Maximum likelihood estimators and random walks in long memory models
我们考虑由高斯和非高斯自相似过程驱动的统计模型，并构造漂移参数的最大似然估计（MLE）。我们的方法是基于近似的随机游动的驱动噪声。我们研究了估计量的渐近性质，并给出了一些数值模拟来说明我们的结果。
2009-12-19 math.PR math.ST stat.TH
The S-Estimator in Change-Point Random Model with Long Memory
本文考虑两阶段随机设计线性回归模型。误差和回归量是平稳的长程相关高斯。回归参数、尺度参数和变点的估计采用了Escherseuw和Yohai（1984）提出的方法。这被称为S-估计量，它具有比经典估计量更鲁棒的特性;离群值不会破坏估计结果。证明了S-估计量的强相合性和收敛速度等渐近结果。
2009-06-09 math.ST stat.ME stat.TH
Strang splitting estimator for nonlinear multivariate stochastic differential equations with Pearson-type multiplicative noise
University of Copenhagen（哥本哈根大学）；University of Bielefeld（比勒费尔德大学）；Univ. Grenoble Alpes（格勒诺布尔阿尔卑斯大学）
本文提出基于 Strang 分裂的参数估计器，用于具有 Pearson 型乘法噪声的非线性多元随机微分方程，通过分解随机系统为确定性非线性常微分方程和多元 Pearson 扩散，结合高斯过渡近似和精确矩，证明了估计器的一致性和渐近有效性。
2026-04-23 math.ST stat.ME stat.TH
Peak-over-Threshold Estimators for Spectral Tail Processes: Random vs Deterministic Thresholds
规则变化的平稳时间序列的极值依赖性可以用谱尾过程来描述。Drees，Segers and Warchol [Extremes 18（3）：369--402，2015]提出了基于高确定性阈值上的方差的该过程的边缘分布的估计，并分析了它们的渐近行为。然而，在实践中，应用的估计量的版本使用随机阈值，如中间顺序统计量的方差。我们证明了这些修正估计具有相同的极限分布。这一发现在模拟研究中得到证实，但使用顺序统计量的版本对有限样本的表现稍好。
2019-07-22 math.ST stat.ME stat.TH
On a class of minimum contrast estimators for Gegenbauer random fields
本文介绍了基于分数阶差分算子和Gegenbauer多项式的空间长程相关模型。得到了模型参数的一类最小对比度估计的相合性和渐近正态性。提出了一种检验最小对比度估计的相合性和渐近正态性的方法。数值结果证实了理论研究结果。
2015-01-20 math.PR math.ST stat.TH
A family of median based estimators in simple random sampling
本文在简单随机抽样中提出了一种利用总体参数已知值的中位估计。各种现有的估计显示特定成员的建议估计。在无替换的简单随机抽样下，得到了估计量的一阶近似偏差和均方误差。最后，通过一个实证研究来判断所提出的估计量的优越性.
2014-04-10 math.ST stat.TH
A Lynden-Bell integral estimator for the tail index of right-truncated data with a random threshold
本文利用具有确定性阈值的Lynden-Bell积分，讨论了Worms和Worms [A Lynden-Bell integral estimator for extremes of randomized truncated data.中央集权主义者可能吧Lett. 2016; 109：106-117]最近介绍了随机右截断Pareto型数据的尾指数的渐近正态估计。在这种情况下，我们考虑随机阈值的情况下，得到一个Hill型估计，并建立其一致性和渐近正态性。仿真研究进行评估所提出的估计的有限样本行为。
2016-11-20 math.ST stat.TH
Least square estimators in linear regression models under negatively superadditive dependent random observations
本文研究了基于随机观测的线性回归模型中最小二乘估计的渐近性质。我们提供了温和的假设的时刻和依赖结构的随机间隔的观察和残差下的估计是强一致的。特别是，我们考虑的观察实例是负超加性相互依赖的，而对于残差，我们只是假设它们是由一些连续函数产生的。此外，我们证明了收敛速率是成比例的采样率$N$，我们补充我们的研究结果与模拟研究提供的见解有限的样本属性。
2021-10-06 math.PR math.ST stat.TH
Drift parameter estimation for nonlinear reflected stochastic differential equations
研究了基于连续观测的非线性反射型随机微分方程漂移参数的极大似然估计和最小二乘估计。在一定的正则条件下，我们得到了这两个估计量的相合性并给出了它们的渐近分布。我们简要地指出，我们的方法可以应用于只有单侧反射壁的反射随机过程。数值研究表明，所提出的估计是足够的实际应用。
2022-04-30 math.ST stat.TH
Asymptotic normality for estimators of the additive regression components under random censorship
在随机删失情形下，建立了可加回归分量估计的渐近正态性。为了建立我们的估计量，我们将边际积分方法（Newey（1994））与Carbonez et al.（1995）和Kohler et al.（2002）引入的多元删失回归函数的初始逆删失概率加权估计量相结合。渐近置信带来自我们的结果。
2008-03-07 math.ST stat.TH
Complexity regularization for nonlinear inverse problems
我们提供了一个大类的反问题，包括非线性反问题的估计。使用复杂性正则化技术，我们提供了自适应估计器，实现最佳速率的模型集合。
2005-02-01 math.ST stat.TH
Exponential Ratio Type Estimators In Stratified Random Sampling
Kadilar和Cingi（2003）在分层随机抽样中引入了一类使用辅助信息的估计量。本文利用Bahl和Tuteja（1991）及Kadilar和Cingi（2003）的估计量，给出了分层随机抽样中总体均值估计的比估计.得到了估计量的均方误差（MSE）方程，得到了估计量比其它估计量更有效的理论条件。这些理论研究结果的数值例子支持。
2013-01-22 math.ST stat.TH
An Improvement on the Hotelling $T^2$ Test Using the Ledoit-Wolf Nonlinear Shrinkage Estimator
Hotelling的$T^2$检验是一种经典的方法，用于区分共享总体协方差阵的两个多元正态样本的均值。Hotelling检验对于高维样本并不理想，因为估计的样本协方差阵的特征值对于其总体对应矩阵是不一致的估计量。我们用Ledoit和Wolf 2020的非线性收缩估计量代替了样本协方差阵。我们根据经验观察到，对于亚高斯数据，所得算法优于过去的方法（Bai和Saranadasa 1996，Chen和Qin 2010，以及Li等人2020），适用于一系列人口协方差阵，其中包括具有高或低条件数和许多或少数非平凡的矩阵-即，峰值特征值
2022-06-03 math.ST stat.TH
On comparison of estimators for proportional error nonlinear regression models in the limit of small measurement error
本文比较了比例误差非线性回归模型的极大似然（ML）、拟似然（QL）和加权最小二乘（WLS）估计。热释光沉积测年的文献揭示了另一种类似于加权最小二乘法的估计，但观察到的反应用作权重。我们称之为数据加权最小二乘（DWLS）的估计量也包含在比较中。我们发现，在顺序$σ, $所有四个估计的行为类似于普通的最小二乘估计标准的线性回归模型。在$σ^2, $的阶上，估计量有偏差。在小的测量误差的限制下是有效的公式推导出的偏差和方差的四个估计。最大似然估计比拟似然估计具有更小的偏差。条件下，加权最小二乘和最大似然估计有类似的偏差。在$σ^ {2} $阶上，所有估计量具有相似的标准误差。在高阶$σ$上，当随机误差的前四阶矩与正态分布相同时，极大似然估计比拟似然估计具有更小的方差.最大似然和拟似然估计方程是无偏的。在大样本下，这两个估计量服从多元正态分布。加权最小二乘和数据加权最小二乘的估计方程是有偏的。然而，在$σ\to 0$和$n \to \infty, $的极限下，如果$ n^ {1/2} σ$保持有界，则这两个估计量也服从多元正态分布。模拟研究证明了适用性的推导公式中存在的测量误差典型的沉积数据。结果表明，从热释光沉积测年的数据集。
2019-11-21 math.ST stat.TH
Stein's method of moment estimators for local dependency exponential random graph models
University of Oxford（牛津大学）；University of Warwick（华威大学）
本文提出利用Stein估计器改进指数随机图模型的参数估计，通过Stein特征化方法获得新的估计器，解决传统最大似然估计计算复杂的问题。
2026-03-25 math.ST stat.ME stat.TH
Asymptotic normality of the Parzen-Rosenblatt density estimator for strongly mixing random fields
本文证明了Rosenblatt（1956）和Parzen（1962）提出的核密度估计在平稳强混合随机场中的渐近正态性。我们的方法是基于Lindeberg的方法，而不是伯恩斯坦的小块-大块技术和耦合参数广泛使用的非参数估计的空间过程在以前的作品。我们的方法允许我们只考虑带宽参数的最小条件，并提供了一个简单的标准（非均匀）不依赖于带宽的强混合系数。
2010-08-07 math.PR math.ST stat.TH
Eigenvalue distributions of variance components estimators in high-dimensional random effects models
研究了多元随机效应模型中方差分量协方差阵的MANOVA估计的谱。当观测的维数是大的，每个随机效应的实现的数量相比，我们表明，这种估计的经验谱是很好的近似确定性的法律。这些法律的斯蒂尔切斯变换的特点是固定点方程组，这是一个简单的迭代过程数值求解。我们的证明使用算子值自由概率论，我们建立了一个一般的渐近自由的结果，家庭的矩形正交不变的随机矩阵，这是独立的利益。我们的工作的动机是在数量遗传学中的多个表型性状之间的协方差分量的估计，我们专门我们的结果，以共同的试验设计，在这个应用程序中出现。
2017-11-01 math.PR math.ST stat.TH
Interpolation Estimator for Infinite Sets of Random Vectors
我们提出了一种方法来估计无限集的随机向量。所处理的问题如下。给定两个无限多组随机向量，找到一个估计向量的单一估计量，该估计量具有受控的相关误差。一个新的理论存在和实施这样的估计进行了研究。特别是，我们证明了所提出的估计是渐近最优的。此外，估计量是根据伪逆矩阵确定的，因此它总是存在的。
2021-11-03 eess.SP math.ST stat.TH
Robustness and Efficiency of Rosenbaum's Rank-based Estimator in Randomized Trials: A Design-based Perspective
Stanford University（斯坦福大学）；University of Chicago（芝加哥大学）；University of Wisconsin-Madison（威斯康星大学麦迪逊分校）；Columbia University（哥伦比亚大学）
本文研究了罗森鲍姆基于秩的估计量在随机试验中的稳健性和效率，提出回归调整方法并证明其在特定条件下效率不低于未调整方法。
2026-02-06 math.ST stat.ME stat.TH
Single index regression models with randomly left-truncated data
本文基于Ould-Said和Lemdani（Ann. Instit.中央集权主义者Math.2006），我们发展了一些新的广义M-估计程序的单指标回归模型的左截断响应。我们的估计量的相合性和渐近正态性也得到了证明。一些模拟研究调查有限样本性能的估计。
2018-01-19 math.PR math.ST stat.TH
The Generalized Oaxaca-Blinder Estimator
在进行随机实验后，研究人员在估计平均治疗效果时，经常使用普通最小二乘（OLS）回归来调整基线协变量。众所周知，即使错误指定了线性模型，得到的置信区间也是有效的。本文将这一结论推广到非线性模型的协变量平差。我们介绍了一种直观的方法，使用任何“简单”的非线性模型来构建协变量调整的平均治疗效果的置信区间。置信区间的有效性仅来自随机化，当非线性模型比线性模型更好地拟合数据时，它比OLS调整的通常区间窄。
2020-04-24 math.ST stat.ME stat.TH
Maximum likelihood estimator consistency for ballistic random walk in a parametric random environment
考虑一维弹道随机游动在独立同分布中的演化。参数随机环境给出了一种基于路径到达远点的单次观测的环境参数的极大似然估计方法，并证明了当远点趋于无穷大时，该估计量是相合的.我们还探讨了我们的估计过程的数值性能。
2012-10-24 math.ST stat.TH
Improved estimator of population variance using information on auxiliary attribute in simple random sampling
Singh和Kumar（2011）提出了使用辅助属性计算总体方差的估计量。本文在Kadilar和Cingi（2004）和Singh等人（2007）提出的估计量的基础上提出了一个估计量族，并引入了一个新的使用辅助属性的估计量族。的均方误差（MSE）的适应和建议的家庭的表达式推导出来。结果表明，自适应估计量和建议估计量比Singh和Kumar（2011）估计量更有效。理论研究结果支持的数值例子。
2014-03-02 math.ST stat.TH
A nonparametric estimator of the spectral density of a continuous-time Gaussian process observed at random times
在许多应用中，在随机时间观察数据，并且谱密度的估计图可能与表征和解释现象有关。通过使用小波分析，人们从随机离散时间的一个路径的观测导出具有平稳增量的高斯过程（或平稳高斯过程）的谱密度的非参数估计。对于每一个正的频率，该估计被证明是满足中心极限定理的收敛速度取决于粗糙度的过程和连续观测之间的随机持续时间的时刻。在平稳高斯过程的情况下，可以将此估计量与基于经验周期图的估计量进行比较。这两种估计达到相同的最佳收敛速率，但基于小波分析的估计收敛于不同类的随机时间。模拟的例子和应用程序的生物数据也提供。
2009-11-27 math.ST stat.TH
Asymptotic normality and efficiency of the maximum likelihood estimator for the parameter of a ballistic random walk in a random environment
考虑了在参数独立同分布随机环境中演化的一维弹道随机游动。我们研究的渐近性质的参数的最大似然估计的基础上，一个单一的观察的路径，直到它到达一个遥远的网站。我们证明了一个渐近正态性的结果，这个一致的估计作为遥远的网站趋于无穷大，并建立它达到Cramér-Rao界。我们还探讨了在模拟设置的数值行为的渐近置信区域的参数值。
2013-11-14 math.ST stat.TH
Improved Family of Estimators of Population Mean in Simple Random Sampling
本文给出了在有辅助信息的情况下，无替换简单随机抽样总体均值的估计方法。在大样本近似下，导出了估计量的均方误差表达式。我们已经比较了几个现有的估计所提出的估计的性能。理论和实证研究结果是令人鼓舞的，并支持合理的平均估计的建议程序。
2013-08-27 math.ST stat.TH
Improved estimators in simple random sampling when study variable is an attribute
本文讨论的问题，估计人口平均数的辅助信息的存在下，研究变量本身是定性的性质。估计类的偏差和均方误差（MSE）的表达式推导到一阶近似。建议的估计量与传统估计量和Singh（2010）考虑的其他几个估计量进行了比较。此外，我们支持这一理论结果的实证研究表明，优于其他的构造估计。
2013-12-11 math.ST stat.TH
Exponential ratio-product type estimators under second order approximation in stratified random sampling
Singh等人（20009）在分层随机抽样中引入了指数比和乘积型估计量族。在无替换方案的分层随机抽样下，导出了Singh等（2009）及其他一些估计量的偏差和均方误差的一阶和二阶近似表达式.此外，理论研究结果的数值例子支持。
2014-04-08 math.ST stat.TH
Limit distribution of the least square estimator with observations sampled at random times driven by standard Brownian motion
在这篇文章中，我们研究了最小二乘估计的极限分布，适当的归一化，从回归模型中的观察被假定为有限的（$αN$）和两个不同的随机时间下采样。基于特征函数的极限性质和收敛性结果，证明了最小二乘估计的渐近正态性。我们目前的模拟结果来说明我们的理论结果。
2020-12-16 math.ST stat.TH
On the asymptotic normality of kernel density estimators for linear random fields
建立了因果线性随机场核密度估计的渐近正态性的充分条件。我们对线性随机场系数的条件比已知结果弱，尽管我们对带宽的假设不是最小的。证明是基于$m$ -近似方法。作为关键的一步，我们证明了具有无界$m$的平稳$m$相关随机场三角阵列的中心极限定理.我们还应用最近建立的平稳随机场的矩不等式。
2011-12-31 math.ST stat.TH
Bounds for the normal approximation of the maximum likelihood estimator from m-dependent random variables
最大似然估计（MLE）的渐近正态性是一个长期建立的结果。对于独立随机变量的情形，最近已经得到了极大似然估计的分布与正态分布之间的分布距离的显式界。本文在随机变量之间引入了一种局部依赖结构，并给出了Wasserstein度量的上界.
2016-09-19 math.ST stat.TH
Linear estimators for Gaussian random variables in Hilbert spaces
Albert Ludwig University of Freiburg（弗赖堡阿尔伯特·路德维希大学）；University of Wuppertal（伍珀塔尔大学）
本文研究了无限维高斯随机变量的线性估计方法，推导了均值和方差的估计器，并探讨了置信区间、假设检验及线性回归问题。
2024-06-07 math.FA math.PR math.ST
A new non-parametric estimator of the cumulative distribution function under time-and random-censoring
本文针对左删失数据提出一种基于反向风险率和非参数似然的新累积分布函数估计量，并通过实际数据应用验证其有效性。
2023-07-10 math.ST stat.TH
Sub-Gaussian estimators of the mean of a random vector
我们研究的问题估计的平均值的随机向量$X$给定样本的$N$独立，同分布的点。我们引入了一个新的估计，实现了一个纯粹的亚高斯性能的唯一条件下，存在的$X$的二阶矩。估计是基于一个新的概念，多元中位数。
2017-02-01 math.ST stat.ML stat.TH
Random matrices based schemes for stable and robust nonparametric and functional regression estimators
在第一部分的工作中，我们开发了一个新的计划解决非参数回归问题。这是根据在某些随机点处给出的函数的近似值的知识，对可能较低的正则函数和噪声函数的近似。该方案基于随机投影矩阵的伪逆，结合了雅可比多项式系统的一些特殊性质以及正定随机矩阵的一些性质.该方案具有稳定、鲁棒、准确和执行速度快的优点。特别是，我们提供了一个$L_2$以及我们提出的非参数回归估计的$L_2-$风险误差。此外，与大多数现有的非参数回归估计，不需要额外的正则化步骤，我们提出的估计。虽然，这个估计器最初被设计用于单变量i.i.d.的随机抽样集。随机变量服从β分布，我们证明了它仍然适用于广泛的抽样分布规律。此外，我们简要描述了我们的估计可以适应，以处理随机抽样集的多变量情况。在第二部分中，我们扩展了随机伪逆格式技术，建立了一个稳定和准确的估计解决线性泛函回归（LFR）问题。一个二进分割的方法是用来构造这个最后的稳定估计的LFR问题。此外，我们给出了我们提出的LFR估计的$L_2-$风险误差。最后，通过各种数值模拟说明了这两种估计器的性能。特别是，一个真实的数据集被用来说明我们的非参数回归估计的性能。
2021-10-26 math.ST stat.TH
Improved estimator of finite population mean using auxiliary attribute in stratified random sampling
本文讨论了分层随机抽样中有限总体均值的辅助估计问题。本文利用研究变量与辅助属性之间的点双序列相关性，改进了分层随机抽样中总体均值的估计。在分层随机抽样条件下，导出了偏差和均方误差的表达式。此外，已进行了实证研究，以检查所提出的估计量的优点，在现有的估计。
2014-08-12 math.ST stat.TH
Convergence of least squares estimators in the adaptive Wynn algorithm for a class of nonlinear regression models
本文继续了作者在非线性回归模型中的自适应Wynn算法的工作。本文证明了当均值响应函数满足Pronzato \cite{Pronzato}提出的“饱和可辨识性”条件时，自适应最小二乘估计是强相合的.该条件表明回归参数在任何饱和设计下都是可识别的，即，在任何$p$不同设计点处的平均响应函数的值唯一地确定参数点，其中通常，$p$是回归参数向量的维数。进一步的基本假设是实验区域和参数空间的紧性以及一些自然连续性假设。若真参数点是参数空间的内点，则在一定的光滑性假设和随机误差的渐近同方差下，得到了自适应最小二乘估计的渐近正态性.
2019-09-09 math.ST stat.TH
Maximum likelihood estimator and its consistency for an $(L,1)$ random walk in a parametric random environment
考虑在i.i.d.中的$(L,1)$随机游动。随机环境，其环境包含一定的参数。我们得到了环境参数的极大似然估计，它可以表示为随机环境中带移民的多型分支过程的泛函。由于所涉及的多型BPIRE的后代分布是线性分式的，因此可以显式地计算多型BPIRE的极限不变分布。结果，我们得到了MLE的一致性。我们的结果是Comets等人[随机过程]的推广。2014，124，268-288]。
2018-08-30 math.ST stat.TH
Some improved estimators for estimating population mean in stratified random sampling
本文对有辅助信息的分层抽样总体均值的估计提出了一些改进的估计。在大样本近似下，得到了估计量的均方误差。在最优条件下，本文提出的估计量优于通常的无偏估计量和Hansen（1946）估计量。理论和实证研究结果是令人鼓舞的，并支持合理的平均估计的建议程序。
2013-09-12 math.ST stat.TH
Estimating linear functionals in nonlinear regression with responses missing at random
我们考虑具有参数（线性或非线性）回归函数的回归模型，并允许响应随机缺失。我们假设误差的均值为零，并且与协变量无关。为了估计协变量和响应函数的期望，我们使用完全插补估计量，即基于给定协变量的条件期望估计量的经验估计量。我们利用协变量和误差的独立性，将条件期望写成无条件期望，现在可以由经验插件估计器估计。通过添加适当的基于残差的权重，利用对误差分布的平均零约束。我们证明，估计是有效的（在意义上的Hájek和Le Cam），如果使用一个有效的估计参数。我们的研究结果产生了新的有效的估计平滑变换的期望。估计的平均响应作为一个特殊的（退化）的情况下进行了讨论。
2009-08-21 math.ST stat.TH
A strong uniform convergence rate of a kernel conditional quantile estimator under random left-truncation and dependent data
本文研究了随机左截尾数据具有某种相依性时核条件分位数估计的一些渐近性质。本文推广了Lemdani，Ould-Saïd和Poulin [16]在iid情形下的结果.在强混合假设下，得到了估计的一致强收敛速度。
2008-10-07 math.ST stat.TH
Parameter estimation for random sampled Regression Model with Long Memory Noise
本文给出了随机采样分数阶布朗运动增量驱动的线性回归模型漂移参数的最小二乘估计。对于两种不同的随机时间，抖动和更新过程抽样，证明了估计量的相合性。仿真研究表明，在不同的Hurst参数H值的估计性能。
2019-02-22 math.ST stat.ME stat.TH
Non parametric estimation for random walks in random environment
我们考虑独立同分布中的随机游动。Z上分布为$ν$的随机环境。我们感兴趣的问题是提供累积分布函数（c.d. f.）从随机游动的一条轨迹的观察值得到$ν$的F。为此，我们首先估计的时刻$ν$，然后结合这些时刻估计，以获得一个集合的估计（F M n）M $\ge$ 1的F，我们的最终估计是选择这个集合中的Lepskii的方法。因此，该估计量在实践中很容易计算。我们得到这个估计的收敛速度取决于H{<$}lder正则性的F和步行的发散率。我们的速度是最佳的，当链实现快速探索网站之间的权衡，允许获得更多的信息和每个网站的大量访问，允许更好地恢复环境本身。
2016-06-13 math.ST stat.TH
Asymptotic normality for deconvolution kernel density estimators from random fields
本文讨论了受测量误差污染的目标随机场$X_{\bf{i}}$的连续密度函数$\bf{i}\in \mathbb {Z}^N$的估计问题。特别地，观测到的随机场$Y_{\bf{i}}$，$\bf{i}\in \mathbb {Z}^N$使得$Y_{\bf{i}}=X_{\bf{i}}+ε_{\bf{i}}$，其中随机误差$ε_{\bf{i}}$来自已知分布并且与目标随机场无关。与已有结果相比，本文在两个方面进行了改进。首先，研究了与单变量随机变量不同的随机向量。第二，一个具有一定空间相互作用的随机场，而不是i。I. D.研究了随机变量。在适当的条件下，证明了该估计量的渐近正态性.
2014-07-16 math.ST stat.TH
Gaussian approximation to the extreme value index estimator of a heavy-tailed distribution under random censoring
我们利用经验过程理论来近似的适应希尔估计，删失数据，在高斯过程。然后，我们得到了它的渐近正态性，只有在通常的二阶正则变化的条件下。我们的方法允许放松的假设，在Einmahl，Fils-Villetard和Guillou（2008），重尾分布函数和样本分数的上顺序统计量。
2015-07-06 math.ST stat.TH
Parameter estimators of random intersection graphs with thinned communities
研究了由大量随机大小的重叠社区组成的统计网络模型，其中共享社区的任意一对节点通过社区以概率$q$连接。在$q=1$的特殊情况下，该模型简化为一个随机交图，这是已知的，以产生高层次的传递性，也在稀疏的上下文中。参数$q$增加了一个自由度，并导致一个简约的和易于分析的网络模型，具有可调的密度，传递性和度波动。我们证明了该模型的参数可以一致估计在大和稀疏的限制制度使用矩估计的基础上部分观察到的密度的链接，2星，和三角形。
2018-06-24 cs.SI math.PR math.ST
On Varieties of Doubly Robust Estimators Under Missingness Not at Random With a Shadow Variable
假设我们感兴趣的是一个非随机缺失的结果变量的均值。然而，假设我们有一个完全可观察的影子变量，它与结果相关，但独立于以协变量和可能未观察到的结果为条件的缺失过程。这样的变量可能是一个代理或所有个人可用的结果的错误测量版本。我们以前已经建立了充要条件的充分必要条件，在这样一个设置的充分数据法的识别，并描述了半参数估计，包括一个双稳健估计的结果。在这里，我们提出了两个替代的双重稳健估计的结果意味着，这可能被视为类似的方法随机缺失下的扩展，但享受不同的属性。我们通过简单的拟合优度测试来评估所需工作模型的正确性。
2016-01-25 math.ST stat.TH
Limit theorems for the pre-averaged Hayashi-Yoshida estimator with random sampling
我们将着重于估计两个扩散过程中观察到的非同步方式的综合协方差。观测数据被一些噪声污染，这些噪声可能与扩散过程的返回相关，而采样时间也可能取决于所观测的过程。在高频情形下，我们考虑了预平均Hayashi-Yoshida估计的一个修正形式，证明了这类估计具有相合性和渐近混合正态性，并获得了最优的收敛速率.
2013-05-06 math.ST stat.TH
A Diagnostic for Bias in Linear Mixed Model Estimators Induced by Dependence Between the Random Effects and the Corresponding Model Matrix
University of Iowa（爱荷华大学）
该研究分析了线性混合模型中随机效应与模型矩阵的相关性引发的估计量偏差，给出了偏差无偏的条件，量化了偏差并提出诊断方法，通过体育赛事结果验证了该方法的有效性。
2026-10-23 math.ST stat.AP stat.TH
Estimating the intensity of a random measure by histogram type estimators
本文的目的是在可测空间的有限分划上用分段常数函数估计随机测度的强度。给定一个（可能很大的）候选分区家族，我们在每个分区上构建一个分段常数估计（直方图），然后使用数据在家族中选择一个估计。选择平方的海林格型距离作为我们的损失函数，我们表明，每个估计建立在一个给定的分区满足模拟的经典平方偏差加方差风险界。此外，选择过程导致最终估计满足一些预言型不等式，与往常一样，可能的损失对应于我们考虑的分区的家庭的复杂性。当这种复杂性不是太高时，所选择的估计量具有风险界，直到一个普适常数，由家族中估计量的最小风险界获得。对于适当的选择家庭的分区，我们推导出统一的风险界在各种类别的强度。我们的方法适用于非齐次泊松过程的强度估计，以及其他计数过程，或具有非负分量的随机向量的均值估计。
2006-08-27 math.ST stat.TH
Geometric sensitivity of random matrix results: consequences for shrinkage estimators of covariance and related statistical methods
协方差的收缩估计是现代应用统计和理论统计中的一个重要工具。它们在正则化估计问题中起着关键作用，例如岭回归（又名Tykhonov正则化），正则化判别分析和各种最优化问题。在本文中，我们带来承担随机矩阵理论的工具，以了解他们的行为，特别是，二次型涉及这些估计的逆，这在实践中是很重要的。我们使用非常温和的假设相比，通常的假设在随机矩阵理论，只需要温和的条件，我们的随机向量的线性和二次型的时刻。特别是，我们表明，我们的结果适用于例如对数正态数据，这是金融应用的兴趣。我们的研究突出了随机矩阵结果（及其实际后果）的几何假设，这往往是隐含的随机矩阵理论家，可能不相关的数据分析实践中的相对敏感性。
2011-05-07 math.ST stat.TH
Matching Correlated Inhomogeneous Random Graphs using the $k$-core Estimator
Northwestern University（西北大学）；Princeton University（普林斯顿大学）
我们考虑的任务是估计两个边相关的随机图与通用的，非齐次结构之间的潜在顶点对应。我们研究了所谓的\emph{$k$-core estimator}，它输出一个顶点对应，导致一个大的，共同的子图的两个图，具有最低程度至少$k$。我们推导出充分条件下，$k$核心估计完全或部分恢复潜在的顶点对应。最后，我们专门我们的一般框架，以获得新的结果，在相关的随机块模型，相关的Chung-Lu图，相关的随机几何图的精确和部分恢复。
2023-02-10 cs.IT cs.LG cs.SI
The consistency of estimator under fixed design regression model with NQD errors
本文基于NQD样本，研究了固定设计非参数回归模型，其中误差为两两NQD随机误差，设计点固定，函数未知。引入非参数加权估计并研究其相合性。作为特例，得到了模型加权核估计的相合性结果。这将以前关于独立随机误差和相关随机误差的工作推广到NQD情形。
2013-12-03 math.ST stat.TH
Penalized regression adjusted causal effect estimates in high dimensional randomized experiments
在随机试验中，当存在多个预试验协变量时，回归调整常被研究者用来提高因果效应的估计效率。在本文中，我们提供了条件，保证惩罚回归，包括岭，弹性网络和自适应Lasso调整的因果效应估计是渐近正态的，我们证明了它们的渐近方差不大于的简单差分均值估计，只要惩罚估计是风险一致的。我们还提供了保守估计的渐近方差，可用于构建渐近保守的置信区间的平均因果效应（ACE）。我们的结果是在随机试验的Neyman-Rubin潜在结果模型下得到的。仿真研究表明，惩罚回归调整ACE估计优于均值差估计。
2018-09-24 math.ST stat.TH
