逆密尔斯比率及其导数的精确界限
本文回顾了针对 Mills' ratio (1-Φ)/φ 的各种不等式,其中 φ 和 Φ 分别表示标准正态密度和分布函数。通过有限连分数的基本考虑,导出了一种普适的近似方法,这种方法可以推出和优化一些已知的界限。
Dec, 2010
本文研究了核密度估计在非参数回归模型中的应用,提出了一种选取带宽参数的方法,并证明了在该条件下,估计的线性函数是渐近正态的,其渐近方差不依赖于回归函数,同时探讨了函数的光滑程度等影响估计结果的因素。
Sep, 2014
给定独立同分布随机变量的样本的序统计量的非渐近方差和尾部界限。当抽样分布属于最大吸引域时,这些界限被证明是渐近解。如果抽样分布具有非降的危险率(包括高斯分布),我们推导出序统计的指数 Efron-Stein 不等式,以将中心序统计的对数矩生成函数与 Efron-Stein(卡松尼)估计的方差的指数矩相联系。我们使用这个一般的连接来推导高斯样本的序统计的方差和尾部边界。这些界限不在茨瑞耶松 - 伊布拉吉莫夫 - 苏达科夫高斯浓度不等式的范围内。证明是基本的,结合了序统计的 Renyi 表示以及 M. Ledoux 普及的集中不等式的所谓熵方法。
Jul, 2012
提出了新的图论解释下的直接估计方法,用于估计 Renyi 和 f-divergence 的度量。通过对 Y 中 k-NN 方案点和 X 中点数之间的平均功率进行估计,可以获得两个密度之间的 Renyi divergence 估计值,并且这种方法可以用于估计 f-divergence 度量。通过使用加权合成估计技术,该方法可以用于具有连续和有界导数的密度函数的估计,其能够获得参数 MSE 率 O (1/N)。
Feb, 2017
本文研究非参数统计学中估计分歧的问题,提出了一种 Renyi-alpha 分歧的估计算法,并给出了一个关于该算法的指数不等式一致收敛边界,并通过数值实验验证了该算法。
Mar, 2016
我们发现在 A. Kraskov 等人的文章中声称两个实值随机变量之间的互信息的下界存在错误,并提出了一种新的方法建立在较弱的假设下得到较紧的下界,并在基因表达数据中展示了这种方法的实用性。
Aug, 2010
这篇证明性和综述性论文探讨了两个伽玛函数之比的比值界限,分析了一些不等式,以及涉及两个伽玛函数或 $q$- 伽玛函数之比的函数的完全单调性和对数完全单调性的必要和充分条件。
Apr, 2009