KOPS - Das Institutionelle Repositorium der Universität Konstanz

Multivariate Long-Memory Processes and Nonparametric Density Estimation, with Applications to Ridge Detection

Multivariate Long-Memory Processes and Nonparametric Density Estimation, with Applications to Ridge Detection

Publikationstyp: Dissertation
Publikationsstatus: Published
URI (zitierfähiger Link): http://nbn-resolving.de/urn:nbn:de:bsz:352-2-16905m64zy3um1
Autor/innen: Telkmann, Klaus
Erscheinungsjahr: 2018
Zusammenfassung in einer weiteren Sprache:
In dieser Arbeit beschäftigen wir uns mit nicht-parametrischer Schättzung der Wahrscheinlichkeitsdichtefunktion und deren Ableitungen für multivariate lineare Long-Memory-Prozesse. Die Ergebnisse werden angewandt, um simultane Konfidenzregionen für die Ridges von Dichtefunktionen zu konstruieren. Nach einer kurzen Motivation wird der theoretische Rahmen zur Analyse von multivariaten Long-Memory-Prozessen dargestellt. Ridges werden als Verallgemeinerung von lokalen Maxima eingeführt und ihre Rolle in der topologischen Statistik wird kurz erläutert. Um den Ridge einer Wahrscheinlichkeitsdichtefunktion zu schätzen, werden asymptotische Resultate für Kerndichteschätzer und deren Ableitungen hergeleitet. Das Hauptwerkzeug ist eine multivariate Erweiterung des gleichmäßigen Reduction Principles für lineare Long-Memory-Prozesse. Dazu wird die asymptotische Verteilung des empirischen Prozesses hergeleitet und schwache Konvergenz zu einem degenerierten Gauß-Prozess mit Erwartungswert Null gezeigt. Dies führt zu asymptotischen Resultaten für multivariate Kerndichteschätzer und ihren Ableitungen. Unter Long-Memory-Annahmen unterscheidet sich das asymptotische Verhalten für kleine und große Bandbreiten gänzlich: Für kleine Bandbreiten sind die Ergebnisse dieselben wie im Falle von i.i.d. Beobachtungen. Für große Bandbreiten hingegen erhalten wir schwache Konvergenz zu einem degenerierten Grenzprozess. Die Auswirkungen auf die Wahl der Bandbreite werden diskutiert. Die Erkennung von Ridge-Punkten beinhaltet das Überprüfen von Bedingungen an den Gradienten und die Eigenvektoren sowie die Eigenwerte der Hesse-Matrix der zugrunde liegenden Wahrscheinlichkeitsdichtefunktion. Da sich der funktionale Grenzwertsatz auf die Eigenwerte und Eigenvektoren der geschätzten Hesse-Matrix überträgt, bringt eine Kombination dieser Ergebnisse schwache Konvergenz des geschätzten Ridges mit sich. Dies ermöglicht die vergleichsweise einfache Konstruktion von asymptotischen Konfidenzregionen. Numerische Beispiele illustrieren die Ergebnisse.
Prüfungsdatum (bei Dissertationen): 13. Jul 2018
Hochschulschriftenvermerk: Konstanz, Univ., Diss., 2018
Fachgebiet (DDC): 510 Mathematik
Schlagwörter: Long-memory processes, kernel density estimation, multivariate stochastic processes
Link zur Lizenz: Nutzungsbedingungen
Universitätsbibliographie: Ja

Zitieren

Dateien zu dieser Ressource

[PDF]
Name: Telkmann_2-16905m64zy3um1.pdf
Größe: 10.35Mb
Format: PDF
Öffnen
Prüfsumme: MD5:777c51ffa4bd8a603c3fc061bf6326fb

TELKMANN, Klaus, 2018. Multivariate Long-Memory Processes and Nonparametric Density Estimation, with Applications to Ridge Detection [Dissertation]. Konstanz: University of Konstanz

@phdthesis{Telkmann2018Multi-42955, title={Multivariate Long-Memory Processes and Nonparametric Density Estimation, with Applications to Ridge Detection}, year={2018}, author={Telkmann, Klaus}, address={Konstanz}, school={Universität Konstanz} }

<rdf:RDF xmlns:dcterms="http://purl.org/dc/terms/" xmlns:dc="http://purl.org/dc/elements/1.1/" xmlns:rdf="http://www.w3.org/1999/02/22-rdf-syntax-ns#" xmlns:bibo="http://purl.org/ontology/bibo/" xmlns:dspace="http://digital-repositories.org/ontologies/dspace/0.1.0#" xmlns:foaf="http://xmlns.com/foaf/0.1/" xmlns:void="http://rdfs.org/ns/void#" xmlns:xsd="http://www.w3.org/2001/XMLSchema#" > <rdf:Description rdf:about="https://kops.uni-konstanz.de/rdf/resource/123456789/42955"> <dc:language>eng</dc:language> <dcterms:issued>2018</dcterms:issued> <dc:rights>terms-of-use</dc:rights> <void:sparqlEndpoint rdf:resource="http://localhost/fuseki/dspace/sparql"/> <dc:contributor>Telkmann, Klaus</dc:contributor> <bibo:uri rdf:resource="https://kops.uni-konstanz.de/handle/123456789/42955"/> <dcterms:hasPart rdf:resource="https://kops.uni-konstanz.de/bitstream/123456789/42955/3/Telkmann_2-16905m64zy3um1.pdf"/> <dcterms:rights rdf:resource="https://kops.uni-konstanz.de/page/termsofuse"/> <dcterms:title>Multivariate Long-Memory Processes and Nonparametric Density Estimation, with Applications to Ridge Detection</dcterms:title> <foaf:homepage rdf:resource="http://localhost:8080/jspui"/> <dcterms:isPartOf rdf:resource="https://kops.uni-konstanz.de/rdf/resource/123456789/39"/> <dcterms:available rdf:datatype="http://www.w3.org/2001/XMLSchema#dateTime">2018-08-03T09:12:36Z</dcterms:available> <dspace:hasBitstream rdf:resource="https://kops.uni-konstanz.de/bitstream/123456789/42955/3/Telkmann_2-16905m64zy3um1.pdf"/> <dspace:isPartOfCollection rdf:resource="https://kops.uni-konstanz.de/rdf/resource/123456789/39"/> <dc:creator>Telkmann, Klaus</dc:creator> <dc:date rdf:datatype="http://www.w3.org/2001/XMLSchema#dateTime">2018-08-03T09:12:36Z</dc:date> </rdf:Description> </rdf:RDF>

Dateiabrufe seit 03.08.2018 (Informationen über die Zugriffsstatistik)

Telkmann_2-16905m64zy3um1.pdf 110

Das Dokument erscheint in:

KOPS Suche


Stöbern

Mein Benutzerkonto