Afhalen na 1 uur in een winkel met voorraad
Gratis thuislevering in België vanaf € 30
Ruim aanbod met 7 miljoen producten

Afhalen na 1 uur in een winkel met voorraad
Gratis thuislevering in België vanaf € 30
Ruim aanbod met 7 miljoen producten

Winkels

Verlanglijstje

Winkels

Verlanglijstje

Zoeken

Volg ons op

Wist je dat er in Vlaanderen voor iedereen een Standaard Boekhandel is binnen een straal van 7 km?

Zoek een winkel

€ 83,95

+ 167 punten

Levering 2 à 3 weken

Eenvoudig bestellen

Veilig betalen

Gratis thuislevering vanaf € 30 (via bpost)

Gratis levering in je Standaard Boekhandel

Omschrijving

Assume one has to estimate the mean J x P( dx) (or the median of P, or any other functional t;;(P)) on the basis ofi.i.d. observations from P. Ifnothing is known about P, then the sample mean is certainly the best estimator one can think of. If P is known to be the member of a certain parametric family, say {Po: {) E e}, one can usually do better by estimating {) first, say by {)(n)(. .), and using J XPo(n)(;r.) (dx) as an estimate for J xPo(dx). There is an "intermediate" range, where we know something about the unknown probability measure P, but less than parametric theory takes for granted. Practical problems have always led statisticians to invent estimators for such intermediate models, but it usually remained open whether these estimators are nearly optimal or not. There was one exception: The case of "adaptivity", where a "nonparametric" estimate exists which is asymptotically optimal for any parametric submodel. The standard (and for a long time only) example of such a fortunate situation was the estimation of the center of symmetry for a distribution of unknown shape.