.png){kind=icon}
返回
Wavelet Estimation for Density and Copula Functions
.png){kind=icon}
PRE
AI
DOI：10.3390/math13243932.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
本文研究了使用小波分解技术研究单变量和双变量密度估计的问题。特别关注于相依函数的估计，这些函数捕捉随机变量之间的相依结构，而与其边际分布无关。我们考虑了两种不同的框架：独立同分布（i.i.d.）变量的情况以及变量相依的情况，从而能够突出相依结构对基于小波的估计器性能的影响。在此基础上，我们提出了一种新颖的迭代阈值方法，应用于小波变换的细节系数。该迭代方案旨在增强降噪效果，同时保留潜在密度或相依函数的显著结构特征。数值实验说明了所提出方法在单变量和双变量设置下的有效性，特别是在捕捉具有不同相依模式下的局部特征和间断性方面。
Keyword:
wavelet estimator
thresholding
fixed point
density function
copula
alpha-mixing
bitcoin
60
62
期刊
IF:
2.2
论文数:
3.1K
被引数:
3.6W
机构
引用论文
.png){kind=icon}
查看更多内容