Minimax rates of convergence for Wasserstein deconvolution with supersmooth errors in any dimension

Abstract : The subject of this paper is the estimation of a probability measure on ${\mathbb R}^d$ from data observed with an additive noise, under the Wasserstein metric of order $p$ (with $p\geq 1$). We assume that the distribution of the errors is known and belongs to a class of supersmooth distributions, and we give optimal rates of convergence for the Wasserstein metric of order $p$. In particular, we show how to use the existing lower bounds for the estimation of the cumulative distribution function in dimension one to find lower bounds for the Wasserstein deconvolution in any dimension.
Type de document :
Article dans une revue
Journal of Multivariate Analysis, Elsevier, 2013
Liste complète des métadonnées

https://hal.archives-ouvertes.fr/hal-00794107
Contributeur : Bertrand Michel <>
Soumis le : lundi 25 février 2013 - 22:59:21
Dernière modification le : mardi 10 octobre 2017 - 13:46:16
Document(s) archivé(s) le : dimanche 26 mai 2013 - 09:20:07

Fichiers

optimalWfinal.pdf
Fichiers produits par l'(les) auteur(s)

Identifiants

  • HAL Id : hal-00794107, version 2
  • ARXIV : 1302.6103

Collections

Citation

Jérôme Dedecker, Bertrand Michel. Minimax rates of convergence for Wasserstein deconvolution with supersmooth errors in any dimension. Journal of Multivariate Analysis, Elsevier, 2013. 〈hal-00794107v2〉

Partager

Métriques

Consultations de
la notice

230

Téléchargements du document

234