On concentration of self-bounding functions.
Sélection de modèle : de la théorie à la pratique
Pour choisir un modèle statistique à partir des données, une méthode devenue classique depuis les travaux précurseurs d’Akaike dans les années 70 consiste à optimiser un critère empirique pénalisé, tel que la log-vraisemblance pénalisée. Dans bon nombre de problèmes de sélection de modèle tels que la sélection de variables ou la détection de ruptures multiples par exemple, il est souhaitable de laisser croitre la taille des modèles ou encore le nombre de modèles d’une dimension donnée avec le nombre...
Tusnady's lemma, 24 years later
Rates of convergence in the central limit theorem for empirical processes
Some applications of concentration inequalities to statistics
Gaussian model selection
Our purpose in this paper is to provide a general approach to model selection via penalization for Gaussian regression and to develop our point of view about this subject. The advantage and importance of model selection come from the fact that it provides a suitable approach to many different types of problems, starting from model selection per se (among a family of parametric models, which one is more suitable for the data at hand), which includes for instance variable selection in regression models,...
The functional central limit theorem for strongly mixing processes
Page 1