Nonparametric adaptive estimation for grouped data

Abstract : The aim of this paper is to estimate the density f of a random variable X when one has access to independent observations of the sum of K ≥ 2 independent copies of X. We provide a constructive estimator based on a suitable definition of the logarithm of the empirical characteristic function. We propose a new strategy for the data driven choice of the cut-off parameter. The adaptive estimator is proven to be minimax-optimal up to some logarithmic loss. A numerical study illustrates the performances of the method. Moreover, we discuss the fact that the definition of the estimator applies in a wider context than the one considered here.
Type de document :
Article dans une revue
Journal of Statistical Planning and Inference, Elsevier, 2017, 182, pp.12--28. 〈10.1016/j.jspi.2016.10.002〉
Liste complète des métadonnées

Littérature citée [33 références]  Voir  Masquer  Télécharger

https://hal.archives-ouvertes.fr/hal-01245781
Contributeur : Céline Duval <>
Soumis le : vendredi 3 juin 2016 - 15:25:57
Dernière modification le : mardi 10 octobre 2017 - 11:22:04

Fichiers

DuvalKappus2015Revised.pdf
Fichiers produits par l'(les) auteur(s)

Identifiants

Collections

Citation

Céline Duval, Johanna Kappus. Nonparametric adaptive estimation for grouped data. Journal of Statistical Planning and Inference, Elsevier, 2017, 182, pp.12--28. 〈10.1016/j.jspi.2016.10.002〉. 〈hal-01245781v2〉

Partager

Métriques

Consultations de
la notice

227

Téléchargements du document

68