宽二阶 Pareto 模型类中尾系数的自适应置信区间
统计理论
2014-09-18 v2 统计理论
摘要
我们研究了在二阶 Pareto 模型中，当二阶系数未知时，为尾系数构建诚实且自适应的置信区间的问题。该问题被转化为关于二阶参数的假设检验问题。通过构建适当的模型和相关的检验统计量，我们为一阶参数提供了统一且自适应的置信区间。我们还给出了一个几乎匹配的下界，证明了该结果在对数因子范围内是极小极大最优的（minimax optimal）。
引用
@article{arxiv.1312.2968,
title = {Adaptive confidence intervals for the tail coefficient in a wide second order class of Pareto models},
author = {Alexandra Carpentier and Arlene K. H. Kim},
journal= {arXiv preprint arXiv:1312.2968},
year = {2014}
}