Easy confidence interval formulas for network meta-analysis and adjustment of confidence intervals for a small number of studies
我们提出了简单的公式的置信区间的Wald统计量，似然比统计量，得分统计的网络荟萃分析。此外，我们还考虑了对少数研究的网络荟萃分析不能保持名义置信水平的担忧的解决方案。对于少量研究分析中的偏倚调整，Bartlett型调整是一种众所周知的方法。许多Bartlett型调整型方法都是基于极大似然估计量。然而，网络元分析往往使用限制极大似然估计，没有广泛讨论的Bartlett型调整。在本文中，我们提出了一个Bartlett型调整方法的Wald统计量，似然比统计量，得分统计量时，滋扰参数估计不仅极大似然方法，而且限制极大似然方法。此外，我们提出了一个高阶调整，通过应用自助方法的Bartlett型调整统计量。使用计算机模拟，我们确认调整后的置信区间保持在名义置信水平。此外，我们证实，置信区间的似然比检验的基础上的限制极大似然方法执行良好，无需进一步的自助调整。最后，我们证明了置信区间是调整实际的网络荟萃分析。
2022-01-10 stat.ME
A Pivot-Based Improvement to Sandwich-Based Confidence Intervals
在可能错误指定的模型背景下，当前置信区间构建的标准是使用基于方差的三明治估计的区间。这些区间提供了渐近正确的覆盖率，但小样本覆盖率已知是差的。通过消除一个插件的假设，我们得到了一个基于统计量的方法，置信区间的建设可能误指定的模型。当与方差的夹心估计值生成的置信区间相比时，该方法在小样本量下提供了更准确的伪真参数覆盖率。这一点在几项模拟研究的结果中得到了证实。渐近结果表明，我们的区间的大样本效率等于基于三明治估计的方差的区间。
2015-12-29 stat.ME
Valid and Approximately Valid Confidence Intervals for Current Status Data
我们引入了一个新的框架，用于创建逐点置信区间的事件时间分布的当前状态数据。现有的方法是基于渐近性。我们的框架是基于二项属性和激励置信区间，这是非常简单的应用和有效的，即，保证名义上的覆盖范围。尽管这些置信区间对于小样本量而言必然是保守的，但它们的覆盖率逐渐接近标称值。该二项框架还激励近似有效的置信区间，并且模拟显示这些近似区间通常具有比现有区间更接近标称水平的覆盖率，并且具有更短的长度，包括基于似然比的置信区间。与以往的渐近方法，需要不同的渐近分布的连续或基于网格的评估，二项式框架可以应用于任何类型的评估分布。
2018-05-16 stat.ME
Discussion of "Causal inference using invariant prediction: identification and confidence intervals" by Peters, Bühlmann and Meinshausen
贡献的文件“因果推断使用不变的预测：识别和置信区间“的讨论彼得斯，Bühlmann和Meinshausen，出现在皇家统计学会杂志，系列B。
2016-05-24 stat.ME
Rank conditional coverage and confidence intervals in high dimensional problems
在低维设置中使用的置信区间程序通常不适合于高维应用。当估计大量参数时，与最显著估计值相关的边际置信区间具有非常低的覆盖率：它们太小并且集中于有偏估计值。在高维环境中形成置信区间的问题以前已经通过选择调整的镜头进行了研究。在这个框架中，目标是控制所选参数形成的非覆盖区间的比例。在本文中，我们接近的问题，考虑秩和覆盖概率之间的关系。边缘置信区间对重要参数的覆盖率非常低，而对具有更无聊估计的参数的覆盖率很高。许多选择调整的间隔显示相同的图案。这种联系促使我们提出一种新的多重检验/覆盖问题中置信区间的覆盖准则--秩条件覆盖（RCC）。这是给定相关估计量的显著性排名的区间的预期覆盖率。我们建议通过自举区间建设产生小的间隔，并有一个等级条件覆盖接近标称水平。这些方法在R包rcc中实现。
2017-02-22 stat.ME
Confidence Interval for Quantile Ratio of the Dagum Distribution
在经济研究中，基于分位数比率的不平等度量经常被用于分析收入分配。本文在Dagum分布下构造了这类测度的一个置信区间，并在计算机模拟的基础上研究了它的性质。将构建的置信区间应用于2015年波兰收入不平等的分析。
2019-03-11 stat.ME
A novel algorithm for confidence sub-contour box estimation: an alternative to traditional confidence intervals
对于非线性模型，因子估计过程是一项非常具有挑战性的任务。即使研究人员成功地估计了模型因子，他们仍然必须估计它们的置信区间，这可能需要很高的计算成本才能将它们转化为信息度量。文献中的一些方法试图估计估计搜索空间内的区域，其中因子可能共同存在并拟合真实数据（置信度轮廓），然而，随着因子数量的增加，其估计过程提出了几个问题。因此，在本文中，我们专注于估计的一个子区域内的置信轮廓，我们称之为置信子轮廓盒（CSB）。我们提出了两个主要的算法CSB估计，以及其解释和验证。考虑到我们估计CSB的方式，我们期望并验证了这种新的置信区间的一些有用的性质：用户定义的不确定性水平，非对称区间，与每个因素的区间长度相关的敏感性评估，以及识别真正的影响因素。
2019-10-08 stat.ME
Towards replicability with confidence intervals for the exceedance probability
包括心理学在内的几个科学领域正在经历一场复制危机。造成这个问题的原因有很多，其中之一就是p值的误用。有几个替代p值，在本文中，我们描述了一个补充，是面向复制。特别是，我们专注于置信区间的概率，参数估计将超过一个指定的值，在一个精确的复制研究。这些区间以p值和标准置信区间所不具备的方式传达了不确定性，并且可以帮助研究人员得出更合理的科学结论。在简要回顾了p值和一些替代方案的背景之后，我们描述了我们的方法，并提供了模拟和真实数据的例子。对于线性模型，我们还描述了不一致概率的置信区间如何与参数的p值和置信区间相关。
2019-08-25 stat.ME
New Confidence Intervals and Bias Comparisons Show that Maximum Likelihood Can Beat Multiple Imputation in Small Samples
在分析不完全数据时，使用多重插补（MI）还是全信息极大似然（ML）更好？在大样本情况下，ML显然更好，但在小样本情况下，ML的有用性受到限制，因为ML通常使用正态检验统计量和置信区间，这需要大样本。我们提出了小样本的基于t的ML置信区间，具有良好的覆盖率，并短于基于t的置信区间下MI。我们还表明，ML点估计是更少的偏见和更有效的比MI点估计在小样本的二元正态数据。使用我们新的置信区间，ML应优于MI，即使在小样本中，只要两种选择都可用。
2015-08-20 stat.ME
Variable-width confidence intervals in Gaussian regression and penalized maximum likelihood estimators
硬阈值、LASSO、自适应LASSO和SCAD点估计器已经被建议用于当回归参数向量的大多数分量被认为是零（稀疏型假设）时的线性回归上下文中。Potscher和Schneider，2010年，Electronic Journal of Statistics，考虑了固定宽度置信区间的属性，其中包括这些点估计量之一（对于所有可能的数据值）。他们认为一个正常的线性回归模型与正交回归，并表明，这些置信区间是长于标准置信区间（基于极大似然估计）时，这些点估计的调整参数选择，导致保守或一致的模型选择。我们将这种分析扩展到可变宽度置信区间的情况，其中包括这些点估计（对于所有可能的数据值）。与Potscher和Schneider的这些发现一致，我们发现这些置信区间与标准置信区间相比表现不佳，当选择这些点估计的调谐参数以导致一致的模型选择时。然而，当这些点估计的调整参数被选择，导致保守的模型选择，我们的结论不同于Potscher和Schneider。我们考虑Farchione和Kabaila，2008，Statistics & Probability Letters中的可变宽度置信区间，在稀疏性假设中存在信念的情况下，它比标准置信区间具有优势。这些可变宽度的置信区间，包括硬阈值，LASSO，自适应LASSO和SCAD估计（所有可能的数据值），这些估计的调谐参数被选择属于一个适当的区间。
2010-08-25 stat.ME
Confidence intervals centered on bootstrap smoothed estimators
Bootstrap平滑（袋装）参数估计已被提出作为一个改进的估计后发现初步的基于数据的模型选择。Efron（2014）的关键结果是一个非常方便且广泛适用的公式，用于delta方法近似自助平滑估计量的标准差。这种近似提供了一个容易计算的指南，这个估计的准确性。此外，Efron（2014）提出了一个以自助平滑估计量为中心的置信区间，其宽度与该近似值对标准差的估计成正比。我们在两个嵌套线性回归模型（完整模型和简单模型）的情况下评估此置信区间，并对简单模型正确的原假设进行初步检验。我们推导出计算方便的表达式的理想自举平滑估计和覆盖概率和预期长度的置信区间。在覆盖概率方面，该置信区间优于具有相同标称覆盖率且基于相同初步检验的模型选择后的置信区间。我们还比较了性能的置信区间为中心的自举平滑估计，在预期的长度，通常的置信区间，具有相同的最小覆盖概率，基于完整的模型。
2018-10-29 stat.ME
Finite sample properties of the Buckland-Burnham-Augustin confidence interval centered on a model averaged estimator
本文研究了以频率派模型平均估计量为中心的 Buckland-Burnham-Augustin 置信区间，在包含两个线性回归模型的测试床情境下推导出覆盖率与缩放期望长度的精确表达式，探究了其精确有限样本性能，并与已有渐近覆盖率结果进行了比较。
2019-06-19 stat.ME
The effect of a Durbin-Watson pretest on confidence intervals in regression
针对回归参数线性组合的置信区间估计，提出了计算Durbin-Watson预检验两阶段程序与FGLS估计置信区间覆盖概率函数图形的新工具，以在观测数据前选择更优区间。
2018-05-16 stat.ME
Confidence intervals in general regression models that utilize uncertain prior information
我们考虑一个一般的回归模型，没有尺度参数。我们的目标是构建一个置信区间的标量参数的兴趣$θ$，利用不确定的先验信息，一个不同的标量参数$τ$采取指定的值$t$。该置信区间应具有良好的覆盖特性。它还应该具有缩放的预期长度，其中缩放是相对于通常的置信区间的，（a）当先验信息正确时基本上小于1，（b）具有不太大的最大值，以及（c）当数据和先验信息高度不一致时接近1。极大似然估计量$θ$和$τ$的渐近联合分布类似于具有已知方差的正态分布误差的线性回归的特定情况下这些估计量的联合分布。这种相似性被用于通过使用置信区间来构建具有期望属性的置信区间，该置信区间是使用R包ciuupi计算的，该R包ciuupi在这种特定的线性回归情况下利用了不确定的先验信息。这个置信区间的一个重要的实际应用是比较两种相似化合物的定量生物测定。在这种背景下，不确定的先验信息是“平行”假设成立。我们提供了大量的数值结果，说明了在这种情况下该置信区间的属性。
2020-09-16 stat.ME
A note on confidence intervals for parameter estimates of a spatio-temporal Ornstein-Uhlenbeck process
本文比较了高斯时空Ornstein-Uhlenbeck过程矩匹配参数估计的两种构造置信区间的方法。结果发现，通过成对似然近似获得的覆盖率较低，更容易出现维数灾难，而不是从参数引导程序。
2017-07-24 stat.ME
Confidence Intervals that Utilize Uncertain Prior Information about Exogeneity in Panel Data
考虑由包含时变协变量的线性随机截距模型建模的面板数据。假设我们有不确定的先验信息，这个协变量是外生的。我们提出了一个新的置信区间的斜率参数，利用这种不确定的先验信息。该区间具有非常接近其标称覆盖的最小覆盖概率。假设该新置信区间的缩放预期长度为其预期长度除以置信区间的预期长度，具有相同的最小覆盖率，使用固定效应模型构建。这个新的间隔具有缩放的预期长度，其（a）当先验信息正确时基本上小于1，（b）具有不太大于1的最大值，以及（c）当数据与先验信息强烈矛盾时接近1。我们说明了这个新的间隔使用机票数据集的属性。
2017-08-31 stat.ME
Inference for penalized spline regression: Improving confidence intervals by reducing the penalty
惩罚样条回归是一种常用的散点图平滑方法，但如何构造惩罚样条拟合的置信区间一直存在争议。由于惩罚，拟合的平滑曲线是目标函数的有偏估计。许多方法，包括贝叶斯区间和简单移位偏差减少，已被提出来提升置信区间的覆盖率，但这些方法通常不能充分改善预测值的情况下，函数是急剧弯曲。在本文中，我们开发了一种新的方法来提高置信区间，使用更小的平滑强度比样条拟合。通过仔细选择平滑强度的减少量，置信区间实现了几乎标称的覆盖范围，而不会过宽或波动。通过仿真实验研究了该方法的覆盖性能，并与Hodges（2013）和Kuusela和Panaretos（2015）提出的偏差校正技术进行了比较。
2017-06-02 stat.ME
A Fuzzy Approach for Randomized Confidence Intervals
Universidade Estadual de Campinas (UNICAMP)（坎皮纳斯州立大学）
本文提出基于Neyman-Pearson引理的随机置信区间方法，用于更广泛地适用于不满足正则条件的分布，并在高方差情况下表现出更好的性能。
2025-12-29 stat.ME
Construction of Confidence Intervals
统计学的介绍性文本通常只涵盖了经典的“两西格玛”置信区间的平均值，并没有描述方法来获得置信区间的其他估计。本技术报告填补了这一空白，首先定义了不同的方法来构建置信区间，然后将其应用于二项比例、平均值和任意估计量。除了频率论的方法，似然比和最高后验密度的方法进行了解释。本文介绍了一般极大似然估计量的方差估计的两种方法（Hessian，Jackknife），并对任意估计量提出了自助法。对于三个例子，通过蒙特卡罗模拟的覆盖概率和间隔长度的不同方法进行评估。所有方法都有R代码，实践者可以获得在哪些情况下应该使用哪个方法的指导方针。
2018-07-10 stat.ME
Selective Sign-Determining Multiple Confidence Intervals with FCR Control
给定$m$未知参数和相应的独立估计器，Benjamini-Hochberg（BH）过程可以用于对参数的符号进行分类，使得错误方向决策（方向FDR）的预期比例被控制在预设水平$q$。更雄心勃勃的是，我们的目标是构建符号确定置信区间--而不是只分类的符号--这样的预期比例的非覆盖构造区间（FCR）的控制。我们建议一个有效的程序，调整边际置信区间，以构建一个最大数量的符号确定置信区间。我们提出了一个新的边际置信区间，专门为我们的程序，它允许平衡的权力和长度之间的权衡构建的间隔，事实上，往往享受（几乎）两全其美。我们应用我们的方法来检测一项高度公开的社会神经科学研究中相关性的迹象，并在第二个例子中，检测GWAS数据中SNP与2型糖尿病的关联方向。在这两个例子中，我们比较我们的程序与现有的方法，并获得令人鼓舞的结果。
2018-05-23 stat.ME
Bootstrap Confidence Intervals Using the Likelihood Ratio Test in Changepoint Detection
针对Bootstrap抽样下的似然比检验在变点检测中的功效问题，提出了一种基于Bootstrap置信区间长度的假设检验方法。假设误差为独立同分布的正态分布，利用Bootstrap方法，估计了变点抽样分布。此外，本研究描述了一种方法来估计无变点的数据集，形成零抽样分布。利用零抽样分布和估计的变点分布，可以在置信区间的长度上进行临界值和功效计算。
2020-11-07 stat.ME
Calculation of sample size guaranteeing the required width of the empirical confidence interval with predefined probability
任何估计研究的目标都是对感兴趣的参数进行区间估计。这些估计主要使用基于相应参数的样本点估计的经验置信区间来表示。相反，计算必要的样本量通常使用基于参数预期值的预期置信区间。至少自1989年以来，保证经验置信区间所需宽度的所需概率的方法就已为人所知。然而，到目前为止，这种方法并没有实现大多数软件，甚至没有在许多现代论文和教科书中描述。在这里，我们提出了简洁的描述的方法来计算样本量，以获得经验的置信区间所需的宽度与预定义的概率，并给出了一个框架，其一般实施。我们在正态分布、泊松分布和二项分布中举例说明该方法。数值结果表明，使用$0.8$或$0.9$的标准概率获得经验置信区间所需宽度所需的样本量可能比为参数预期值计算的样本量大20%以上。
2018-07-01 stat.ME
Empirical Likelihood Confidence Intervals for Nonparametric Functional Data Analysis
本文考虑了用经验似然法构造非参数函数数据分析的置信区间的问题。在这个双重无限维的背景下，我们证明了威尔克斯的现象，并提出了一个偏差校正的建设，既不需要欠平滑，也不直接偏置估计。我们还将我们的结果扩展到涉及函数数据的部分线性回归。我们的数值结果表明，经验似然的渐近正态近似的基础上改进的性能。
2009-04-06 stat.ME
The impact of a Hausman pretest on the coverage probability and expected length of confidence intervals
在聚类和纵向数据的分析中，其中包括在聚类之间和聚类内变化的协变量（例如，纵向数据中的时变协变量），Hausman预检验通常用于决定是否使用线性随机截距模型或固定效应模型进行后续推断。我们评估了该预检验对斜率参数的覆盖概率和置信区间的预期长度的影响。我们的研究结果表明，对于应用中常用的Hausman预检验的小显著性水平，该置信区间的最小覆盖概率可以远低于标称值。此外，平均而言，该置信区间的预期长度大于基于具有相同最小覆盖率的固定效应模型的斜率参数的置信区间的预期长度。
2015-06-12 stat.ME
Simulation Study Comparing Two Tests of Second-order Stationarity and Confidence Intervals for Localized Autocovariance
本报告通过模拟比较了二阶平稳性的两种检验。它还提供了几个本地化的自协方差和他们的近似置信区间不同的真实和模拟数据集的例子。一个渐近高斯性结果的实证验证也表明。还描述了用于在配套文件中生成图形的命令。
2016-03-21 stat.ME
Discussion of "On nearly assumption-free tests of nominal confidence interval coverage for causal parameters estimated by machine learning"
我们祝贺作者发表了一篇激动人心的论文，该论文介绍了一种评估因果估计中估计偏差的新想法。双稳健估计量现在是因果推断中标准工具集的一部分，但典型的分析仅限于估计量和置信区间。作者给出了一种独特类型的模型检查方法，允许用户检查偏差相对于标准误是否足够小，这通常是置信区间可靠所需的。
2020-06-17 stat.ME
On split sample and randomized confidence intervals for binomial proportions
分裂样本方法最近被提出作为一种方法，以减少覆盖率振荡困扰的置信区间的参数的点阵分布，如二项和泊松分布。我们研究分裂样本区间的二项式设置，显示这些间隔可以被看作是基于添加离散随机噪声的数据。结果表明，它们可以通过使用噪声与连续分布，而不是改善，无论是由数据或外部来源的随机性的随机化。我们比较分裂样本间隔的随机史蒂文斯间隔，完全消除了覆盖振荡，并发现后者的间隔有几个优点。
2014-02-26 stat.ME
Reply to Comment by Schilling on their paper "Optimal and fast confidence intervals for hypergeometric successes"
该文针对 Schilling 对 Bartroff、Lorden 和 Wang 关于超几何成功次数最优快速置信区间论文的评论作出正式回应。
2024-01-19 stat.ME
Group-bound: confidence intervals for groups of variables in sparse high-dimensional regression without assumptions on the design
在不对设计矩阵进行严格或无法验证的假设的情况下，为高维回归中的单个变量提供置信区间通常具有挑战性。我们在这里表明，一个“组界”的置信区间可以推导出没有任何假设的设计矩阵。个别变量的回归系数的下限可以通过线性规划导出。该想法还可以自然地推广到变量组，其中我们可以推导出一组联合效应的单侧置信区间。虽然个别变量的置信区间是由问题的性质往往很宽，它被证明是可以检测到的贡献组的高度相关的预测变量，即使没有变量单独显示出显着的效果。检测变量组的影响所需的假设被证明是弱于最弱的已知假设，以检测单个变量的影响。
2014-06-11 stat.ME
Further properties of frequentist confidence intervals in regression that utilize uncertain prior information
考虑一个具有n维响应向量的线性回归模型，回归参数β=（β_1，.，β_p）和独立同分布误差N（0，σ^2）。假设感兴趣的参数是θ= a^T β，其中a是指定的向量。定义参数τ= c^T β- t，其中c和t已指定。还假设我们有不确定的先验信息τ= 0。我们对θ的频率论置信区间的部分评估是比值（该置信区间的期望长度）/（标准1-α置信区间的期望长度），我们称之为该区间的缩放期望长度。我们说θ的1-α置信区间利用了这种不确定的先验信息，如果（a）当τ= 0时，该区间的缩放期望长度显著小于1，（b）缩放期望长度的最大值不会比1大得太多，（c）当数据恰好与先验信息强烈矛盾时，该置信区间恢复为标准的1-α置信区间。Kabaila和Giri，2009年，JSPI提出了一种寻找这种置信区间的新方法。令\hat β表示β的最小二乘估计。还令\hat Θ= α ^T \hat β且\hat τ= α ^T \hat β- t。使用计算和新的理论结果，我们表明，这个置信区间的性能提高，|校正（\hat Θ，\hat τ）|增加，N-P减少。
2012-04-02 stat.ME
A (tight) upper bound for the length of confidence intervals with conditional coverage
本文证明数据雕刻和带随机化响应的选择两种选择性推断方法与多面体方法结合后，置信区间长度有界，且在区间长度上总是优于样本分割方法。
2024-02-21 stat.ME
Confidence Intervals for Ratios of Proportions in Stratified Bilateral Correlated Data
分层双侧研究的置信区间（CI）方法使用组内相关性以避免误导性结果。在这篇文章中，我们提出了四种CI方法（样本量加权的全球基于MLE的Wald型CI，完全基于MLE的Wald型CI，轮廓似然CI和完全基于MLE的评分CI），以研究在Dallal的组内模型下分层双侧数据的临床试验设计的比例比的CI。进行了蒙特卡罗模拟，并且基于完整MLE的分数置信区间（CS）方法产生了稳健的结果。最后，一个真实的数据例子来说明所提出的四个CI。
2023-03-23 stat.ME
Conformal confidence intervals with an application to small area estimation
University of Southampton（南安普顿大学）；Statistisk sentralbyrå（挪威中央统计局）；Istituto nazionale di statística（意大利国家统计研究所）
该研究提出一种新型共形推理方法，生成样本内结果未知期望的共形置信区间，填补经典回归与共形推理的空白，并将其应用于小区域估计问题。
2026-08-05 stat.ME
Confidence intervals for two-stage adaptive designs with subpopulation selection
University of Warwick（华威大学）；Novartis Pharma AG（诺华制药股份公司）
本文研究了在预设子人群比较实验治疗与对照的临床试验中，如何通过自适应富集设计在中期分析中调整受试者群体，并提出一种基于中期决策条件的精确置信区间构造方法，确保理论覆盖概率。
2026-03-13 stat.ME
Exact Confidence Intervals for Linear Combinations of Multinomial Probabilities
多项概率的线性组合，如列联表产生的概率，在评估分类系统性能时很有用。虽然这些组合存在大样本推断方法，但小样本方法仅存在于多项式参数空间上的区域，而不是线性组合。然而，在医学分类问题中，常见的是具有小样本，从而需要在多项式概率的线性组合上具有小样本置信区间。因此，在本文中，我们推导出一个确切的置信区间，通过使用信念推断，线性组合的多项式概率。仿真结果表明，所提出的时间间隔的坚持精确覆盖。此外，提供了对精确间隔的调整，给出了更短的长度，同时仍然实现了比大样本方法更好的覆盖率。通过应用快速傅立叶变换并结合数值求解器和随机优化器来找到解决方案，实现了精确区间估计的计算效率。本文中提出的精确置信区间允许对以前无法获得的诊断方法进行比较，通过诊断肾移植后患者慢性同种异体移植肾病的例子证明。
2021-04-19 stat.ME
P values, confidence intervals, or confidence levels for hypotheses?
原假设显著性检验和p值被广泛使用，尽管在许多情况下反对它们的使用有很强的论据。置信区间经常被推荐作为一种替代方法，但这并不能达到评估假设可信度的目的，而且置信度和概率之间的区别是一种不必要的混淆。本文提出了一个更直接的（概率）定义的信心，并建议如何将这个想法可以应用到任何假设是感兴趣的研究人员。不同的方法的相对优点进行了讨论，使用一系列说明性的例子：通常基于置信度的方法似乎更透明和有用，但也有一些情况下，p值可能是适当的。我还建议了一些将结果从一种格式转换为另一种格式的方法。(The置信度概念的吸引力通过以下完全不正确的概念的广泛持续性来证明：在备择假设中，p=5%等同于95%置信度。在本文中，我将展示如何使用p值来导出有意义的置信度声明，以及导出的假设。关键词：置信区间，置信水平，假设检验，原假设显著性检验，P值，用户友好性。
2014-02-11 stat.ME
Confidence Intervals for Low-Dimensional Parameters in High-Dimensional Linear Models
本文的目的是提出用高维数据对低维参数进行统计推断的方法。我们专注于构建置信区间的个别系数和线性组合的几个线性回归模型，虽然我们的想法是适用于更广泛的背景下。本文给出的理论结果为估计量的渐近正态性提供了充分条件，并给出了有限维协方差阵矩阵的相合估计量.这些充分条件允许变量的数量远远超过样本量。仿真结果证明了所提出的置信区间的覆盖概率的准确性，有力地支持了理论结果。
2012-11-02 stat.ME
Bootstrap confidence intervals for multiple change points based on moving sum procedures
解决了通过置信区间量化多个变点位置的不确定性的问题。作为移动和统计量的局部最大值获得的变点估计量的渐近分布的推导，其中的极限分布的不同取决于是否相应的大小的变化是本地的，即趋于零，随着样本量的增加，或固定。提出了一种用于生成置信区间的自举过程，该过程适应于未知的变化幅度，并保证局部和固定变化的渐近有效性。仿真研究表明，所提出的引导程序的良好性能，并讨论了如何将其扩展到串行相关的错误。
2022-06-16 stat.ME
Adaptive multigroup confidence intervals with constant coverage
多个正态总体均值的置信区间通常基于分层正态模型。虽然基于这种模型的常用间隔程序具有跨群体的平均标称覆盖率，但给定群体的实际覆盖率将高于或低于标称率，这取决于群体平均值。可替换地，作为组的平均值的函数的恒定的覆盖率可以简单地通过基于仅来自该组的数据使用标准$t$间隔来实现。然而，标准的$t$间隔不能跨组共享信息，因此不能适应于容易获得的关于组特定平均值的分布的信息。在这篇文章中，我们构建了置信区间，它具有恒定的频率覆盖率，并利用了跨组异质性的信息，从而得到了比标准$t$ -跨组平均区间更窄的恒定覆盖区间。这样的区间是通过对正态总体的均值进行反向有偏检验来构造的。给定均值的先验分布，贝叶斯最优有偏检验可以被反转以形成贝叶斯最优置信区间，其频率覆盖率作为均值的函数是恒定的。在多组的背景下，先验分布被跨组异质性模型所取代。该模型的参数可以使用来自所有组的数据进行估计，并用于获得具有恒定组特异性覆盖率的置信区间，该覆盖率适用于组平均值分布信息。
2016-12-25 stat.ME
Confidence Intervals for Prevalence Estimates from Complex Surveys with Imperfect Assays
我们提出了几种相关的方法，用于创建置信区间，以评估疾病的患病率在各种调查抽样设置。这些设置包括不完美检验的简单随机样本、完美检验的加权抽样和不完美检验的加权抽样，前两种设置被视为第三种设置的特殊情况。我们的方法使用调查结果和测试的灵敏度和特异性的测量来构建融合的置信区间。我们证明，我们的方法似乎可以保证在模拟环境中的覆盖率，而竞争的方法被证明可以实现比标称覆盖率低得多。我们将我们的方法应用于2020年5月至7月期间在美国未确诊成人中进行的SARS-CoV-2血清阳性率调查。
2022-05-26 stat.ME
Exact confidence intervals for the mixing distribution from binomial mixture distribution samples
本文提出一种基于二项式混合分布样本构建混合分布累积分布函数和分位数逐点精确置信区间的方法，通过反演复合零假设的精确检验实现，并利用分层贝叶斯方法与有限 Polya Trees 建模提供稳定的去卷积估计。
2023-11-24 stat.ME
Comparing Confidence Intervals for a Binomial Proportion with the Interval Score
有超过55种不同的方法来构建二项比例的置信度和可信区间（CI）。比较它们的方法是必要的，以决定在实践中应该使用哪种方法。区间分数已被建议用于比较预测区间。该评分是一种适当的评分规则，其将覆盖率作为校准的度量和宽度作为锐度的度量相结合。我们评估了11个CI的二项式比例的基础上预期的区间得分，并提出了一个总结措施，可以考虑到不同的权重的基础上的真实比例。在均匀加权下，期望区间分数推荐具有均匀先验的Wilson CI或贝叶斯可信区间。如果极低或极高的比例获得更多的权重，则该评分基于Jeffreys的先验知识推荐贝叶斯可信区间。虽然需要更多的工作，从理论上证明使用区间分数比较CI，我们的研究结果表明，它构成了一个有用的方法，结合覆盖范围和宽度在一个措施。这种新方法也可以用于其他应用。
2022-07-07 stat.ME
Simple Confidence Intervals for MCMC Without CLTs
这个简短的说明认为，即使不建立CLT，MCMC估计值的95%置信区间也可以通过将其宽度乘以2.3来获得。
2018-12-01 math.PR stat.ME
Exact-corrected confidence interval for risk difference in noninferiority binomial trials
提出了非劣效性二项试验风险差的一种新的置信区间估计。与Chan & Zhang（1999）的置信区间相比，置信区间与第一类错误的精确无条件检验一致，并且具有提高的功效，特别是对于较小的样本量。理论上证明了所提出的置信区间的改进性能，并通过仿真和实例证明了这一点。一个R包也分布，实现了所提出的方法以及其他置信区间估计。
2021-10-14 math.ST stat.ME stat.TH
Rejoinder: On nearly assumption-free tests of nominal confidence interval coverage for causal parameters estimated by machine learning
这是对Kennedy、Balakrishnan和Wasserman在《统计科学》上发表的论文“关于机器学习估计的因果参数的标称置信区间覆盖率的近无干扰测试“的反驳。
2020-08-07 stat.ME stat.ML
Simultaneous adjustment of bias and coverage probabilities for confidence intervals
提出了一种新的方法，用于校正置信区间时，原始区间不具有正确的名义覆盖概率在频率意义下。所提出的方法是通用的，不需要任何分布假设。它可以应用于频率论和贝叶斯推断的区间估计是必要的。我们提供了所提出的估计的一致性的理论结果，并给出了两个复杂的例子，复合似然估计的置信区间校正和近似贝叶斯计算（ABC），以证明新方法的广泛适用性。并与双自举法和其他提高置信区间覆盖率的方法进行了比较。
2013-08-29 stat.CO stat.ME
The shortest confidence interval for the weighted sum of two Binomial proportions
考虑了二项模型中成功概率的区间估计。Zielienski（2018）表明，使用样本非均匀性信息的置信区间优于经典置信区间。本文构造了非齐次样本的最短置信区间。
2019-03-27 math.ST stat.ME stat.TH
Comparison of Confidence Interval Estimators: an Index Approach
在许多统计问题中，一个参数的区间估计通常有多个估计量，因此，选择合适的估计量是很重要的。一个好的估计量的标准是具有接近标称水平的高覆盖概率和较短的区间长度。然而，这两个概念是相互对立的：高覆盖率和低覆盖率分别与较长和较短的间隔长度相关联。一些方法，如自举校准，修改标称水平，以提高覆盖率，从而允许仅基于间隔长度选择间隔。然而，这些方法在计算上是昂贵的。在本文中，我们提出了一个指数，它提供了一个易于计算的方法比较置信区间估计之间的妥协的基础上的覆盖概率和置信区间长度。我们说明了置信区间指数具有在覆盖概率范围[0，1]的邻域内的值的范围。此外，好的置信区间估计量具有接近1的指标值;而坏的置信区间具有接近0的指标值。进行了模拟研究，以评估有限样本的性能的指数。建议的指数说明了一个实际的例子，从文献
2018-10-09 stat.CO stat.ME
Publication Bias in Meta-Analysis: Confidence Intervals for Rosenthal's Fail-Safe Number
本文的目的是评估Rosenthal故障安全数的置信区间的有效性。虽然Rosenthal估计量被研究人员广泛使用，但其统计特性在很大程度上未被探索。首先，我们发展了统计学理论，使我们能够为罗森塔尔的故障安全数产生置信区间，这是通过辨别荟萃分析中分析的研究数量是固定的还是随机的来产生的。每种情况下产生不同的方差估计。对于给定数量的研究和给定的分布，我们提供了五个方差估计。置信区间采用正态近似和非参数bootstrap检验。不同的置信区间估计的准确性，然后通过模拟方法在不同的分布假设进行了测试。半正态分布方差估计量具有最好的概率覆盖。最后，我们提供了一个表的下置信区间罗森塔尔的估计。
2015-09-04 stat.ME stat.OT
Two sources of poor coverage of confidence intervals after model selection
我们比较了以下两个模型选择后置信区间覆盖率差的来源：基于初步数据的模型选择有时会选择错误的模型，以及用于选择模型的数据被重新用于构建置信区间。
2017-11-06 math.ST stat.ME stat.TH
Differentially Private Confidence Intervals
正态分布数据的总体均值的置信区间是人们可能希望从数据库中获得的一些最标准的统计输出。在这项工作中，我们给这个任务的实际差分隐私算法。我们提供了五种算法，然后将它们相互比较，并与以前的工作进行比较。我们给具体的，实验分析其准确性，并发现我们的算法提供了更准确的置信区间比以前的工作。例如，在一个设置中（ε = 0.1，n = 2782），我们的算法产生的区间仅为先前工作标准集大小的1/15。
2020-01-07 cs.CR stat.ME
Strong confidence intervals for autoregression
在这篇短文中，我应用博弈论概率的方法来计算一个简单的一阶标量自回归模型系数的非渐近置信区间。所提出的程序的最显着的特点是，它产生的置信区间，总是覆盖真正的参数值时，顺序应用的高概率。
2007-07-04 math.ST stat.ME stat.TH
Coverage-adjusted confidence intervals for a binomial proportion
本文研究了基于二项抽样的比例$p$的区间估计问题。已知$p$的“精确”Clopper-Pearson置信区间不必要保守。我们建议覆盖调整的Clopper-Pearson间隔使用$p$的先验和后验分布。调整后的间期具有更好的覆盖范围，并且通常比文献中发现的竞争间期更短。使用新的热图类型图比较置信区间，我们发现覆盖率调整的区间特别适合接近0或1的$p$。
2012-07-10 math.ST stat.ME stat.TH
Differentially Private Confidence Intervals for Proportions under Stratified Random Sampling
针对调查抽样场景下缺乏差分隐私置信区间严谨方法的问题，本文提出三种分层随机抽样下比例的差分隐私置信区间算法，分析其隐私保障与渐近性质，并通过模拟和1940年人口普查数据应用验证有效性。
2024-04-11 cs.CR stat.ME
