[论文解读] Pointwise Adaptive Estimation of the MarginalDensity of a Weakly Dependent Process

Karine Bertin, Nicolas Klutchnikoff|arXiv (Cornell University)|Mar 31, 2016

Statistical Methods and Inference参考文献 34被引用 7

一句话总结

该论文提出了一种基于数据的核密度估计器，通过Goldenshluger-Lepski方法选择带宽，适用于弱相依过程，实现了对Hölder类的自适应点态估计。该研究建立了Oracle不等式，并通过单一、明确可实施的程序，证明了i.i.d.、$\alpha$-mixing、$\lambda$-依赖和强混合过程的极小极大自适应性。

ABSTRACT

This paper is devoted to the estimation of the common marginal density function of weakly dependent processes. The accuracy of estimation is measured using pointwise risks. We propose a datadriven procedure using kernel rules. The bandwidth is selected using the approach of Goldenshluger and Lepski and we prove that the resulting estimator satisfies an oracle type inequality. The procedure is also proved to be adaptive (in a minimax framework) over a scale of H\\"older balls for several types of dependence: stong mixing processes, $\\lambda$-dependent processes or i.i.d. sequences can be considered using a single procedure of estimation. Some simulations illustrate the performance of the proposed method.

研究动机与目标

• 开发一种在弱相依条件下适用于核密度估计的实用、数据驱动的带宽选择方法。
• 在多种依赖结构下，实现对光滑度 $s>0$ 的Hölder类的自适应点态估计。
• 证明单一估计程序可适应i.i.d.、$\alpha$-mixing、$\lambda$-依赖和强混合过程。
• 建立一种类似Oracle的不等式，确保性能接近有限核估计器族中的最优估计器。
• 提供完全显式、可实施的程序，无需未知常数，可直接应用于实际场景。

提出的方法

• 使用核密度估计，并通过Goldenshluger-Lepski方法选择数据驱动的带宽。
• 应用Oracle不等式控制点态风险 $R_q(\tilde{f}_n, f)$（$q>0$），确保接近最优的性能。
• 采用由带宽 $h$ 索引的有限核估计器族，基于偏差与方差项之间的平衡进行选择。
• 依赖于矩和依赖结构假设：在 $x_0$ 附近密度有界，且通过 $\rho_r$-mixing 或 $\lambda$-依赖实现弱相依。
• 利用Doukhan和Neumann（2007）推导的浓度不等式（Bernstein型）控制经验过程项。
• 通过依赖系数 $\rho_r$ 的衰减性与核的光滑性，建立对方差和协方差项的统一有界性。

实验结果

研究问题

• RQ1 单一数据驱动的带宽选择程序是否能在多种弱相依结构下实现自适应点态密度估计？
• RQ2 Goldenshluger-Lepski方法是否在弱相依设定下对点态风险产生Oracle不等式？
• RQ3 该估计器在 $\alpha$-mixing、$\lambda$-依赖或强混合条件下，是否在Hölder球上达到极小极大自适应性？
• RQ4 该程序是否完全显式且无需未知常数或调参阈值即可实施？
• RQ5 所选估计器在有限样本下的性能与经典方法相比如何？

主要发现

• 所提出的估计器满足类似Oracle的不等式，确保其点态风险在最优估计器的对数因子范围内。
• 该方法在多种弱相依假设下，对光滑度 $s>0$ 的Hölder类实现了极小极大自适应率 $n^{-s/(2s+1)}$ 的点态估计。
• 通过单一统一程序，实现了对i.i.d.、$\alpha$-mixing、$\lambda$-依赖和强混合过程的Hölder球尺度上的极小极大自适应性。
• 带宽选择规则完全显式，无需未知乘法常数，可直接在实践中实施。
• 模拟结果证实，与经典核估计器相比，该方法在有限样本中表现出强劲性能。
• 理论分析拓展了先前研究，在此前尚无此类结果的依赖设定下，建立了自适应点态估计。