Posterior Probability Intervals for Wavelet Thresholding
小波阈值估计的后验概率区间AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要研究小波非参数回归的区间推断，未明确对应用户提供的领域细分。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
小波阈值估计的后验概率区间
- 研究问题
- 如何为小波回归估计高效构造贝叶斯可信区间，并考察这些区间在不均匀函数及平滑曲线下的覆盖表现？
- 方法与思路
- 作者由前四阶后验累积量出发，以更细尺度的尺度函数近似母小波幂，修改离散小波变换，再用 Johnson 变换生成区间。
- 材料陈述的贡献
- 摘要称该方法可高效计算后验累积量；模拟中区间对不均匀函数具有良好覆盖率，对平滑曲线仍有竞争力。
- 阅读关注点
- 应核对先验及阈值设定、累积量近似与 Johnson 变换的误差，并区分贝叶斯可信水平和模拟频率覆盖率。
- 阅读边界
- 仅据所给 Crossref 摘要；摘要未提供先验、覆盖率数值或模拟设计，所述表现不能视为所有函数下的覆盖保证。
原文摘要
Summary We use cumulants to derive Bayesian credible intervals for wavelet regression estimates. The first four cumulants of the posterior distribution of the estimates are expressed in terms of the observed data and integer powers of the mother wavelet functions. These powers are closely approximated by linear combinations of wavelet scaling functions at an appropriate finer scale. Hence, a suitable modification of the discrete wavelet transform allows the posterior cumulants to be found efficiently for any given data set. Johnson transformations then yield the credible intervals themselves. Simulations show that these intervals have good coverage rates, even when the underlying function is inhomogeneous, where standard methods fail. In the case where the curve is smooth, the performance of our intervals remains competitive with established nonparametric regression methods.