Titre :	Combinatorial methods in density estimation
Type de document :	texte imprimé
Editeur :	Springer
Année de publication :	2001
Importance :	1 vol. (208 p.)
Format :	25 cm
ISBN/ISSN/EAN :	978-0-387-95117-1
Catégories :	Mathématique
Mots-clés :	Estimation, Théorie de l' Analyse combinatoire
Index. décimale :	519.54 Inférence statistique
Résumé :	L'estimation de la densité a énormément évolué depuis les jours de parcelles et d'histogrammes, mais les chercheurs et les utilisateurs ont encore du mal à choisir les largeurs des bacs. Ce texte explore un nouveau paradigme pour la sélection automatique ou basée sur les données des paramètres libres des estimations de densité en général, de sorte que l'erreur attendue se situe dans un multiple constant donné de la meilleure erreur possible. Le paradigme peut être utilisé dans presque toutes les estimations de densité et pour la plupart des problèmes de sélection de modèle, à la fois paramétrique et non paramétrique. C'est le premier livre sur ce sujet. Le texte est destiné aux étudiants diplômés de première année en statistique et en théorie de l'apprentissage, et offre une foule d'opportunités pour des recherches et des thèmes de thèse. Chaque chapitre correspond approximativement à une lecture et est complété par de nombreux exercices de classe. Un cours d'une année sur la théorie des probabilités au niveau du volume 1 de Feller devrait être une préparation plus que suffisante. Écrit pour: Chercheurs, étudiants diplômés
Note de contenu :	Sommaire Introduction Concentration Inequalities Uniform Deviation Inequalities Combinatorial Tools Total Variation Choosing a Density Estimate from a Collection Skeleton Estimates The Minimum Distance Estimate: Examples The Kernel Density Estimate Additive Estimates and Data Splitting Bandwidth Selection for Kernel Estimates Multiparameter Kernel Estimates Wavelet Estimates The Transformed Kernel Estimate Minimax Theory Choosing the Kernel Order Bandwidth Choice with Superkernels.

Combinatorial methods in density estimation [texte imprimé] . - [S.l.] : Springer, 2001 . - 1 vol. (208 p.) ; 25 cm.
ISBN : 978-0-387-95117-1

Catégories :	Mathématique
Mots-clés :	Estimation, Théorie de l' Analyse combinatoire
Index. décimale :	519.54 Inférence statistique
Résumé :	L'estimation de la densité a énormément évolué depuis les jours de parcelles et d'histogrammes, mais les chercheurs et les utilisateurs ont encore du mal à choisir les largeurs des bacs. Ce texte explore un nouveau paradigme pour la sélection automatique ou basée sur les données des paramètres libres des estimations de densité en général, de sorte que l'erreur attendue se situe dans un multiple constant donné de la meilleure erreur possible. Le paradigme peut être utilisé dans presque toutes les estimations de densité et pour la plupart des problèmes de sélection de modèle, à la fois paramétrique et non paramétrique. C'est le premier livre sur ce sujet. Le texte est destiné aux étudiants diplômés de première année en statistique et en théorie de l'apprentissage, et offre une foule d'opportunités pour des recherches et des thèmes de thèse. Chaque chapitre correspond approximativement à une lecture et est complété par de nombreux exercices de classe. Un cours d'une année sur la théorie des probabilités au niveau du volume 1 de Feller devrait être une préparation plus que suffisante. Écrit pour: Chercheurs, étudiants diplômés
Note de contenu :	Sommaire Introduction Concentration Inequalities Uniform Deviation Inequalities Combinatorial Tools Total Variation Choosing a Density Estimate from a Collection Skeleton Estimates The Minimum Distance Estimate: Examples The Kernel Density Estimate Additive Estimates and Data Splitting Bandwidth Selection for Kernel Estimates Multiparameter Kernel Estimates Wavelet Estimates The Transformed Kernel Estimate Minimax Theory Choosing the Kernel Order Bandwidth Choice with Superkernels.