Punto a punto, estimaciones de wavelet para un modelo de regresión en el espacio de Hölder local
Autores: Kou, Junke; Huang, Qinmei; Guo, Huijun
Idioma: Inglés
Editor: MDPI
Año: 2022
Acceso abierto
Artículo científico
2022
Punto a punto, estimaciones de wavelet para un modelo de regresión en el espacio de Hölder local
Categoría
Matemáticas
Subcategoría
Análisis matemático
Palabras clave
Estimación funcional
Modelo de regresión
Estimador de wavelet
Tasa de convergencia
Ruido aditivo
Estimador no lineal
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 27
Citaciones: Sin citaciones
Este documento considera un problema de estimación funcional desconocido en un modelo de regresión con ruido multiplicativo y aditivo. Se construye primero un estimador lineal de wavelet mediante un operador de proyección de wavelet. Se estudia la tasa de convergencia bajo el error puntual de los estimadores lineales de wavelet en el espacio Hölder local. Se proporciona un estimador de wavelet no lineal mediante el método de umbral duro para obtener un estimador adaptativo. La tasa de convergencia del estimador no lineal es la misma que la del estimador lineal hasta un término logarítmico. Finalmente, se debe señalar que las tasas de convergencia de los dos estimadores de wavelet son consistentes con la tasa de convergencia óptima en la estimación no paramétrica puntual.
Descripción
Este documento considera un problema de estimación funcional desconocido en un modelo de regresión con ruido multiplicativo y aditivo. Se construye primero un estimador lineal de wavelet mediante un operador de proyección de wavelet. Se estudia la tasa de convergencia bajo el error puntual de los estimadores lineales de wavelet en el espacio Hölder local. Se proporciona un estimador de wavelet no lineal mediante el método de umbral duro para obtener un estimador adaptativo. La tasa de convergencia del estimador no lineal es la misma que la del estimador lineal hasta un término logarítmico. Finalmente, se debe señalar que las tasas de convergencia de los dos estimadores de wavelet son consistentes con la tasa de convergencia óptima en la estimación no paramétrica puntual.