|
|
Теория вероятн. и ее примен., 2007, том 52, выпуск 2, страницы 336–349
(Mi tvp175)
|
 |
|
 |
Эта публикация цитируется в 30 научных статьях (всего в 30 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{https://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{https://www.scopus.com/record/display.url?origin=inward&eid=2-s2.0-47849090751}
Образцы ссылок на эту страницу:
http://mi.mathnet.ru/tvp175https://doi.org/10.4213/tvp175 http://mi.mathnet.ru/rus/tvp/v52/i2/p336
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:
-
Yatracos Ya.G., “Plug-in l-2-Upper Error Bounds in Deconvolution, For a Mixing Density Estimate in R-D and For Its Derivatives, Via the l-1-Error For the Mixture”, Statistics
-
Comte F., Rozenholc Y., Taupin M.-L., “Penalized contrast estimator for adaptive density deconvolution”, Canad. J. Statist., 34:3 (2006), 431–452
-
Meister A., “Deconvolution from Fourier-oscillating error densities under decay and smoothness restrictions”, Inverse Problems, 24:1 (2008), 015003, 14 pp.
 -
van Es B., Gugushvili Sh., Spreij P., “Deconvolution for an atomic distribution”, Electron. J. Stat., 2 (2008), 265–297
-
Comte F., Dedecker J., Taupin M.L., “Adaptive density estimation for general ARCH models”, Econometric Theory, 24:6 (2008), 1628–1662
-
Gugushvili Sh., “Nonparametric estimation of the characteristic triplet of a discretely observed Lévy process”, J. Nonparametr. Stat., 21:3 (2009), 321–343
-
Aubry J.-M., Butucea C., Meziani K., “State estimation in quantum homodyne tomography with noisy data”, Inverse Problems, 25:1 (2009), 015003, 22 pp.
-
Belomestny D., “Spectral estimation of the fractional order of a Lévy process”, Ann. Statist., 38:1 (2010), 317–351
-
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
-
Chen S.X., Delaigle A., Hall P., “Nonparametric estimation for a class of Levy processes”, J. Econometrics, 157:2 (2010), 257–271
-
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
-
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.
-
Comte F. Johannes J., “Adaptive Functional Linear Regression”, Ann. Stat., 40:6 (2012), 2765–2797
-
Dedecker J., Michel B., “Minimax Rates of Convergence for Wasserstein Deconvolution with Supersmooth Errors in Any Dimension”, J. Multivar. Anal., 122 (2013), 278–291
-
Comte F., Lacour C., “Anisotropic Adaptive Kernel Deconvolution”, Ann. Inst. Henri Poincare-Probab. Stat., 49:2 (2013), 569–609
-
Ray K., “Bayesian Inverse Problems with Non-Conjugate Priors”, Electron. J. Stat., 7 (2013), 2516–2549
-
Johannes J., Schwarz M., “Adaptive Circular Deconvolution by Model Selection Under Unknown Error Distribution”, Bernoulli, 19:5A (2013), 1576–1611
-
Kappus J., Mabon G., “Adaptive Density Estimation in Deconvolution Problems With Unknown Error Distribution”, Electron. J. Stat., 8 (2014), 2879–2904
-
Dion Ch., “New Adaptive Strategies For Nonparametric Estimation in Linear Mixed Models”, J. Stat. Plan. Infer., 150 (2014), 30–48
-
Comte F., Samson A., Stirnemann J.J., “Deconvolution Estimation of Onset of Pregnancy With Replicate Observations”, Scand. J. Stat., 41:2 (2014), 325–345
-
Loubes J.M., Marteau C., “Goodness-of-Fit Testing Strategies From Indirect Observations”, J. Nonparametr. Stat., 26:1 (2014), 85–99
-
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
-
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
-
Chesneau C., Comte F., Mabon G., Navarro F., “Estimation of Convolution in the Model With Noise”, J. Nonparametr. Stat., 27:3 (2015), 286–315
-
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
-
Dion Ch., “Nonparametric estimation in a mixed-effect Ornstein?Uhlenbeck model”, Metrika, 79:8 (2016), 919–951
-
Mabon G., “Adaptive deconvolution of linear functionals on the nonnegative real line”, J. Stat. Plan. Infer., 178 (2016), 1–23
-
Lepski O.V., Willer T., “Lower bounds in the convolution structure density model”, Bernoulli, 23:2 (2017), 884–926
-
Duval C., Kappus J., “Nonparametric adaptive estimation for grouped data”, J. Stat. Plan. Infer., 182 (2017), 12–28
-
Г. А. Бакай, А. В. Шкляев, “Большие уклонения обобщенного процесса восстановления”, Дискрет. матем., 31:1 (2019), 21–55
 ; G. A. Bakai, A. V. Shklyaev, “Large deviations of generalized renewal process”, Discrete Math. Appl., 30:4 (2020), 215–241
|
| Просмотров: |
| Эта страница: | 388 | | Полный текст: | 83 | | Литература: | 59 |
|
Пользовательское соглашение