Sieve Estimators for Spatial Data.

Die Dissertation befasst sich mit der Weiterentwicklung von Siebschätzern auf räumlich abhängige Daten: Es werden das lineare Regressionsmodell von Györfi et al., das nichtlineare Regessionsmodell von Kohler und die Dichteschätzer von Devroye und Györfi und Donoho et al. auf stark mischende mehrdimensionale Daten verallgemeinert. Die Daten können dabei als Zufallsvariablen auf einem Graphen definiert sein.

Texte du rabat

Die Dissertation befasst sich mit der Weiterentwicklung von Siebschätzern auf räumlich abhängige Daten, die Daten können dabei als Zufallsvariablen auf einem Graphen definiert sein. In Kapitel 1 werden grundlegende Definitionen für Zufallsfelder und deren Eigenschaften behandelt. In Kapitel 2 wird der lineare Siebschätzer von Györfi et al. für Zufallsfelder untersucht. Ausgehend von einer Menge an Basisfunktionen, welche eine universelle Approximationeigenschaft besitzt, werden Aussagen zur Konsistenz und L^2-Konvergenzrate bewiesen. In Kapitel 3 wird ein nichtlinearer Schätzer für Zufallsfelder untersucht. Ausgehend von Basisfunktionen, welche orthogonal bezüglich des empirischen Maßes sind, wird die Konsistenz und Konvergenzgeschwindigkeit dieses Schätzers untersucht. In Kapitel 4 werden nichtparametrische Dichteschätzer für Zufallsfelder betrachtet. Für den linearen Schätzer von Devroye und Györfi werden L^1- und L^2-Konvergenzraten hergeleitet. Für mehrdimensionale Wavelets wird der Schätzer von Kerkyacharian und Picard untersucht. Ferner wird die multivariate Version des Schätzers von Donoho et al. betrachtet. In jedem Kapitel werden die Ergebnisse mit Simulationen veranschaulicht.