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

Autorin:
Emma Dingel

Titel:
Density estimation for functional data under differential privacy

Betreuer:
Jan JOHANNES

Abstrakt:
In dieser Arbeit betrachten wir statistische Modelle, welche den Datenschutz berücksichtigen. Um den Anforderungen des Datenschutzes gerecht zu werden, kontaminieren wir die funktionalen Daten mit unabhängigen Wiener Prozessen. Wir zeigen, dass die kontaminierten Daten eine Wiener Dichte besitzen, welche eindeutig die Verteilung der ursprünglichen funktionalen Daten charakterisiert. Danach konstruieren wir einen nichtparametrischen Schätzer der funktionalen Dichte. Zudem leiten wir eine obere Schranke für seine mittlere integrierte quadratische Abweichung her, welche polynomiale Konvergenzraten erreicht. Außerdem leiten wir eine untere Schranke für die Minimax Konvergenzrate her, welche nahe an der Konvergenzrate unseres Schätzers liegt.

Literatur:
A. Delaigle und A. Meister. Nonparametric density estimation for intentionally corrupted functional data, arXiv:1912.07879, 2019.