ОЭММПУАвтоматика и телемеханика Automation and Remote Control

  • ISSN (Print) 0005-2310
  • ISSN (Online) 2413-9777

Оптимальное восстановление квадратично интегрируемой функции по наблюдениям за ней с гауссовскими ошибками

Код статьи
10.31857/S0005231023020071-1
DOI
10.31857/S0005231023020071
Тип публикации
Статья
Статус публикации
Опубликовано
Авторы
Том/ Выпуск
Том / Номер выпуска 2
Страницы
122-149
Аннотация
Статья посвящена решению задачи оптимального в среднеквадратичском смысле стохастического восстановления квадратично интегрируемой относительно меры Лебега функции, заданной на конечномерном компакте. Вн ей обосновывается процедура оптимального восстановления вышеуказанной функции, которая наблюдается в каждой точке этого компакта с гауссовскими ошибками. Здесь приводятся условия существования оптимальной процедуры стохастического восстановления, а также ее свойства несмещенности и состоятельности. Кроме того, предложена и обоснована процедура почти оптимального стохастического восстановления, которая позволяет: i) оценить зависимость среднеквадратического отклонения от количества ортогональных функций и числа наблюдений, ii) найти такое количество ортогональных функций, которое минимизирует это среднеквадратическое отклонение.
Ключевые слова
ортогональные функции коэффициенты Фурье ошибка наблюдения проекционная оценка несмещенность состоятельность
Дата публикации
15.02.2023
Год выхода
2023
Всего подписок
0
Всего просмотров
6

Библиография

  1. 1. Боровков А.А. Математическая статистика. Новосибирск: Наука, 1997.
  2. 2. Ивченко Г.И., Медведев Ю.И. Введение в математическую статистику. М.: ЛКИ, 2010.
  3. 3. Parzen E. On Estimation of a Probability Density Function and Mode // Ann. Math. Statist. 1962. V. 33. No. 3. P. 1065-1076. https://doi.org/10.1214/aoms/1177704472
  4. 4. Rosenblatt M. Curve Estimates // Ann. Math. Statist. 1971. V. 42. No. 6. P. 1815-1842. https://doi.org/10.1214/aoms/1177693050
  5. 5. Murthy V.K. Nonparametric estimation of multivariate densities with applications // Multivariate Analysis. 1966. P. 43-56.
  6. 6. Стратонович Р.Л. Эффективность методов математической статистики в задачах синтеза алгоритмов восстановления неизвестной функции // Изв. АН СССР. Техн. кибернетика. 1969. № 1. С. 32-46.
  7. 7. Watson G.S. Density Estimation by Orthogonal Series // Ann. Math. Statist. 1969. V. 40. No. 4. P. 1496-1498. https://doi.org/10.1214/aoms/1177697523
  8. 8. Konakov V.D. Non-Parametric Estimation of Density Functions // Theory of Probability & Its Applications. 1973. V. 17 (2). Р. 361-362. https://doi.org/10.1137/1117042
  9. 9. Ченцов Н.Н. Статистические решающие правила и оптимальные выводы. М.: Наука. Гл. ред. физ.-мат. лит., 1972.
  10. 10. Вапник В.Н. Восстановление зависимостей по эмпирическим данным. М.: Наука. Гл. ред. физ.-мат. лит., 1979.
  11. 11. Ибрагимов И.А., Хасьминский Р.З. Ассимптотическая теория оценивания. М.: Наука, 1979.
  12. 12. Надарая Э.А. Непараметрическое оценивание плотностей вероятностей и кривой регрессии. Тбилиси: Изд-во Тбилис. ун-та, 1983.
  13. 13. Nemirovskij A.S., Polyak B.T., Tsybakov A.B. Signal processing by the nonparametric maximum-likelihood method // Problems of Information Transmission. 1984. V. 20 (3). P. 177-192.
  14. 14. Darkhovskii B.S. On a Stochastic Renewal Problem // Theory of Probability & Its Applications. 1999. V. 43 (2). P. 282-288. https://doi.org/10.1137/S0040585X9797688X
  15. 15. Darkhovsky B.S. Stochastic recovery problem // Problems of Information Transmission. 2008. V. 44 (4). P. 303-314. https://doi.org/10.1134/S0032946008040030
  16. 16. Ibragimov I.A. Estimation of multivariate regression // Theory of Probability & Its Applications. 2004. V. 48 (2). Р. 256-272. https://doi.org/10.1137/S0040585X9780385
  17. 17. Tsybakov A.B. Introduction to Nonparametric Estimation. N.Y.: Springer, 2009.
  18. 18. Булгаков С.А., Хаметов В.М. Восстановление квадратично интегрируемой функции по наблюдениям с гауссовскими ошибками // УБС. 2015. Т. 54. С. 45-65.
  19. 19. Levit B. On Optimal Cardinal Interpolation // Mathematical Methods of Statistics. 2018. V. 27. No. 4. P. 245-267. https://doi.org/10.3103/S1066530718040014
  20. 20. Juditsky A.B., Nemirovski A.S. Signal recovery by stochastic optimization // Autom. Remote Control. 2019. V. 80 (10). P. 1878-1893. https://doi.org/10.1134/S0005231019100088
  21. 21. Golubev G.K. On adaptive estimation of linear functionals from observations against white noise // Problems of Information Transmission. 2020. V. 56 (2). Р. 185-200. https://doi.org/10.31857/S0555292320020047
  22. 22. Булгаков С.А., Горшкова В.М., Хаметов В.М. Стохастическое восстановление квадратично интегрируемых функций // Вестник Московского государственного технического университета им. Н.Э. Баумана. Серия Естественные науки. 2020. № 6. С. 4-22. https://doi.org/10.18698/1812-3368-2020-6-4-22
  23. 23. Ширяев А.Н. Вероятность. М.: Наука, 1980.
  24. 24. Колмогоров А.Н., Фомин С.В. Элементы теории функций и функционального анализа. 4е, перераб. изд. М.: Наука. Гл. ред. физ.-мат. лит., 1976.
  25. 25. Кашин Б.С., Саакян А.А. Ортогональные ряды. М.: Наука. Гл. ред. физ.-мат. лит., 1984.
  26. 26. Бертсекас Д., Шрив С. Стохастическое оптимальное управление: случай дискретного времени. М.: Наука. Гл. ред. физ.-мат. лит., 1985.
QR
Перевести

Индексирование

Scopus

Scopus

Scopus

Crossref

Scopus

Высшая аттестационная комиссия

При Министерстве образования и науки Российской Федерации

Scopus

Научная электронная библиотека