重新审视混合分布递归估计量的一致性
统计理论
2023-04-12 v1 统计方法学
统计理论
摘要
在一般混合模型下估计混合分布是一个极其困难的问题，特别是当假设混合分布具有密度时。预测递归(PR)是一种快速、递归的算法，用于一般混合模型中混合分布/密度的非参数估计。然而，现有的 PR 一致性结果作出了相当强的假设，其中一些在相关于单调密度估计的一类混合模型（即均匀核的尺度混合）上不成立。在本文中，我们在较弱条件下发展了 PR 的新一致性结果。借助这一新理论，我们证明了 PR 对均匀核尺度混合问题是一致的，并表明相应的 PR 混合密度估计量相比于几种现有的单调密度估计方法具有非常好的实际表现。
引用
@article{arxiv.2110.02465,
title = {Revisiting consistency of a recursive estimator of mixing distributions},
author = {Vaidehi Dixit and Ryan Martin},
journal= {arXiv preprint arXiv:2110.02465},
year = {2023}
}
备注
27 pages, 3 figures