Zobrazeno 1 - 10
of 235
pro vyhledávání: '"Efromovich, Sam"'
Autor:
Efromovich, Sam, Fuksman, Lirit
Publikováno v:
In Computational Statistics and Data Analysis October 2024 198
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Autor:
Efromovich, Sam1 (AUTHOR) efrom@utdallas.edu, Wu, Jiaju1 (AUTHOR)
Publikováno v:
Communications in Statistics: Theory & Methods. 2024, Vol. 53 Issue 18, p6671-6694. 24p.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Autor:
Efromovich, Sam
Publikováno v:
Annals of Statistics 2013, Vol. 41, No. 3, 1542-1568
The paper is devoted to the problem of estimation of a univariate component in a heteroscedastic nonparametric multiple regression under the mean integrated squared error (MISE) criteria. The aim is to understand how the scale function should be used
Externí odkaz:
http://arxiv.org/abs/1308.2809
Autor:
Efromovich, Sam
Publikováno v:
Mathematical Methods of Statistics; Jun2024, Vol. 33 Issue 2, p154-181, 28p
Autor:
Efromovich, Sam
Publikováno v:
Annals of Statistics 2008, Vol. 36, No. 3, 1127-1155
The theory of adaptive estimation and oracle inequalities for the case of Gaussian-shift--finite-interval experiments has made significant progress in recent years. In particular, sharp-minimax adaptive estimators and exact exponential-type oracle in
Externí odkaz:
http://arxiv.org/abs/0806.2909
Autor:
Efromovich, Sam
Publikováno v:
Annals of Statistics 2007, Vol. 35, No. 6, 2504-2535
Regression problems are traditionally analyzed via univariate characteristics like the regression function, scale function and marginal density of regression errors. These characteristics are useful and informative whenever the association between th
Externí odkaz:
http://arxiv.org/abs/0803.2984
Autor:
Efromovich, Sam
Publikováno v:
Annals of Statistics 2005, Vol. 33, No. 5, 2194-2227
Estimation of the density of regression errors is a fundamental issue in regression analysis and it is typically explored via a parametric approach. This article uses a nonparametric approach with the mean integrated squared error (MISE) criterion. I
Externí odkaz:
http://arxiv.org/abs/math/0602242