Zobrazeno 1 - 10
of 53
pro vyhledávání: '"minimax testing"'
Publikováno v:
The Annals of Statistics, 2019 Apr 01. 47(2), 795-827.
Externí odkaz:
https://www.jstor.org/stable/26581882
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Autor:
Bednarski, Tadeusz
Publikováno v:
The Annals of Statistics, 1982 Mar 01. 10(1), 226-232.
Externí odkaz:
https://www.jstor.org/stable/2240514
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Autor:
Han Liu, Matey Neykov
Publikováno v:
Ann. Statist. 47, no. 5 (2019), 2472-2503
This paper explores the information-theoretic limitations of graph property testing in zero-field Ising models. Instead of learning the entire graph structure, sometimes testing a basic graph property such as connectivity, cycle presence or maximum c
Externí odkaz:
https://explore.openaire.eu/search/publication?articleId=doi_dedup___::e6c449359fd56b0580dcdbe112b3ae96
https://projecteuclid.org/euclid.aos/1564797854
https://projecteuclid.org/euclid.aos/1564797854
Publikováno v:
Bernoulli 26, no. 4 (2020), 3280-3310
We provide the asymptotic minimax detection boundary for a bump, i.e. an abrupt change, in the mean function of a stationary Gaussian process. This will be characterized in terms of the asymptotic behavior of the bump length and height as well as the
Externí odkaz:
https://explore.openaire.eu/search/publication?articleId=doi_dedup___::f12913d6340e567169d0a8697095ec48
http://arxiv.org/abs/1906.08017
http://arxiv.org/abs/1906.08017
Publikováno v:
Ann. Statist. 47, no. 2 (2019), 795-827
We propose a new family of combinatorial inference problems for graphical models. Unlike classical statistical inference where the main interest is point estimation or parameter testing, combinatorial inference aims at testing the global structure of
Externí odkaz:
https://explore.openaire.eu/search/publication?articleId=doi_dedup___::aff9b1fd4af21e51bb97ebe472228764
https://projecteuclid.org/euclid.aos/1547197239
https://projecteuclid.org/euclid.aos/1547197239