RUS  ENG ЖУРНАЛЫ   ПЕРСОНАЛИИ   ОРГАНИЗАЦИИ   КОНФЕРЕНЦИИ   СЕМИНАРЫ   ВИДЕОТЕКА   ПАКЕТ AMSBIB
Общая информация
Последний выпуск
Архив
Импакт-фактор
Подписка
Правила для авторов
Загрузить рукопись

Поиск публикаций
Поиск ссылок

RSS
Последний выпуск
Текущие выпуски
Архивные выпуски
Что такое RSS



Теория вероятн. и ее примен.:
Год:
Том:
Выпуск:
Страница:
Найти






Персональный вход:
Логин:
Пароль:
Запомнить пароль
Войти
Забыли пароль?
Регистрация


Теория вероятн. и ее примен., 2007, том 52, выпуск 2, страницы 336–349 (Mi tvp175)  

Эта публикация цитируется в 29 научных статьях (всего в 29 статьях)

Sharp optimality in density deconvolution with dominating bias. II

C. Butuceaa, A. Tsybakovb

a Université Paris X
b Université Pierre & Marie Curie, Paris VI

Аннотация: Настоящая статья является продолжением работы [2]. Доказывается, что оценка ядерного типа, введенная и изученная в [2], оптимальна в строго асимптотически минимаксном смысле как в случае поточечного, так и в случае $L_2$-риска. Обсуждаются также некоторые эффекты, связанные с доминирующим смещением, такие как суперэффективность минимаксных оценок.
Обозначения, введенные в [2], сохраняются, нумерация разделов, утверждений и формул продолжает нумерацию работы [2].

Ключевые слова: деконволюция, непараметрическое оценивание плотности, бесконечно дифференцируемые функции, точные константы в непараметрическом сглаживании, минимаксный риск, адаптивное оценивание.

DOI: https://doi.org/10.4213/tvp175

Полный текст: PDF файл (1155 kB)
Список литературы: PDF файл   HTML файл

Англоязычная версия:
Theory of Probability and its Applications, 2008, 52:2, 237–249

Реферативные базы данных:

Поступила в редакцию: 30.08.2004
Исправленный вариант: 27.06.2005
Язык публикации: английский

Образец цитирования: C. Butucea, A. Tsybakov, “Sharp optimality in density deconvolution with dominating bias. II”, Теория вероятн. и ее примен., 52:2 (2007), 336–349; Theory Probab. Appl., 52:2 (2008), 237–249

Цитирование в формате AMSBIB
\RBibitem{ButTsy07}
\by C.~Butucea, A.~Tsybakov
\paper Sharp optimality in density deconvolution with dominating bias.~II
\jour Теория вероятн. и ее примен.
\yr 2007
\vol 52
\issue 2
\pages 336--349
\mathnet{http://mi.mathnet.ru/tvp175}
\crossref{https://doi.org/10.4213/tvp175}
\mathscinet{http://www.ams.org/mathscinet-getitem?mr=2742504}
\zmath{https://zbmath.org/?q=an:1142.62017}
\elib{http://elibrary.ru/item.asp?id=9511775}
\transl
\jour Theory Probab. Appl.
\yr 2008
\vol 52
\issue 2
\pages 237--249
\crossref{https://doi.org/10.1137/S0040585X97982992}
\isi{http://gateway.isiknowledge.com/gateway/Gateway.cgi?GWVersion=2&SrcApp=PARTNER_APP&SrcAuth=LinksAMR&DestLinkType=FullRecord&DestApp=ALL_WOS&KeyUT=000261612800003}
\scopus{http://www.scopus.com/record/display.url?origin=inward&eid=2-s2.0-47849090751}


Образцы ссылок на эту страницу:
  • http://mi.mathnet.ru/tvp175
  • https://doi.org/10.4213/tvp175
  • http://mi.mathnet.ru/rus/tvp/v52/i2/p336

    ОТПРАВИТЬ: VKontakte.ru FaceBook Twitter Mail.ru Livejournal Memori.ru


    Citing articles on Google Scholar: Russian citations, English citations
    Related articles on Google Scholar: Russian articles, English articles
    Цикл статей

    Эта публикация цитируется в следующих статьяx:
    1. Comte F., Rozenholc Y., Taupin M.-L., “Penalized contrast estimator for adaptive density deconvolution”, Canad. J. Statist., 34:3 (2006), 431–452  crossref  mathscinet  zmath  isi  scopus
    2. Meister A., “Deconvolution from Fourier-oscillating error densities under decay and smoothness restrictions”, Inverse Problems, 24:1 (2008), 015003, 14 pp.  crossref  mathscinet  zmath  adsnasa  isi  scopus
    3. van Es B., Gugushvili Sh., Spreij P., “Deconvolution for an atomic distribution”, Electron. J. Stat., 2 (2008), 265–297  crossref  mathscinet  zmath  isi  scopus
    4. Comte F., Dedecker J., Taupin M.L., “Adaptive density estimation for general ARCH models”, Econometric Theory, 24:6 (2008), 1628–1662  crossref  mathscinet  zmath  isi  scopus
    5. Gugushvili Sh., “Nonparametric estimation of the characteristic triplet of a discretely observed Lévy process”, J. Nonparametr. Stat., 21:3 (2009), 321–343  crossref  mathscinet  zmath  isi  scopus
    6. Aubry J.-M., Butucea C., Meziani K., “State estimation in quantum homodyne tomography with noisy data”, Inverse Problems, 25:1 (2009), 015003, 22 pp.  crossref  mathscinet  zmath  adsnasa  isi  scopus
    7. Belomestny D., “Spectral estimation of the fractional order of a Lévy process”, Ann. Statist., 38:1 (2010), 317–351  crossref  mathscinet  zmath  isi  elib  scopus
    8. Munk A., Schmidt-Hieber J., “Nonparametric estimation of the volatility function in a high-frequency model corrupted by noise”, Electron. J. Stat., 4 (2010), 781–821  crossref  mathscinet  zmath  isi  scopus
    9. Chen S.X., Delaigle A., Hall P., “Nonparametric estimation for a class of Levy processes”, J. Econometrics, 157:2 (2010), 257–271  crossref  mathscinet  zmath  isi  scopus
    10. Taupin M.-L., “Comment on identification and estimation of nonlinear models using two samples with nonclassical measurement errors”, J. Nonparametr. Stat., 22:4 (2010), 409–414  crossref  mathscinet  zmath  isi  scopus
    11. Luo Z.M., Kim P.T., Kim T.Y., Koo J.Y., “Deconvolution on the Euclidean motion group $\mathbb{SE}(3)$”, Inverse Problems, 27:3 (2011), 035014, 30 pp.  crossref  mathscinet  zmath  adsnasa  isi  scopus
    12. Comte F. Johannes J., “Adaptive Functional Linear Regression”, Ann. Stat., 40:6 (2012), 2765–2797  crossref  mathscinet  zmath  isi  scopus
    13. Dedecker J., Michel B., “Minimax Rates of Convergence for Wasserstein Deconvolution with Supersmooth Errors in Any Dimension”, J. Multivar. Anal., 122 (2013), 278–291  crossref  mathscinet  zmath  isi  scopus
    14. Comte F., Lacour C., “Anisotropic Adaptive Kernel Deconvolution”, Ann. Inst. Henri Poincare-Probab. Stat., 49:2 (2013), 569–609  crossref  mathscinet  zmath  adsnasa  isi  scopus
    15. Ray K., “Bayesian Inverse Problems with Non-Conjugate Priors”, Electron. J. Stat., 7 (2013), 2516–2549  crossref  mathscinet  zmath  isi  scopus
    16. Johannes J., Schwarz M., “Adaptive Circular Deconvolution by Model Selection Under Unknown Error Distribution”, Bernoulli, 19:5A (2013), 1576–1611  crossref  mathscinet  zmath  isi  scopus
    17. Kappus J., Mabon G., “Adaptive Density Estimation in Deconvolution Problems With Unknown Error Distribution”, Electron. J. Stat., 8 (2014), 2879–2904  crossref  mathscinet  zmath  isi  scopus
    18. Dion Ch., “New Adaptive Strategies For Nonparametric Estimation in Linear Mixed Models”, J. Stat. Plan. Infer., 150 (2014), 30–48  crossref  mathscinet  zmath  isi  scopus
    19. Comte F., Samson A., Stirnemann J.J., “Deconvolution Estimation of Onset of Pregnancy With Replicate Observations”, Scand. J. Stat., 41:2 (2014), 325–345  crossref  mathscinet  zmath  isi  scopus
    20. Loubes J.M., Marteau C., “Goodness-of-Fit Testing Strategies From Indirect Observations”, J. Nonparametr. Stat., 26:1 (2014), 85–99  crossref  mathscinet  zmath  isi  elib  scopus
    21. Scricciolo C., “Adaptive Bayesian Density Estimation in l-P-Metrics With Pitman-Yor Or Normalized Inverse-Gaussian Process Kernel Mixtures”, Bayesian Anal., 9:2 (2014), 475–520  crossref  mathscinet  zmath  isi  elib  scopus
    22. Comte F., Duval C., Genon-Catalot V., Kappus J., “Estimation of the Jump Size Density in a Mixed Compound Poisson Process”, Scand. J. Stat., 42:4 (2015), 1023–1044  crossref  mathscinet  zmath  isi  scopus
    23. Chesneau C., Comte F., Mabon G., Navarro F., “Estimation of Convolution in the Model With Noise”, J. Nonparametr. Stat., 27:3 (2015), 286–315  crossref  mathscinet  zmath  isi  scopus
    24. Dedecker J., Fischer A., Michel B., “Improved Rates For Wasserstein Deconvolution With Ordinary Smooth Error in Dimension One”, Electron. J. Stat., 9:1 (2015), 234–265  crossref  mathscinet  zmath  isi  scopus
    25. Dion Ch., “Nonparametric estimation in a mixed-effect Ornstein?Uhlenbeck model”, Metrika, 79:8 (2016), 919–951  crossref  mathscinet  zmath  isi  scopus
    26. Mabon G., “Adaptive deconvolution of linear functionals on the nonnegative real line”, J. Stat. Plan. Infer., 178 (2016), 1–23  crossref  mathscinet  zmath  isi  scopus
    27. Lepski O.V., Willer T., “Lower bounds in the convolution structure density model”, Bernoulli, 23:2 (2017), 884–926  crossref  mathscinet  zmath  isi  scopus
    28. Duval C., Kappus J., “Nonparametric adaptive estimation for grouped data”, J. Stat. Plan. Infer., 182 (2017), 12–28  crossref  mathscinet  zmath  isi  scopus
    29. Г. А. Бакай, А. В. Шкляев, “Большие уклонения обобщенного процесса восстановления”, Дискрет. матем., 31:1 (2019), 21–55  mathnet  crossref  elib
  • Теория вероятностей и ее применения Theory of Probability and its Applications
    Просмотров:
    Эта страница:344
    Полный текст:47
    Литература:55
     
    Обратная связь:
     Пользовательское соглашение  Регистрация  Логотипы © Математический институт им. В. А. Стеклова РАН, 2019