Scifaro

中文

惩罚似然上下文树估计量收敛速度的一些上界

统计理论 2009-03-11 v5 概率论统计理论

作者: Florencia Leonardi

在 arXiv 上查看 ↗ PDF ↗

摘要

我们给出了惩罚似然上下文树估计中欠估计与过估计误差概率的上界。这些界是显式的，且适用于未必具有有限记忆的过程。我们允许一般的惩罚项，并给出了关于估计树的最大深度的条件，以获得强相合估计。这推广了先前在 Markov 链阶估计情形下获得的结论。

关键词

上下文树估计惩罚似然收敛速度强相合性 Markov 链

引用

@article{arxiv.math/0701810,
  title  = {Some upper bounds for the rate of convergence of penalized likelihood context tree estimators},
  author = {Florencia Leonardi},
  journal= {arXiv preprint arXiv:math/0701810},
  year   = {2009}
}

备注

13 pages, some changes in the organization of the paper from previous version