[论文解读] Well Posedness of the Problem of Estimation Fractional Derivative for a Distribution Function

E. Ostrovsky, L. Sirota|arXiv (Cornell University)|Dec 21, 2014

Mathematical Approximation and Integration参考文献 13被引用 3

一句话总结

本文建立了当导数阶数小于0.5时，对分布函数和谱函数的分数阶导数进行非参数估计的适定性。它证明了无偏性、渐近正态性、最优收敛速度，并在勒贝格-里茨空间中推导出置信区域和非渐近偏差界的相关中心极限定理。

ABSTRACT

We study the problem of nonparametric estimation of the fractional derivative of unknown distribution function and of spectral function and show that these problems are well posed when the order of derivative is less than 0.5. We prove also the unbiaseness and asymptotical normality of offered estimates with optimal speed of convergence. For the construction of the confidence region in some functional norm we establish the Central Limit Theorem in correspondent Lebesgue-Riesz space for offered estimates, and deduce also the non-asymptotical deviation of our estimates in these spaces.

研究动机与目标

• 研究未知分布函数和谱函数的分数阶导数的非参数估计的适定性。
• 建立估计问题适定的条件，特别是当导数阶数小于0.5时。
• 推导出具有无偏性和最优收敛速度的分数阶导数估计。
• 利用勒贝格-里茨函数空间中的中心极限定理构造置信区域。
• 在相同函数空间中为所提出的估计提供非渐近偏差界。

提出的方法

• 本研究采用专为分布函数和谱函数的分数阶导数设计的非参数估计技术。
• 通过在勒贝格-里茨空间中分析问题，以定义估计精度和置信区域的函数范数。
• 作者在导数阶数小于0.5的条件下，证明了估计的渐近正态性。
• 在勒贝格-里茨空间中建立了中心极限定理，以支持置信区域的构建。
• 通过函数空间分析和集中不等式推导出非渐近偏差界。
• 通过在指定函数空间中精心设计估计程序，实现了最优收敛速度。

实验结果

研究问题

• RQ1 当导数阶数小于0.5时，分布函数的分数阶导数的非参数估计问题是否适定？
• RQ2 所提出的估计是否表现出无偏性及最优收敛速度？
• RQ3 是否能在勒贝格-里茨空间中为分数阶导数的估计建立中心极限定理？
• RQ4 在相关函数空间中，估计的非渐近偏差界是什么？
• RQ5 如何利用函数范数为估计的分数阶导数构建置信区域？

主要发现

• 当导数阶数小于0.5时，分布函数和谱函数的分数阶导数估计问题是适定的。
• 所提出的估计是无偏的，并且达到了该问题的最优收敛速度。
• 估计的渐近正态性已确立，从而支持置信区域的构建。
• 在勒贝格-里茨空间中证明了中心极限定理，为估计的统计推断提供了支持。
• 推导出了非渐近偏差界，为同一函数空间中的有限样本性能提供了保证。
• 分析中使用的函数范数与勒贝格-里茨空间相关联，确保了估计精度和置信区域构建的稳健性。