度具有公共的边际密度。D.L.多诺霍等【Ann.Stat.24，No.2，508–539（1996；Zbl 0860.62032号)]提出了基于阈值小波的近极小极大估计（hat{Fn}），以在独立同分布的紧集上估计（F）。本工作的目的是将这些结果推广到一般弱依赖上下文。弱相关性假设表示为协方差项的递减界，并针对不同的示例进行了详细说明。估计量（{F_n}）中的阈值水平依赖于序列（（X_{t}）{t\in\mathbbZ}）通过常数的弱相关性质。如果这些属性未知，我们建议使用交叉验证程序来获得新的估计量。这些过程通过动力系统和非因果无限移动平均数的模拟进行了说明。我们还讨论了关于协方差界减小的估计的效率。

引用于8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
62M10个 统计学中的时间序列、自相关、回归等（GARCH）
42立方厘米 涉及小波和其他特殊系统的非三角调和分析
65C60个 统计中的计算问题（MSC2010）

关键词：

自适应估计;交叉验证;硬阈值;近似minimax结果;非参数密度估计;软阈值法;小波;弱依赖性

引文：

Zbl 0860.62032号
PDF格式BibTeX公司 XML格式引用
\textit{I.Gannaz}和\textit{O.Wintenberger}，ESAIM，Probab。Stat.14，151--172（2010；Zbl 1209.62056）
全文： 内政部 arXiv公司 欧洲DML

参考文献：

[1] D.Andrews，非强混合自回归过程。J.应用。概率21（1984）930-934。Zbl0552.60049号·Zbl 0552.60049号 ·doi:10.2307/3213710
[2] D.Bosq和D.Guegan，混沌函数的非参数估计和动力系统的不变测度。Stat.遗嘱认证。Lett.25（1995）201-212·Zbl 0841.62028号 ·doi:10.1016/0167-7152（94）00223-U
[3] F.Comte和F.Merlevède，离散和连续时间混合过程平稳密度的自适应估计。ESAIM:PS6（2002）211-238。
[4] I.Daubechies，《小波十讲》，第61卷。SIAM出版社（1992）。Zbl0776.42018号·兹比尔0776.42018
[5] J.Dedecker和C.Prieur，《新相关系数：统计的示例和应用》。普罗巴伯。理论关联。字段132（2005）203-235·Zbl 1061.62058号 ·doi:10.1007/s00440-004-0394-3
[6] J.Dedecker和C.Prieur，相依序列的经验中心极限定理。斯托克。过程。申请117（2007）121-142·Zbl 1117.60035号 ·doi:10.1016/j.spa.2006.06.003
[7] J.Dedecker、P.Doukhan、G.Lang、J.R.Leon、S.Louhichi和C.Prieur，《弱依赖：模型、理论和应用》。Springer-Verlag（2007）·Zbl 1165.62001号
[8] D.Donoho、I.Johnstone、G.Kerkyacharian和D.Picard，小波阈值密度估计。Ann.Stat.24（1996）508-539·Zbl 0860.62032号 ·doi:10.1214/aos/1032894451
[9] P.Doukhan和S.Louhichi，一个新的弱依赖条件及其在矩不等式中的应用。斯托克。过程。申请84（1999）313-342·Zbl 0996.60020号 ·doi:10.1016/S0304-4149（99）00055-1
[10] P.Doukhan和M.Neumann，时间序列的Bernstein型不等式。斯托克。过程。申请117（2007）878-903·兹比尔1117.60018
[11] P.Doukhan、G.Teyssière和P.Winant，向量值ARCH无穷过程，《概率统计相关性》。莱克特。注释统计。Springer，纽约（2006年）·Zbl 1113.60038号
[12] P.Doukhan和L.Truquet，建模随机场的不动点方法。Alea2（2007）111-132·Zbl 1140.60029号
[13] P.Doukhan和O.Wintenberger，具有无限记忆的弱依赖链。斯托克。过程。申请118（2008）1997-2013。Zbl1166.60031号·Zbl 1166.60031号 ·doi:10.1016/j.spa.2007.12.004
[14] P.Doukhan和O.Wintenberger，新的弱相关平稳模型的不变性原理。普罗巴伯。数学。统计27（2007）45-73。Zbl1124.60031号·Zbl 1124.60031号
[15] S.Gouézel，间歇映射的中心极限定理和稳定定律。普罗巴伯。理论关联。Fields128（2004）82-122·兹比尔1038.37007 ·doi:10.1007/s00440-003-0300-4
[16] W.Hardle、G.Kerkyacharian、D.Picard和A.Tsybakov，《小波近似和统计应用》。莱克特。注释统计。129.斯普林格·弗拉格（1998）·兹比尔0899.62002
[17] A.Juditsky和S.Lambert-Lacroix，关于Bbb R上的极大极小密度估计。伯努利，10（2004）187-220·Zbl 1076.62037号 ·doi:10.3150/bj/1082380217
[18] C.Liverani、B.Saussol和S.Vaienti，间歇性的概率方法。遍历理论动力学。系统19（1999）671-686·Zbl 0988.37035号 ·doi:10.1017/S0143385799133856
[19] S.Mallat，多分辨率信号分解理论：小波表示。IEEE传输。模式分析。机器智能11（1989）674-693·Zbl 0709.94650号 ·数字对象标识代码：10.1109/34.192463
[20] V.Maume-Deschamps，指数不等式和弱相关数据的函数估计；应用于动力系统。斯托克。Dynam.6（2006）535-560·Zbl 1130.37319号 ·doi:10.1142/S0219493706001876
[21] Y.Meyer，小波和算子。剑桥大学出版社（1992）·Zbl 0776.42019号
[22] C.Prieur，Applications statistiques de suites faiblement dépendantes et de systèmes dynamicques。博士论文，CREST，2001年。
[23] N.Ragache和O.Wintenberger，弱相依时间序列密度估计的收敛速度，《概率统计相关性》，P.Bertail、P.Doukhan和P.Soulier（编辑）。莱克特。注释统计。187.施普林格，纽约（2006），第349-372页。Zbl1113.62055号·Zbl 1113.62055号 ·数字对象标识码：10.1007/0-387-36062-X16
[24] K.Tribouley和G.Viennet，《β-混合框架下的Lp-自适应密度估计》，Ann.Inst.H.Poincaré，B34（1998）179-208·Zbl 0941.62041号 ·doi:10.1016/S0246-0203（98）80029-0
[25] M.-L.Vanharen，《系统动态估算参数》。C.R.学院。科学。巴黎342（2006）523-525·Zbl 1086.62089号 ·doi:10.1016/j.crma.2006.02.008
[26] M.Vannucci，使用小波的非参数密度估计。德克萨斯农工大学技术代表，1998年。
[27] M.Viana，确定性系统的随机动力学。见（1997）。URI（URI）http://w3.impabr/维亚纳语
[28] B.Vidakovic，《花粉基和Daubechies-Lagarias算法》，MATLAB（2002）。可从获取。URI（URI）http://www2.isye.gatech.edu/brani/datasoft/DL.pdf
[29] Wavelab。URI（URI）http://www-stat.stanford.edu/波实验室/
[30] L.Young，重复时间和混合速率。以色列。《数学杂志》110（1999）0021-2172·Zbl 0983.37005号 ·doi:10.1007/BF02808180
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。