Univ. Heidelberg
Statistik-Gruppe   Institut für Mathematik   Fakultät für Mathematik und Informatik   Universität Heidelberg
Ruprecht-Karls-Universität Heidelberg Institut für Mathematik Arbeitsgruppe Statistik inverser Probleme
german english french



Publikationen
Kooperationen
Forschungsprojekte
Veranstaltungen
Lehre
Abschlussarbeiten
Personen
Kontakt


Zuletzt geändert am
17 Okt 2024 von JJ
.
Abschlussarbeit:
Bachelor in Mathematik 50%

Autorin:
Sarah HOFFMANN

Titel:
Data-driven density estimation

Betreuer:
Jan JOHANNES

Abstrakt:
Die vorliegende Bachelorarbeit behandelt ein nichtparametrisches Dichteschätzproblem. Ausgehend von den unabhängigen und gleichverteilten zufälligen Daten einer Stichprobe wird der Projektionsdichteschätzer auf nichtparametrische Weise mittels Dimensionsverringerung entwickelt. Es folgen einige Überlegungen, um sein Risiko und die Konvergenzrate zu ermitteln. Der entwickelte Schätzer hängt hierbei von einer optimalen Wahl von d, dem Dimensionsparameter, ab, der in der Praxis auf unbekannten Größen basiert. Daher benötigen wir eine datengetriebene Wahl für unseren Parameter. Das Hauptanliegen der Arbeit ist es, eine adaptive Methode zu entwickeln, die darauf abzielt, einen wirksamen Kompromiss für die Wahl von d zu bestimmen. In diesem Zusammenhang wird die Talagrand-Ungleichung verwendet, um eine obere Schranke für den Fehler in unserer Methode zu berechnen. Anschließend werden die theoretischen Ergebnisse in Simulationen illustriert. Mithilfe zweier Beispiele wird die erreichbare Präzision der Schätzer in Bezug auf die wahre Dichtefunktion beurteilt.

Literatur:
F. Comte. Nonparametric estimation, Spartacus-idh, 2019.
A.B. Tsybakov. Introduction to nonparametric estimation, Springer, 2009.