Thumbnail

Minimax optimal estimators for general additive functional estimation

Collier, Olivier; Comminges, Laëtitia (2019-08), Minimax optimal estimators for general additive functional estimation. https://basepub.dauphine.fr/handle/123456789/20105

Voir/Ouvrir
Type
Document de travail / Working paper
Lien vers un document non conservé dans cette base
https://hal.archives-ouvertes.fr/hal-02273511
Date
2019-08
Éditeur
Cahier de recherche CEREMADE, Université Paris-Dauphine
Titre de la collection
Cahier de recherche CEREMADE, Université Paris-Dauphine
Ville d’édition
Paris
Pages
19
Métadonnées
Afficher la notice complète
Auteur(s)
Collier, Olivier
Modélisation aléatoire de Paris X [MODAL'X]
Comminges, Laëtitia
CEntre de REcherches en MAthématiques de la DEcision [CEREMADE]
Résumé (EN)
In this paper, we observe a sparse mean vector through Gaussian noise and we aim at estimating some additive functional of the mean in the minimax sense. More precisely, we generalize the results of (Collier et al., 2017, 2019) to a very large class of functionals. The optimal minimax rate is shown to depend on the polynomial approximation rate of the marginal functional, and optimal estimators achieving this rate are built.
Mots-clés
Minimax estimation; additive functional; sparsity; polynomial approximation