关于马尔可夫阶数估计的最小惩罚
概率论
2011-08-31 v1 信息论
math.IT
统计理论
统计理论
摘要
我们证明，马尔可夫样本路径的大尺度典型性意味着似然比统计量在相同尺度上一致满足重对数律。因此，当对阶数施加一个可能以 log n 速度增长的上界时，对于以 log log n 速度缓慢增长的惩罚，惩罚似然马尔可夫阶数估计量是强相合的。我们的证明方法使用了经验过程理论的技术，不依赖于马尔可夫情形下最大似然估计量的显式表达式，因此可能适用于其他场景。
引用
@article{arxiv.0908.3666,
title = {On the minimal penalty for Markov order estimation},
author = {Ramon van Handel},
journal= {arXiv preprint arXiv:0908.3666},
year = {2011}
}
备注
29 pages