多参数指数族分布分割的模型选择
统计理论
2015-03-27 v2 统计理论
摘要
我们考虑具有多个参数的指数族单变量分布的分割问题。在分割中，由于变点的离散性，段数的选择仍然是一个难题。在这一通用的指数族分布框架下，我们提出了一种惩罚对数似然估计量，其惩罚项灵感来源于 L. Birg\'e 和 P. Massart 的论文。我们证明了所得到的估计量满足 Oracle 不等式。随后，我们进一步研究了分类变量的特例，比较了从我们通用方法的规范推导出的关键常数值与直接利用该分布特性获得的关键常数值。最后，我们进行了一项模拟研究以评估该准则在指数分布下的性能，并提供了一个基于分类分布建模的真实数据应用案例。
引用
@article{arxiv.1412.6697,
title = {Model selection for the segmentation of multiparameter exponential family distributions},
author = {Alice Cleynen and Emilie Lebarbier},
journal= {arXiv preprint arXiv:1412.6697},
year = {2015}
}