Efficient estimation of functionals of the spectral density of stationary gaussian fields
Efficient estimation under constraints
Efficient robust nonparametric estimation in a semimartingale regression model
The paper considers the problem of robust estimating a periodic function in a continuous time regression model with the dependent disturbances given by a general square integrable semimartingale with an unknown distribution. An example of such a noise is a non-Gaussian Ornstein–Uhlenbeck process with jumps (see (J. R. Stat. Soc. Ser. B Stat. Methodol.63 (2001) 167–241), (Ann. Appl. Probab.18 (2008) 879–908)). An adaptive model selection procedure, based on the weighted least square estimates, is...
Ein asymptotischer Satz über den maximalen Minimalabstand von unabhängigen Zufallsvektoren mit Anwendung auf einen Anpassungstest im Rp und auf der Kugel.
Empirical approximation in Markov games under unbounded payoff: discounted and average criteria
This work deals with a class of discrete-time zero-sum Markov games whose state process evolves according to the equation where and represent the actions of player 1 and 2, respectively, and is a sequence of independent and identically distributed random variables with unknown distribution . Assuming possibly unbounded payoff, and using the empirical distribution to estimate , we introduce approximation schemes for the value of the game as well as for optimal strategies considering both,...
Empirical comparison between the Nelson-Aalen Estimator and the Naive Local Constant Estimator.
The Nelson-Aalen estimator is widely used in biostatistics as a non-parametric estimator of the cumulative hazard function based on a right censored sample. A number of alternative estimators can be mentioned, namely, the naive local constant estimator (Guillén, Nielsen and Pérez-Marín, 2007) which provides improved bias versus variance properties compared to the traditional Nelson-Aalen estimator. Nevertheless, an empirical comparison of these two estimators has never been carried out. In this...
Empirical estimator of the regularity index of a probability measure
The index of regularity of a measure was introduced by Beirlant, Berlinet and Biau [1] to solve practical problems in nearest neighbour density estimation such as removing bias or selecting the number of neighbours. These authors proved the weak consistency of an estimator based on the nearest neighbour density estimator. In this paper, we study an empirical version of the regularity index and give sufficient conditions for its weak and strong convergence without assuming absolute continuity or...
Empirical likelihood for quantile regression models with response data missing at random
This paper studies quantile linear regression models with response data missing at random. A quantile empirical-likelihood-based method is proposed firstly to study a quantile linear regression model with response data missing at random. It follows that a class of quantile empirical log-likelihood ratios including quantile empirical likelihood ratio with complete-case data, weighted quantile empirical likelihood ratio and imputed quantile empirical likelihood ratio are defined for the regression...
Empirical regression quantile processes
We address the problem of estimating quantile-based statistical functionals, when the measured or controlled entities depend on exogenous variables which are not under our control. As a suitable tool we propose the empirical process of the average regression quantiles. It partially masks the effect of covariates and has other properties convenient for applications, e.g. for coherent risk measures of various types in the situations with covariates.
Entropy estimate for -monotone functions via small ball probability of integrated Brownian motions.
Equivalence Between Tie-Corrected Spearman Test and a Chi-Square Test in a Fourfold Contingency Table.
Equivalence of exponential decay rates for bootstrap percolation like cellular automata
Estimación bayesiana de una función de fiabilidad con conocimiento a priori gamma expendido.
Se plantea el problema de estimar una función de fiabilidad en el contexto bayesiano no paramétrico, pero utilizando técnicas paramétricas de estimación en procesos estocásticos. Se define el proceso gamma extendido, cuyas trayectorias son tasas de azar crecientes cuando se eligen convenientemente los parámetros del proceso. Se obtienen estimadores basados en este proceso, se estudian sus propiedades asintóticas bayesianas, y se termina con un ejemplo de aplicación mediante simulación.
Estimación de la densidad de probabilidad mediante desarrollos de Neumann.
Se definen en este trabajo r-desarrollos de Neumann y se prueba que toda densidad de probabilidad f admite un desarrollo r-convergente a f.Los resultados obtenidos se aplican a la estimación de f sin la suposición de que sea de cuadrado integrable, estudiándose propiedades asintóticas de los estimadores e ilustrándose con un ejemplo de aplicación.
Estimación de la función cuantil asociada a una cópula C(x, y) mediante la función cuantil empírica.
Estimación de la función cuantil y cuantildensidad mediante polinomios de Kantorovic.
En este trabajo se propone un estimador para la función cuantil, basado en polinomios de Kantorovic, como estimador natural, y se prueba que su error absoluto medio es un infinitésimo de orden n-1/2. Mediante simulación se pone de manifiesto que dicho estimador conduce a una reducción sustancial del error absoluto medio frente a la función cuantil muestral y, por otra parte, se compara con el estimador basado en polinomios de Bernstein.
Estimación del número de clusters en una población aplicando el jackknife generalizado.
Sea una población constituida por un número desconocido de clusters. Este trabajo desarrolla una secuencia finita de estimadores no paramétricos para el número de clusters, basándose en el método jackknife generalizado. Estos estimadores resultan ser una combinación lineal de las frecuencias de observación de cada cluster. Se propone entonces un procedimiento de selección para elegir el más apropiado. La técnica es aplicada a un conjunto de datos reales procedentes de un estudio de captura de especies...
Estimación no paramétrica de curvas notables para datos dependientes.
Sea {Xt: t ∈ Z} una serie de tiempo estacionaria, con valores en Rp, verificando la condición de ser α-mixing o L2-estable. A partir de una muestra de tamaño n se define una amplia clase de estimadores no paramétricos de la función de densidad f(x) asociada al proceso, y de la función de autorregresión de orden k:r(y) = E(g(Xt+1)/(Xt-k+1 ... Xt) = y), y ∈ Rksiendo g una función real.Se estudian las siguientes propiedades asintóticas de estos estimadores: consistencia puntual (casi segura y en media...
Estimación no paramétrica de la función de distribución.
Sea X una variable aleatoria con función de distribución F(x) y función de densidad f(x) y X1, X2,..., Xn un conjunto de observaciones de la variable que pueden ser dependientes. Se definen dos estimadores no paramétricos generales (uno recursivo y el otro no recursivo) de la función de distribución.Bajo condiciones aceptables se obtiene el sesgo y la varianza y covarianza asintótica de los estimadores definidos. Finalmente se prueban propiedades de consistencia y normalidad asintótica.
Estimación no paramétrica de la función de riesgo: aplicaciones a sismología.
Se estudia la estimación de tipo no paramétrico de la función de riesgo o razón de fallo de una variable aleatoria real. A partir de una muestra X1, X2, ..., Xn de datos no censurados y no necesariamente independientes, se considera un estimador cociente entre el estimador núcleo de la función de densidad y un estimador núcleo de la función de supervivencia, sobre el que se estudia el problema de selección del parámetro ventana. Por medio de un estudio de simulación se observa la ventaja de utilizar...