La vitesse d'estimation de la densité en temps continu dépend de la nature des trajectoires observées : plus celles-ci sont « irrégulières », plus les vitesses de convergence sont bonnes. Dans cet esprit, nous donnons une vitesse de convergence presque sûre de l'estimateur à noyau de la densité dans le cas où les données sont délivrées sous une forme discrétisée. Le comportement de l'estimateur dépend de deux paramètres : r0, γ0 liés respectivement à la régularité de la densité estimée et à celle de la trajectoire. Nous proposons un estimateur adaptatif relativement à γ0 ainsi qu'un estimateur doublement adaptatif (par rapport à r0 et γ0). On établit ainsi que la vitesse de convergence obtenue dans le cas r0, γ0 connus est atteinte par ces estimateurs.
In continuous time, rates of convergence for nonparametric density estimators depend on the nature of sample paths: roughly speaking, the more ‘irregular’ the paths are, the better the rates are. In this framework, we give the pointwise rate of convergence of the kernel density estimator in the case of sampled observations. Behaviour of the estimator depends on two coefficients r0, γ0 respectively linked with regularity of density and regularity of sample paths. We propose an adaptive estimator relatively to γ0 as well as a doubly adaptive estimator (with respect to r0 and γ0). It is shown that the rate of convergence obtained in the case of known r0, γ0 is achieved by such adaptive estimators.
Accepté le :
Publié le :
@article{CRMATH_2003__337_10_675_0,
author = {Delphine Blanke},
title = {Estimation adaptative de la densit\'e avec donn\'ees \'echantillonn\'ees},
journal = {Comptes Rendus. Math\'ematique},
pages = {675--678},
publisher = {Elsevier},
volume = {337},
number = {10},
year = {2003},
doi = {10.1016/j.crma.2003.09.027},
language = {fr},
}
Delphine Blanke. Estimation adaptative de la densité avec données échantillonnées. Comptes Rendus. Mathématique, Volume 337 (2003) no. 10, pp. 675-678. doi : 10.1016/j.crma.2003.09.027. https://comptes-rendus.academie-sciences.fr/mathematique/articles/10.1016/j.crma.2003.09.027/
[1] D. Blanke, Sample paths adaptive density estimator, 2003, 29 p., submitted for publication
[2] D. Blanke, Optimal adaptive sampling schemes for density estimation, 2003, 29 p., submitted for publication
[3] A family of minimax rates for density estimators in continuous time, Stochastic Anal. Appl., Volume 18 (2000) no. 6, pp. 871-900
[4] Optimal sampling for density estimation in continuous time, J. Time Ser. Anal., Volume 24 (2003) no. 1, pp. 1-24
[5] Nonparametric Statistics for Stochastic Processes. Estimation and Prediction, Lecture Notes in Statist., 110, Springer-Verlag, New York, 1998
[6] Parametric rates of nonparametric estimators and predictors for continuous time processes, Ann. Statist., Volume 25 (1997) no. 3, pp. 982-1000
[7] Exact adaptive pointwise estimation on Sobolev classes of densities, ESAIM Probability and Statistics, Volume 5 (2001), pp. 1-31
[8] On smoothed probability density estimation for stationary processes, Stochastic Process. Appl., Volume 21 (1986), pp. 179-193
[9] F. Comte, F. Merlevède, Density estimation for a class of continuous time or discretely observed processes, 2002, submitted for publication
[10] Mixing: Properties and Examples, Lecture Notes in Statist., 85, Springer-Verlag, 1994
[11] On a problem of adaptive estimation in Gaussian white noise, Theory Probab. Appl., Volume 35 (1990), pp. 454-466
[12] The asymptotic variance of the continuous-time kernel estimator with applications to bandwidth selection, Statist. Inference Stochastic Process., Volume 4 (2001) no. 1, pp. 99-117
Cité par Sources :
Commentaires - Politique
Estimation du coefficient de régularité locale d'une trajectoire de processus
Delphine Blanke
C. R. Math (2002)
Comportement asymptotique d'estimateurs de la densité par projection tronqués
Jean-Baptiste Aubin
C. R. Math (2006)
Nonparametric trend coefficient estimation for multidimensional diffusions
Annamaria Bianchi
C. R. Math (2007)