论文部分内容阅读
针对经典模型密度函数小波估计的研究，Donoho等人已经取得了近乎完美的成果(D.L.Donoho,I.M.Johnstone,G.Kerkyacharian,D.Picard.Density estimationby wavelet thresholding.Ann.Statist.1996，24:508-539).受他们工作的启发，本文利用小波方法研究带乘法噪声密度函数导函数的小波估计及其最优性.具体地，我们假定随机样本是独立同分布的，密度导数属于Besov空间(B)srq(R)，噪声函数上下有界. 首先借用传统的方法(见A.B.Tsybakov.Introduction to Nonparametric Esti-mation.Springer-Verlag，Berlin，2009)，我们在第2章给出任意密度导数估计器的Lp(p≥1）风险下界;第3章构造了线性小波估计器，并研究了其在Lp风险意义下的收敛阶.结果表明:当r≥p时，线性小波估计是最优的. 当r＜p时，由于线性小波估计器没有达到最优收敛阶，第4章利用小波阈值方法构造了非线性小波估计器，并且给出了Lp风险意义下的收敛阶:当1＜r＜(1+2d)p/2(s+d)+1时，它达到了最优收敛阶;当(1+2d)p/2(s+d)+1≤ r＜p时，它是次优的（在相差lnn因子意义下最优）.