Estimation du nombre de dérivées d'un processus Gaussien

Delphine Blanke; Céline Vial

doi:10.1016/j.crma.2006.10.012

Statistique

Estimation du nombre de dérivées d'un processus Gaussien

Présenté par : Paul Deheuvels

Delphine Blanke ¹ ; Céline Vial ^2,³

¹ Université Pierre et Marie Curie-Paris 6, L.S.T.A., 175, rue du Chevaleret, 8ème étage, bâtiment A, 75013 Paris, France
² Université Paris 10, Modal'X, bâtiment G, 200, avenue de la République, 92000 Nanterre, France
³ Université Pierre et Marie Curie-Paris 6, L.P.M.A., 175, rue du Chevaleret, 4ème étage, bâtiment D, 75013 Paris, France

Comptes Rendus. Mathématique, Volume 343 (2006) no. 10, pp. 661-664.

Résumé
Abstract

Nous considérons un processus Gaussien réel, X, de régularité inconnue $r_{0} \in N$ au sens où la dérivée d'ordre $r_{0}$ en moyenne quadratique, notée $X^{(r_{0})}$ , est supposée hölderienne. Dans un premier temps, à partir des observations discrétisées $X (t_{1}), \dots, X (t_{n})$ , on étudie la reconstruction de $X (t)$ , $t \in [0, 1]$ , par ${\tilde{X}}_{r} (t)$ où ${\tilde{X}}_{r} (t)$ est un polynôme d'interpolation par morceaux, de degré $r ⩾ 1$ . On montre que l'erreur quadratique d'interpolation $E (X (t) - {\tilde{X}}_{r} {(t))}^{2}$ décroît quand r augmente mais qu'elle se stabilise dès que r dépasse $r_{0}$ . On construit ainsi un estimateur $\hat{r}$ du paramètre $r_{0}$ grâce à un critère empirique basé sur cette erreur d'interpolation. On établit la convergence presque sûre de $\hat{r}$ vers $r_{0}$ via une inégalité exponentielle pour $P (\hat{r} \neq r_{0})$ . Finalement, on montre que ${\tilde{X}}_{\hat{r}} (t)$ converge presque sûrement vers $X (t)$ avec une vitesse comparable au cas où $r_{0}$ est connu.

We consider a real Gaussian process X with unknown smoothness $r_{0} \in N$ where the mean-square derivative $X^{(r_{0})}$ is supposed to be Hölder continuous in quadratic mean. First, from the discrete observations $X (t_{1}), \dots, X (t_{n})$ , we study reconstruction of $X (t)$ , $t \in [0, 1]$ , with ${\tilde{X}}_{r} (t)$ , a piecewise polynomial interpolation of degree $r ⩾ 1$ . We show that the mean-square error of interpolation is a decreasing function of r but becomes stable as soon as $r ⩾ r_{0}$ . Next, from an interpolation-based empirical criterion, we derive an estimator $\hat{r}$ of $r_{0}$ and prove its strong consistency by giving an exponential inequality for $P (\hat{r} \neq r_{0})$ . Finally, we prove the strong convergence of ${\tilde{X}}_{\hat{r}} (t)$ toward $X (t)$ with a similar rate as in the case ‘ $r_{0}$ known’.

Reçu le : 2006-06-11
Accepté le : 2006-10-10
Publié le : 2006-11-14

DOI : 10.1016/j.crma.2006.10.012

Affiliations des auteurs :

Delphine Blanke ¹ ; Céline Vial ^{2, 3}

@article{CRMATH_2006__343_10_661_0,
     author = {Delphine Blanke and C\'eline Vial},
     title = {Estimation du nombre de d\'eriv\'ees d'un processus {Gaussien}},
     journal = {Comptes Rendus. Math\'ematique},
     pages = {661--664},
     publisher = {Elsevier},
     volume = {343},
     number = {10},
     year = {2006},
     doi = {10.1016/j.crma.2006.10.012},
     language = {fr},
}

TY  - JOUR
AU  - Delphine Blanke
AU  - Céline Vial
TI  - Estimation du nombre de dérivées d'un processus Gaussien
JO  - Comptes Rendus. Mathématique
PY  - 2006
SP  - 661
EP  - 664
VL  - 343
IS  - 10
PB  - Elsevier
DO  - 10.1016/j.crma.2006.10.012
LA  - fr
ID  - CRMATH_2006__343_10_661_0
ER  -

%0 Journal Article
%A Delphine Blanke
%A Céline Vial
%T Estimation du nombre de dérivées d'un processus Gaussien
%J Comptes Rendus. Mathématique
%D 2006
%P 661-664
%V 343
%N 10
%I Elsevier
%R 10.1016/j.crma.2006.10.012
%G fr
%F CRMATH_2006__343_10_661_0

Delphine Blanke; Céline Vial. Estimation du nombre de dérivées d'un processus Gaussien. Comptes Rendus. Mathématique, Volume 343 (2006) no. 10, pp. 661-664. doi : 10.1016/j.crma.2006.10.012. https://comptes-rendus.academie-sciences.fr/mathematique/articles/10.1016/j.crma.2006.10.012/

Bibliographie
Cité par

[1] D. Blanke, C. Vial, Assessing the number of mean-square derivatives of a Gaussian process, Prépublications MODALX, 2006-4, soumis, 28 p

[2] J.A. Bucklew A note on the prediction error for small time lags into the future, IEEE Trans. Inform. Theory, Volume 31 (1985) no. 5, pp. 677-679

[3] J. Cuzick A lower bound for the prediction error of stationary Gaussian processes, Indiana Univ. Math. J., Volume 26 (1977) no. 3, pp. 577-584

[4] S. Ditlevsen; M. Sørensen Inference for observations of integrated diffusion processes, Scand. J. Statist., Volume 31 (2004) no. 3, pp. 417-429

[5] D.L. Hanson; F.T. Wright A bound on tail probabilities for quadratic forms in independent random variables, Ann. Math. Statist., Volume 42 (1971) no. 3, pp. 1079-1083

[6] J. Istas; G. Lang Quadratic variations and estimation of the local Hölder index of a Gaussian process, Ann. Inst. H. Poincaré Probab. Statist., Volume 33 (1997) no. 4, pp. 407-436

[7] G. Lindgren Prediction of level crossings for normal processes containing deterministic components, Adv. Appl. Probab., Volume 11 (1979) no. 1, pp. 93-117

[8] T. Müller-Gronbach Optimal designs for approximating the path of a stochastic process, J. Statist. Plann. Inference, Volume 49 (1996) no. 3, pp. 371-385

[9] T. Müller-Gronbach; K. Ritter Uniform reconstruction of Gaussian processes, Stochastic Process. Appl., Volume 69 (1997) no. 1, pp. 55-70

[10] T. Müller-Gronbach; K. Ritter Spatial adaption for predicting random functions, Ann. Statist., Volume 26 (1998) no. 6, pp. 2264-2288

[11] L. Plaskota; K. Ritter; G. Wasilkowski Average case complexity of weighted approximation and integration over $R_{+}$ , J. Complexity, Volume 18 (2002) no. 2, pp. 517-544

[12] L. Plaskota; K. Ritter; G. Wasilkowski Optimal designs for weighted approximation and integration of stochastic processes on $[0, \infty ($ , J. Complexity, Volume 20 (2004) no. 1, pp. 108-131

[13] K. Ritter Average-Case Analysis of Numerical Problems, Lecture Notes in Mathematics, vol. 1733, Springer, 2000

[14] O. Seleznjev Large deviations in the piecewise linear approximation of Gaussian processes with stationary increments, Adv. Appl. Probab., Volume 28 (1996) no. 2, pp. 481-499

[15] O. Seleznjev Spline approximation of random processes and design problems, J. Statist. Plann. Inference, Volume 84 (2000) no. 1–2, pp. 249-262

Cité par Sources :

Commentaires - Politique

Ces articles pourraient vous intéresser

Estimation du coefficient de régularité locale d'une trajectoire de processus

Delphine Blanke

C. R. Math (2002)

Estimation adaptative de la densité avec données échantillonnées

Delphine Blanke

C. R. Math (2003)