arrow
返回

Non-parametric inference for density modes

delete2015-04-07
delete32
delete
OA
AI
C
Christopher R. Genovese
M
Marco Perone-Pacifico
I
Isabella Verdinelli *
L
Larry Wasserman
DOI:10.1111/rssb.12111delete
delete原文链接
delete分享
delete收藏
查看原文
摘要

摘要

En 中文
我们在密度估计的模式下得出Hessian特征值的非参数置信区间。这提供了有关模式的强度和形状的信息,也可以用作显着性测试。我们使用数据拆分方法,其中通过使用数据的前半部分来识别潜在模式,并使用数据的后半部分进行推断。为了获得特征值的有效置信度集,我们使用基于基本对称多项式变换的自举。这导致有效的引导置信度集,而不管特征值中的任何多重性。我们还提出了一种新的带宽选择方法,即选择带宽以最大化重要模式的数量。我们通过实例表明,这种方法效果很好。即使真实分布是奇异的,因此没有密度 (在这种情况下,交叉验证选择零带宽),我们的方法也会选择合理的带宽。
Keyword:
Bootstrap
Density estimation
Modes
Persistence
AI总结

AI总结

对已上传原文的论文进行重点信息的提取,主要内容包括:简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。

期刊

J
Journal of the Royal Statistical Society Series B-Statistical Methodology
IF:
3.6
论文数:
1.5K
被引数:
3.2W

机构

C
Carnegie Mellon University
学者数:
1.4W
论文数: 1.4W
被引数: 2.7W
S
sapienza university rome
学者数:
6.3W
论文数: 4.7W
被引数: 381
引用论文

引用论文

Multiscale inference about a density
err2008-08-01
err63
errOAAI
errDuembgen, Lutz; Walther, Guenther
err分享
err收藏
IoT-Based COVID-19 Patient Monitor with Alert System
err2021-10-12
err0
PREAI
errArjun Sharma; B. Nagajayanthi; A. Chaitanya Kumar; Shirish Dinakaran
err分享
err收藏
err分享
err收藏
学者 查看更多内容