| Autor(en): |
Michael Jähnisch |
Titel: |
Asymptotische Aequivalenz fuer ein Modell unabhaengiger nicht identisch verteilter Daten |
| Erscheinungsdatum: |
1999 |
| Volltext: |
ps
(urn:nbn:de:kobv:11-1009112)
|
| Fachgebiet(e): |
Mathematik |
| Schlagwörter (ger): |
Defizienz Abstand, Nichtparametrische Dichteschaetzung, Allgemeines Regressionsmodell, Ungarische Konstruktion |
| Schlagwörter (eng): |
Deficiency Distance, Nonparametric Density Estimation, General Regression Model, Hungarian Construction |
| Einrichtung: |
Humboldt-Universität zu Berlin, Mathematisch-Naturwissenschaftliche Fakultät II |
| Zitationshinweis: |
Jähnisch, Michael:
Asymptotische Aequivalenz fuer ein Modell unabhaengiger nicht identisch verteilter Daten;
Dissertation,
Humboldt-Universität zu Berlin, Mathematisch-Naturwissenschaftliche Fakultät II , publiziert am 1999, urn:nbn:de:kobv:11-1009112
|
Metadatenexport:
 Um
den gesamten Metadatensatz im Endnote- oder
Bibtex-Format zu speichern,
klicken Sie bitte auf den entsprechenden Link.
|
Endnote
Bibtex
|
| Diese Seite taggen:
Diese
Icons führen auf so genannte Social-Bookmark-Systeme, auf denen Sie
Lesezeichen anlegen, persönliche Tags vergeben und Lesezeichen anderer Nutzer
ansehen können.
|
|
| Abstract (ger): |
| Die Dissertation ``Asymptotische \Äquivalenz f\ür ein Modell unabh\ängiger nicht identisch verteilter
Daten'' besch\äftigt sich mit der Le Camschen Theorie der Experimente. Le Cam hat den sogenannten
$\Delta$-Abstand zwischen statistischen Experimenten definiert; ist dieser Abstand f\ür zwei Modelle
klein, so sind ihre statistischen Eigenschaften \ähnlich. Zwei Folgen von Experimenten nennt man
asymptotisch \äquivalent, falls ihr $\Delta$-Abstand gegen Null konvergiert.\\ In dieser Arbeit
beweisen wir asymptotische \Äquivalenz zwischen einem Modell mit unabh\ängigen, nicht identisch
verteilten Beobachtungen und einem Gaußschen Shift-Modell. Die i-te Beobachtung des ersten
Experimentes ist dabei gem\äß einer Dichte $h(i/n,.)$ verteilt, wobei die Funktion h eine Schar von
Dichten bildet. Wir approximieren also ein kompliziertes statistisches Experiment durch ein einfacheres,
n\äymlich ein Gaußsches Shift-Modell. Die Dichten h geh\ören einer Menge h\ölderstetiger
Funktionen an, so daß wir es mit einem nichtparametrischen Problem zu tun haben. Das von uns
bewiesene \Äquivalenzresultat kann auch als eine nichtparametrische Version der ebenfalls von Le
Cam eingef\ührten LAN Bedingung aufgefaßt werden. Ein wichtiges Hilfsmittel zum Beweis des oben
beschriebenen Resultats ist das sogenannte Coupling von stochastischen Prozessen, d.h. die
Konstruktion solcher Prozesse auf einem gemeinsamen Wahrscheinlichkeitsraum, so daß die Prozesse
nahe beieinander liegen. Im zweiten Teil der Arbeit beweisen wir eine funktionale Version eines
solchen Coupling Resultats f\ür den sequentiellen empirischen Prozeß und den Kiefer-M\üller Prozeß
unter Verwendung der sogenannten Ungarischen Konstruktion. |
| Abstract (eng): |
| The thesis "Asymptotic Equivalence of Experiments for a Model with Independent and Nonidentically
distributed Observations" deals with the theory of experiments that was developped by Le Cam. \\ Le
Cam defined the so called $\Delta$-distance between experiments. If this distance is small for two
given models it means that their statistical properties are similar. We call two sequences of experiments
asymptotic equivalent if their $\Delta$-distance converges to zero.\\ In this thesis we prove asymptotic
equivalence between a model with independent and nonidentically distributed observations and a
Gaussian shift model. The i-th observation in the first model is distributed according to a density
$h(i/n,.)$ where $h$ is a bunch of densities on the unit interval. This means that we approximate a
complicated statistical experiment by a simpler one, namely a Gaussian shift model. The densites h
belong to a H\"older ball such that we have a nonparametric problem. Our result can also be viewed
as a nonparametric version of the LAN property which was also defined by Le Cam. An important tool
for proving our result is the coupling of stochastic processes, i.e. the construction of processes on a
common probability space such that they are close in a strong sense. In the second part of the thesis
we prove a functional version of such a coupling result for the sequential empirical process and the
Kiefer-M\"uller process by using the Hungarian construction. |
Zugriffsstatistik:
Die Daten für die Zugriffsstatistik der einzelnen Dokumente
wurden aus den durch AWStats aggregierten Webserver-Logs erstellt.
Sie beziehen sich auf den monatlichen Zugriff auf den Volltext sowie
auf die Startseite. Die Zugriffsstatistik wird nicht standardisiert erfasst und kann maschinelle Zugriffe enthalten.
Bei Formatversionen eines Dokuments, die aus mehreren Dateien bestehen
(insbesondere HTML), wird jeweils der monatlich höchste Zugriffswert
auf eine der Dateien (Kapitel) des Dokuments angezeigt.
Um die detaillierten Zugriffszahlen zu sehen,
fahren Sie bitte mit dem Mauszeiger
über die einzelnen Balken des Diagramms.
|
 | | | | | | | | | | | | | Jun
11 | Jul
11 | Aug
11 | Sep
11 | Nov
11 | Feb
12 | Jun
12 | Jul
12 | Aug
12 | Jan
13 | Feb
13 | Apr
13 | May
13 |
| Monat | Jun
11 | Jul
11 | Aug
11 | Sep
11 | Nov
11 | Feb
12 | Jun
12 | Jul
12 | Aug
12 | Jan
13 | Feb
13 | Apr
13 | May
13 | | Startseite | 2 | 3 | 1 | 5 | 3 | 6 | 2 | 8 | 6 | 9 | 6 | 6 | 1 |
Gesamtzahl der Zugriffe seit Jun 2011: - Startseite – 58 (4.46 pro Monat)
|
