各种混合条件下平稳数据密度估计的最优模型选择
统计理论
2011-12-14 v4 统计理论
摘要
我们提出了一种用于边际密度估计的块重采样惩罚方法，该方法适用于非必要独立的观测数据。当数据是β混合或τ混合时，所选估计量满足Oracle不等式，其领先常数渐近等于1。我们还在此设定下证明了斜率启发式，这是一种数据驱动的方法，用于优化惩罚中的领先常数。
引用
@article{arxiv.0911.1497,
title = {Optimal model selection for density estimation of stationary data under various mixing conditions},
author = {Matthieu Lerasle},
journal= {arXiv preprint arXiv:0911.1497},
year = {2011}
}
备注
Published in at http://dx.doi.org/10.1214/11-AOS888 the Annals of Statistics (http://www.imstat.org/aos/) by the Institute of Mathematical Statistics (http://www.imstat.org)