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., 2012, том 57, выпуск 2, страницы 257–277 (Mi tvp4446)  

Эта публикация цитируется в 7 научных статьях (всего в 7 статьях)

Общее правило выбора из семейства линейных оценок

А. В. Гольденшлюгерa, О. В. Лепскийb

a Институт автоматики и информационных технологий НАН Киргизской Республики
b Université de Provence Aix-Marseille I

Аннотация: В статье предложена процедура выбора из семейства линейных оценок в модели общего статистического эксперимента. Выводится верхняя граница на риск выбранной оценки и, на примерах конкретных задач оценивания, показывается, как эта граница может быть использована для построения минимаксных и адаптивных минимаксных оценок.

Ключевые слова: статистический эксперимент, линейные оценки, оракульный подход, минимаксно-адаптивное оценивание, мажоранта.

DOI: https://doi.org/10.4213/tvp4446

Полный текст: PDF файл (248 kB)
Список литературы: PDF файл   HTML файл

Англоязычная версия:
Theory of Probability and its Applications, 2013, 57:2, 209–226

Реферативные базы данных:

Тип публикации: Статья
Поступила в редакцию: 19.10.2011

Образец цитирования: А. В. Гольденшлюгер, О. В. Лепский, “Общее правило выбора из семейства линейных оценок”, Теория вероятн. и ее примен., 57:2 (2012), 257–277; Theory Probab. Appl., 57:2 (2013), 209–226

Цитирование в формате AMSBIB
\RBibitem{GolLep12}
\by А.~В.~Гольденшлюгер, О.~В.~Лепский
\paper Общее правило выбора из семейства линейных оценок
\jour Теория вероятн. и ее примен.
\yr 2012
\vol 57
\issue 2
\pages 257--277
\mathnet{http://mi.mathnet.ru/tvp4446}
\crossref{https://doi.org/10.4213/tvp4446}
\zmath{https://zbmath.org/?q=an:06200624}
\elib{https://elibrary.ru/item.asp?id=20732954}
\transl
\jour Theory Probab. Appl.
\yr 2013
\vol 57
\issue 2
\pages 209--226
\crossref{https://doi.org/10.1137/S0040585X97985923}
\isi{http://gateway.isiknowledge.com/gateway/Gateway.cgi?GWVersion=2&SrcApp=PARTNER_APP&SrcAuth=LinksAMR&DestLinkType=FullRecord&DestApp=ALL_WOS&KeyUT=000319917400003}
\elib{https://elibrary.ru/item.asp?id=20816412}
\scopus{https://www.scopus.com/record/display.url?origin=inward&eid=2-s2.0-84878767429}


Образцы ссылок на эту страницу:
  • http://mi.mathnet.ru/tvp4446
  • https://doi.org/10.4213/tvp4446
  • http://mi.mathnet.ru/rus/tvp/v57/i2/p257

    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

    Эта публикация цитируется в следующих статьяx:
    1. O. Lepski, “Adaptive estimation over anisotropic functional classes via oracle approach”, Ann. Stat., 43:3 (2015), 1178–1242  crossref  mathscinet  zmath  isi
    2. C. Lacour, P. Massart, “Minimal penalty for Goldenshluger–Lepski method”, Stoch. Process. Their Appl., 126:12, SI (2016), 3774–3789  crossref  mathscinet  zmath  isi  scopus
    3. K. Bertin, C. Lacour, V. Rivoirard, “Adaptive pointwise estimation of conditional density function”, Ann. Inst. Henri Poincare-Probab. Stat., 52:2 (2016), 939–980  crossref  mathscinet  zmath  isi  scopus
    4. C. Lacour, P. Massart, V. Rivoirard, “Estimator selection: a new method with applications to kernel density estimation”, Sankhya Ser. A, 79:2, SI (2017), 298–335  crossref  mathscinet  zmath  isi
    5. O. V. Lepski, “A new approach to estimator selection”, Bernoulli, 24:4A (2018), 2776–2810  crossref  mathscinet  zmath  isi
    6. G. H. Chen, D. Shah, “Explaining the success of nearest neighbor methods in prediction”, Found. Trends Mach. Learn., 10:5-6 (2018), 337–588  crossref  isi
    7. Lehericy L., “State-By-State Minimax Adaptive Estimation For Nonparametric Hidden Markov Models”, J. Mach. Learn. Res., 19 (2018), 1  isi
  • Теория вероятностей и ее применения Theory of Probability and its Applications
    Просмотров:
    Эта страница:247
    Полный текст:70
    Литература:48
     
    Обратная связь:
     Пользовательское соглашение  Регистрация  Логотипы © Математический институт им. В. А. Стеклова РАН, 2020