Dokument
| Titel: | Uniform convergence rates and uniform adaptive estimation in mixtures of regressions |
| Autor: | Werner, Heiko |
| Weitere Beteiligte: | Holzmann, Hajo (Prof. Dr.) |
| Veröffentlicht: | 2018 |
| URI: | https://archiv.ub.uni-marburg.de/diss/z2019/0100 |
| DOI: | https://doi.org/10.17192/z2019.0100 |
| URN: | urn:nbn:de:hebis:04-z2019-01000 |
| DDC: | 510 Mathematik |
| Titel (trans.): | Gleichmäßige Konvergenzraten und gleichmäßige adaptive Schätzung in Mischungen von Regressionen |
| Publikationsdatum: | 2020-04-06 |
| Lizenz: | https://rightsstatements.org/vocab/InC-NC/1.0/ |
| Schlagwörter: |
|---|
| mixtures of normals, Minimum Kontrast Schätzung, mixtures of regressions, Mischungen von Normalverteilungen, adaptive estimation, non-parametri, Gleichmäßige Konvergenzraten, M-estimation, minimum contrast estimation, M-Schätzung, uniform convergence rates, Adaptive Schätzung, Mischregressionen |
Summary:
In this thesis, we develop theoretical tools to examine estimators in non-parametric regression models in regard of uniform convergence rates and uniform adaptivity with respect to the smoothness of the parameter functions. Subsequently, those are applied to non-parametric regression models with Hölder-smooth parameter functions. One model is a mixture of Gaussian regressions and the other model is a mixture model with two components and an unspecified symmetric error distribution.
 | Das Dokument ist im Internet frei zugänglich - Hinweise zu den Nutzungsrechten |