摘要
让X(X)是可分Hilbert空间中的中心高斯随机变量H(H)带协方差算子Σ。我们研究了一个光滑泛函的估计问题Σ基于样本X(X)1,…,X(X)n个属于n个独立观测X(X)。更具体地说,我们对形式的函数感兴趣⟨(f)(Σ),B类⟩,哪里(f):R(右)↦R(右)是一个平滑函数,并且B类核操作员是否在H(H)。我们证明了插件估计器的浓度和正态逼近界⟨(f)(Σ^),B类⟩, Σ^以下为:=n个−1∑j个=1n个X(X)j个⊗X(X)j个样本协方差基于X(X)1,…,X(X)n个。这些边界表明⟨(f)(Σ^),B类⟩是其期望的渐近正态估计E类Σ⟨(f)(Σ^),B类⟩(而不是感兴趣的参数⟨(f)(Σ),B类⟩)具有参数收敛速度O(运行)(n个−1/2)前提是有效等级第页(Σ)以下为:=信托收据(Σ)∥Σ∥(信托收据(Σ)作为痕迹和∥Σ∥是的算子范数Σ)满足假设第页(Σ)=o个(n个)。同时,我们还表明,该估计量的偏差通常与第页(Σ)/n个(大于n个−1/2如果第页(Σ)≥n个1/2). 什么时候?H(H)是一个有限维的空间d日=o个(n个),我们发展了一种减少偏差的方法并构造了一个估计量⟨小时(Σ^),B类⟩属于⟨(f)(Σ),B类⟩它是渐近正态的,具有收敛速度O(运行)(n个−1/2)。此外,我们研究了该估计量风险的渐近性质,并证明了任意估计量的渐近极小极大下界,证明了该估计的渐近有效性⟨小时(Σ^),B类⟩在半参数意义上。