[论文解读] Confidence bands for densities, logarithmic point of view

Abdelkader Mokkadem, Mariane Pelletier|ArXiv.org|Jun 21, 2006

Statistical Methods and Inference参考文献 33被引用 4

一句话总结

本文提出了一种基于中偏差原理（MDP）的概率密度函数置信带构造方法，其渐近水平优于 Bickel 和 Rosenblatt（1973）的方法。通过利用 MDP，该方法确保置信带内所有点态区间具有相同的对数渐近水平，从而实现跨维度的统一覆盖，并通过截断操作处理密度消失的区域。

ABSTRACT

Let $f$ be a probability density and $C$ be an interval on which $f$ is bounded away from zero. By establishing the limiting distribution of the uniform error of the kernel estimates $f_n$ of $f$, Bickel and Rosenblatt (1973) provide confidence bands $B_n$ for $f$ on $C$ with asymptotic level $1-α\in]0,1[$. Each of the confidence intervals whose union gives $B_n$ has an asymptotic level equal to one; pointwise moderate deviations principles allow to prove that all these intervals share the same logarithmic asymptotic level. Now, as soon as both pointwise and uniform moderate deviations principles for $f_n$ exist, they share the same asymptotics. Taking this observation as a starting point, we present a new approach for the construction of confidence bands for $f$, based on the use of moderate deviations principles. The advantages of this approach are the following: (i) it enables to construct confidence bands, which have the same width (or even a smaller width) as the confidence bands provided by Bickel and Rosenblatt (1973), but which have a better aymptotic level; (ii) any confidence band constructed in that way shares the same logarithmic asymptotic level as all the confidence intervals, which make up this confidence band; (iii) it allows to deal with all the dimensions in the same way; (iv) it enables to sort out the problem of providing confidence bands for $f$ on compact sets on which $f$ vanishes (or on all $\bb R^d$), by introducing a truncating operation.

研究动机与目标

• 开发一种新的概率密度函数置信带构造方法，以改进现有方法的渐近水平。
• 确保置信带内所有点态置信区间的对数渐近水平相同，从而增强一致性和可解释性。
• 统一地将构造方法推广至所有维度，避免针对不同维度进行调整。
• 通过截断操作，解决在密度消失或接近零的紧集上构造置信带的挑战。
• 通过轻微欠平滑避免显式偏差校正，从而提高覆盖误差效率。

提出的方法

• 利用中偏差原理（MDP）分析核密度估计器的归一化一致误差，取代对极限分布的依赖。
• 引入对数渐近水平的概念，以量化置信区域趋近几乎必然覆盖的指数速率。
• 应用 MDP 推导出宽度与 Bickel 和 Rosenblatt（1973）相当或更窄，但渐近水平更优的置信带。
• 采用截断操作处理密度为零或接近零的区域，从而实现在紧集或 $\mathbb{R}^d$ 上的有效推断。
• 利用覆盖数条件和集中不等式（如 Giné 和 Guillou，2002）控制核估计器在尾部区域的上确界偏差。
• 在核和密度满足弱正则性条件下，建立点态与一致 MDP 的渐近等价性。

实验结果

研究问题

• RQ1 中偏差原理能否用于构造渐近水平优于经典方法的密度估计器置信带？
• RQ2 当应用 MDP 时，统一置信带内所有点态置信区间是否具有相同的对数渐近水平？
• RQ3 基于 MDP 的方法能否在密度消失的紧集上处理密度估计，而无需偏差校正？
• RQ4 所提出的方法是否具有维度不变性，从而可在 $\mathbb{R}^d$ 上统一处理？
• RQ5 在 MDP 框架下，覆盖误差的收敛速率如何以对数渐近水平表示？

主要发现

• 所提出的置信带在渐近水平上优于 Bickel 和 Rosenblatt（1973），且宽度相同或更小。
• 置信带内所有点态区间的对数渐近水平相同，确保在整个定义域内覆盖行为的一致性。
• 该方法具有维度不变性，可统一处理任意维度 $d$ 下的密度估计。
• 通过截断操作，可在密度消失的紧集上构造有效的置信带，克服了经典方法的关键局限。
• 在 MDP 条件下，置信带的对数渐近水平被证明为 $-\gamma$（$ \gamma > 0$），收敛速度为 $w_n$。
• 通过使用轻微欠平滑，该方法避免了显式偏差校正，且被证明在最小化覆盖误差方面比偏差校正更高效。