Jump estimation for noisy blurred step functions
Sprungschätzung für verrauschte Beobachtungen von verschmierten Treppenfunktionen
von Leif Boysen
Datum der mündl. Prüfung:2006-05-09
Erschienen:2006-09-18
Betreuer:Prof. Dr. Axel Munk
Gutachter:Prof. Dr. Axel Munk
Gutachter:Prof. Dr. Lutz Dümbgen
Dateien
Name:boysen.pdf
Size:1.82Mb
Format:PDF
Description:Dissertation
Zusammenfassung
Englisch
We consider the estimation of a step function $f$ from noisy observations of $Kf$, where $K$ is some integral operator with bounded integral Kernel. We use a penalized least squares estimator to reconstruct the signal $f$ from the observations, with penalty equal to the number of jumps of the reconstruction. Asymptotically, it is possible to correctly estimate the number of jumps with probability one. Given that the number of jumps is correctly estimated, we show that the corresponding parameter estimates of the jump locations and jump heights are $n^{-1/2}$ consistent and converge to a joint normal distribution with covariance structure depending on the operator $K$. We find that the rate does not depend on the spectral information of the operator.
Keywords: Statistical inverse problems; change-point estimation; reconstruction with step functions
Weitere Sprachen
Wir betrachten das Schätzen einer Treppenfunktion $f$ aus verrauschten Beobachtungen von $Kf$, wobei $K$ ein Integraloperator mit beschränktem Integralkern ist. Zur Rekonstruktion von $f$ aus den Beobachtungen verwenden wir einen penalisierten kleinste Quadrate Schätzer, wobei der Penalisierungsterm der Anzahl der Sprünge der Rekonstruktion entspricht. Wir zeigen, dass asymptotisch die richtige Anzahl der Sprünge mit Wahrscheinlichkeit eins geschätzt werden kann. Unter der Vorraussetzung, dass diese Anzahl richtig geschätzt wurde, konvergieren die Schätzer der Sprungstellen und Sprunghöhen mit einer $n^{-1/2}$ Rate gegen die wahren Werte. Außerdem konvergiert die Verteilung des normalisierten Vektors der Schätzer gegen eine Normalverteilung deren Kovarianzstruktur vom Operator $K$ abhängt. Wir zeigen, dass die Konvergenzrate unabhängig von der Spektralinformation des Operators ist.
Schlagwörter: Statistische Inverse Probleme; Schätzen von Sprungstellen; Rekonstruktion mit Treppenfunktionen