On non parametric statistical inference for densities under long-range dependence
On non parametric statistical inference for densities under long-range dependence
复制标题
长程依赖性下密度的非参数统计推断
DOI：
10.1080/03610926.2016.1263740
复制
发表时间：
2017
期刊：
影响因子：
--
通讯作者：
Schumm
中科院分区：
文献类型：
--
作者：
Schumm
对具有长程相关性的平稳过程，研究了边缘密度核估计量的统计推断。已知小带宽和大带宽之间的渐近行为有很大的不同。这种二分法的统计意义尚未在文献中得到充分探讨。对于大带宽，当长记忆参数超过一定阈值时，得到了最优速率和函数极限定理。阈值可以任意降低，接近长记忆范围的下界。将此结果推广到具有无穷方差的过程，并考虑了同时有限样本置信带的构造。
Statistical inference for kernel estimators of the marginal density is considered for stationary processes with long-range dependence. The asymptotic behavior is known to differ sharply between small and large bandwidths. The statistical implications of this dichotomy have not been fully explored in the literature. The optimal rate and a functional limit theorem are obtained for large bandwidths, if the long-memory parameter exceeds a certain threshold. The threshold can be lowered arbitrarily close to the lower bound of the long-memory range. This result is extended to processes with infinite variance, and the construction of simultaneous finite-sample confidence bands is considered.
登录
查看更多内容
影响因子：
0.9
作者：
J. Beran;Bikramjit Das;Dieter Schell
通讯作者：
J. Beran;Bikramjit Das;Dieter Schell
影响因子：
4.5
作者：
G. Claeskens;P. Hall
通讯作者：
P. Hall
DOI：
--
发表时间：
2000
期刊：
影响因子：
--
作者：
Toshio Honda
通讯作者：
Toshio Honda
DOI：
10.1007/978-3-642-35512-7
发表时间：
2013-05
期刊：
--
影响因子：
--
作者：
J. Beran;Yuanhua Feng;Sucharita Ghosh;Rafal Kulik
通讯作者：
J. Beran;Yuanhua Feng;Sucharita Ghosh;Rafal Kulik
影响因子：
1.1
作者：
Rafal Kulik
通讯作者：
Rafal Kulik