Frequency estimation based on the cumulated Lomb-Scargle periodogram
我们考虑的问题估计未知的周期函数观察到的加性噪声采样在不规则间隔的时刻在半参数设置的周期。为了解决这个问题,我们提出了一种新的估计的基础上累积的Lomb-Scargle周期图。我们证明了这个估计是一致的,渐近高斯,我们提供了一个明确的表达的渐近方差。一些蒙特卡洛实验,然后提出来支持我们的主张。
2007-12-30 math.ST stat.TH
Fourier analysis of stationary time series in function space
我们开发了一个频域框架的基本构建块,用于在功能数据的固定序列的二阶结构上绘制统计推断。在这样的背景下的关键要素是谱密度算子,它概括的概念的谱密度矩阵的功能设置,并表征的过程的二阶动力学。我们的主要工具是功能离散傅里叶变换(fDFT)。我们推导出一个渐近高斯表示的fDFT,从而允许的原始集合的相关随机函数的转换成一个集合的近似独立的复值高斯随机函数。然后,我们的研究结果,以构建估计的谱密度算子的基础上平滑版本的周期图内核,周期图矩阵的功能推广。详细研究了这些估计量的相合性和渐近性。作为直接的后果,我们得到了中心极限定理的平均值和长期协方差算子的平稳功能时间序列。我们的结果不依赖于结构建模假设,但只有功能版本的经典累积量混合条件,并被证明是稳定的离散观测下的个人曲线。
2013-05-09 math.ST stat.TH
Pseudo-spectra of multivariate inhomogeneous spatial point processes
Institute of Statistical Science, Academia Sinica(中央研究院统计科学研究所);School of Mathematics, Statistics and Data Science, Sungshin Women’s University(成均馆大学数学、统计与数据科学学院)
本文研究多元非齐次空间点过程的谱分析,利用周期图期望的渐近极限定义伪谱,并给出核平滑一致估计与两种带宽选择方法。
2025-10-21 stat.ME
Spectral analysis of long range dependence functional time series
在适当的条件下,在谱域中表征了函数序列的长程依赖性(LRD)。特别地,多分数积分函数自回归移动平均过程可以在这个框架中引入。证明了周期图算子的积分偏差在Hilbert-Schmidt算子范数下收敛于零。在高斯情形下,通过在有界线性算子的范数下最小化发散信息函数损失,得到了长记忆算子的弱相合参数估计.
2021-10-12 math.ST stat.TH
Global testing against sparse alternatives in time-frequency analysis
本文提出了一种过采样周期图高临界(OPHC)检验方法,用于复值时间序列中稀疏周期效应的全局检测。一个显式的极小极大检测边界之间的稀有性和弱点的复杂的正弦波隐藏在系列。OPHC测试被证明是渐近强大的可检测区域。数值模拟说明并验证了所提出的测试的有效性。此外,周期图过采样的$O(\log N)$被证明是普遍最佳的周期性的全球测试下,一个温和的最小分离条件。
2016-09-27 math.ST stat.TH
Monotone spectral density estimation
我们提出了两个估计的单调谱密度,这是基于周期图。这些是周期图的保序回归和对数周期图的保序回归。我们推导出了短记忆线性过程和长记忆高斯过程的估计量的逐点极限分布结果,并证明了该估计量是速率最优的。
2011-03-09 math.ST stat.TH
On Second-Order Statistics of the Log-Average Periodogram for Gaussian Processes
该研究针对零均值平稳高斯过程,推导了对数平均周期图协方差的近似式,拓展了已有对数周期图协方差研究,同时给出非中心卡方分布非整数阶矩的简洁表达式。
2024-10-09 math.ST stat.TH
A Fast Template Periodogram for Detecting Non-sinusoidal Fixed-shape Signals in Irregularly Sampled Time Series
天体物理时间序列中经常包含周期性的信号。来自光度测量的大量且不断增长的时间序列数据要求用于检测和表征此类信号的计算高效的方法。可用于此目的的最有效算法是利用快速傅立叶变换(FFT)的$\mathcal{O}(N\log N)$缩放的那些算法。然而,这些方法对于非正弦信号形状不是最佳的。模板拟合(或周期性匹配滤波器)优化了先验已知信号形状的灵敏度,但计算成本很高。模板周期图的当前实现按比例缩放为$\mathcal{O}(N_f N_{obs})$,其中$N_f$是试验频率的数量,而$N_{obs}$是光变曲线观测的数量,并且由于非凸性,它们不能保证在每个试验频率处的最佳拟合,这可能导致虚假结果。在这项工作中,我们提出了一个非线性扩展的Lomb-Scargle周期图,以获得一个模板拟合算法,这是准确的(除了在病理情况下获得全局最优解)和计算效率(缩放为$\mathcal{O}(N_f\log N_f)$为给定的模板)。在每个频率下的模板拟合的非线性优化被改写为多项式零查找问题,其中多项式的系数可以用非等间距快速傅立叶变换有效地计算。我们表明,我们的方法,它使用截断傅立叶级数近似模板,是一个数量级的速度比现有的算法小的问题($N\lesssim 10$观测)和2个数量级更快的长基线时间序列与$N_{obs} \gtrsim 10^4$观测。快速模板周期图的开源实现可在https://ww…
2021-02-07 astro-ph.IM stat.AP
Infill asymptotics for logistic regression estimators for spatio-temporal point processes
本文讨论强度函数为对数线性型的时空点过程的逻辑斯谛回归估计的填充渐近性。我们建立了Poisson点过程模型参数的强相合性和渐近正态性,并证明了这些结果如何推广到一般的点过程模型.此外,在适当的条件下,我们还将我们的中心极限定理推广到其他基于Campbell-Mecke定理的无偏估计方程。
2022-08-25 math.ST stat.TH
Frequency Domain Bootstrap for Functional Time Series
TU Graz(格拉茨工业大学);Department of Mathematics, TU Braunschweig(布伦瑞克工业大学数学系);Cyprus Academy of Sciences, Letters, and Arts(塞浦路斯科学、文学与艺术学院)
本文提出用于函数型时间序列的频域自助法,通过相关重采样程序实现对谱平均算子二阶及四阶结构的一致估计,在弱条件下验证了该方法的有效性。
2026-08-27 math.ST stat.TH
Discriminant Analysis in stationary time series based on robust cepstral coefficients
本文提出一种基于稳健倒谱系数的时间序列判别分析框架,利用多窗谱和M-周期图增强频谱估计,结合LDA提高分类准确性和鲁棒性。
2024-08-20 stat.ME
Spectral Analysis of High-dimensional Time Series
分析多个时间序列的一种有用的方法是通过将它们的谱密度矩阵表征为协方差阵的频域模拟。当时间序列的维数大于其长度时,基于正则化的方法可以克服维数灾难,但现有的方法缺乏理论依据。本文开发了第一个非渐近的结果,用于表征样本和人口版本的谱密度矩阵之间的差异,允许一个证明一系列的高维模型分析时间序列。作为一个具体的例子,我们应用这一结果建立的谱密度矩阵的逆,即精度矩阵的平滑周期图估计和稀疏估计的收敛性。这些结果在频域时间序列分析中是新颖的,通过模拟和对Google Flu Trends数据的分析得到了证实。
2018-10-26 math.ST stat.ME stat.TH
Adaptive Smoothing of the Log-Spectrum with Multiple Tapering
提出了平稳时间序列对数谱密度的一种混合估计方法。首先,执行多重锥形估计,然后对对数多重锥形估计进行核平滑。与简单地平滑对数锥形周期图相比,该过程将预期均方误差减少了$(π^2/ 4)^{4/5} $。给出了变带宽核平滑器的数据自适应实现方法。
2018-03-11 eess.AS eess.SP math.ST
Cross-Correlation Periodograms with Decaying Noise Floor for Power Spectral Density Estimation
United States Naval Academy(美国海军学院)
本文提出了一种基于交叉相关离散傅里叶变换的周期图变体,用于功率谱密度估计,证明其在白高斯噪声下无偏,并通过数值模拟验证了其在噪声底面衰减方面的优势。
2026-03-21 eess.SP math.ST stat.TH
Orthogonal samples for estimators in time series
平稳时间序列的统计推断通常涉及难以估计的干扰参数和采样分布。在本文中,我们提出了正交样本的方法,它可以用来解决这些问题。对于一个广泛的统计类别,正交样本是通过对原始统计量进行轻微修改来构建的,这样它就具有与集中统计量相似的分布特性。我们使用正交样本来估计加权平均周期图估计和$L_{2}$型谱统计量的干扰参数。在原假设下,利用正交样本估计各种检验统计量的有限抽样分布。所提出的方法是简单的,计算速度快的实现。该方法的可行性示出了各种模拟。
2016-11-01 stat.ME
Theoretical and Practical Limits of Kolmogorov-Zurbenko Periodograms with Dynamic Smoothing in Estimating Signal Frequencies
本文评估两种动态平滑 Kolmogorov-Zurbenko 周期图算法的频率估计极限,并通过含噪、近频和缺失数据模拟与 ARIMA 及静态平滑方法比较。
2024-12-07 stat.AP stat.CO
Properties of linear spectral statistics of frequency-smoothed estimated spectral coherence matrix of high-dimensional Gaussian time series
本文研究了复高斯高阶谱相干矩阵的平滑周期图估计的线性谱统计量的渐近性质。研究了具有独立分量的二维时间序列$(\y_n)_{n \in \mathbb{Z}}$的渐近情形,其中样本量$N$向$+\infty$收敛,而$\y$的维数$M$和估计量的平滑跨度以相同的速率增长到无穷大,使得$\frac{M}{N} \rightarrow 0$。它建立了,在每个频率,估计的谱相干矩阵是从一个独立的同$\mathcal{N}_{\mathbb{C}}(0,\I_M)$分布序列的样本协方差阵接近,其经验特征值分布收敛到Marcenko-Pastur分布。这允许得出结论,每个LSS具有可以显式评估的确定性行为。使用浓度不等式,它示出,每个LSS从其确定性近似的偏差的频率的上确界的数量级的顺序是$\frac{1}{M} + \frac{\sqrt{M}}{N}+ (\frac{M}{N})^{3}$的顺序,其中$N$是样本量。数值模拟支持我们的结果。
2021-11-23 math.ST stat.TH
Estimators of Fractal Dimension: Assessing the Roughness of Time Series and Spatial Data
分形或豪斯多夫维数是时间序列和空间数据的粗糙度(或平滑度)的度量。在$\mathbb{R}^d$中索引的光滑可微曲面的图形具有拓扑维数和分形维数$d$。如果曲面是不可微且粗糙的,则分形维数取拓扑维数$d$和$d+1$之间的值。我们审查和评估估计的分形维数下填充渐近的大样本行为,在广泛的有限样本模拟研究,并在北极海冰剖面的数据例子。对于时间序列或线样带数据,盒计数,霍尔-伍德,半周期图,离散余弦变换和小波估计的研究,以及与功率指数2(变差函数)和1(madogram)的变化估计,所有实现在R包fractaldim。考虑到效率和鲁棒性,我们建议使用madogram估计,这可以被解释为一个统计上更有效的版本的霍尔-伍德估计。对于二维格点数据,我们提出了稳健的横断面估计,使用沿行和列的变异估计的中位数。一般来说,随机过程的指数$p>0$的幂变化与其样本路径的Hausdorff维数之间的联系在$p=1$时显得特别稳健和包容。
2012-07-25 stat.ME
Improving Power Spectrum Estimation using Multitapering: Efficient asteroseismic analyses for understanding stars, the Milky Way, and beyond
本文提出基于非均匀快速傅里叶变换的多锥度功率谱估计器(mtNUFFT),解决Lomb-Scargle周期图的噪声和偏差问题,应用于星震学分析,结合PBjam提高效率并改善年龄估计。
2024-05-28 astro-ph.EP astro-ph.IM astro-ph.SR
Long Memory in Nonlinear Processes
人们普遍认为,许多实际感兴趣的时间序列表现出很强的相关性,即,长记性。对于这样的系列,样本自相关衰减缓慢,对数-对数周期图显示直线关系。这就需要一类模型来描述这种行为。一类流行的这种模型是自回归分数积分移动平均(ARFIMA),这是一个线性过程。然而,还需要非线性长记忆模型。例如,金融资产的收益率序列通常倾向于显示零相关性,而它们的平方或绝对值则表现出长记忆性。此外,对产生长记忆的现实机制的探索导致了其他非线性长记忆模型的发展。在本章中,我们将介绍几个非线性长记忆模型,并讨论模型的性质,以及相关的参数和半参数估计。
2007-06-13 math.ST q-fin.ST stat.TH
Whittle estimation for stationary state space models with finite second moments
本文研究了连续时间线性状态空间模型在低频采样下平稳解参数的Whittle估计。在我们的上下文中,驱动过程是一个Lévy过程,它允许底层模型的灵活边界。Lévy过程被认为具有有限的二阶矩。众所周知,线性状态空间模型的平稳解类与多元CARMA过程的平稳解类是一致的。我们证明了基于周期图的Whittle估计是强相合的且渐近正态分布的。与离散时间ARMA模型的经典设置的比较表明,在连续时间设置的极限协方差阵的Whittle估计有一个额外的非高斯模型的校正项。为了证明,我们还研究了积分周期图的渐近正态性,这本身就很有趣。它可用于构造拟合优度检验。此外,对于单变量状态空间过程,这是CARMA过程,我们引入了一个调整版本的Whittle估计量,并推导出该估计量的渐近性质。我们的估计的实际适用性证明通过模拟研究。
2020-02-21 math.ST stat.TH
On the use of the cumulant generating function for inference on time series
本文提出基于Whittle估计量和累积量生成函数的频域推断方法,实现密度近似与复合假设检验,扩展鞍点检验适用性,并联系自助法、经验似然与指数倾斜,数值实验验证其优势与精度。
2024-03-19 stat.CO stat.ME
Quantile-Frequency Analysis and Spectral Measures for Diagnostic Checks of Time Series With Nonlinear Dynamics
IBM T. J. Watson Research Center(IBM T.J. 沃森研究中心)
本文提出基于分位数周期图的频谱度量,用于检验金融时间序列模型的诊断及基于模型的判别分析,通过模拟研究和S&P 500指数日对数收益率数据验证了方法的有效性。
2025-11-25 q-fin.ST stat.ME
Large random matrix approach for testing independence of a large number of Gaussian time series
本文研究了复高斯高阶谱相干矩阵的平滑周期图估计的线性谱统计量的渐近性质。研究了具有独立分量的二维时间序列$(\y_n)_{n \in \mathbb{Z}}$的渐近情形,其中样本量$N$向$+\infty$收敛,而$\y$的维数$M$和估计量的平滑跨度以相同的速率增长到无穷大,使得$\frac{M}{N} \rightarrow 0$。它建立了,在每个频率,估计的谱相干矩阵是从一个独立的同$\mathcal{N}_{\mathbb{C}}(0,\I_M)$分布序列的样本协方差矩阵接近,其经验特征值分布收敛到Marcenko-Pastur分布。这允许得出结论,每个LSS具有可以显式评估的确定性行为。使用浓度不等式,可以看出每个LSS与其确定性近似的偏差频率的上确界的数量级为$\frac{1}{M} + \frac{\sqrt{M}}{N}+ (\frac{M}{N})^{3}$的数量级,其中$N$是样本量。数值模拟支持我们的结果。
2021-11-30 cs.IT math.IT math.PR
Estimation of Lévy-driven CARMA models under renewal sampling
Institute of Mathematical Finance, Ulm University(乌尔姆大学数学金融研究所);Department of Mathematics, University of Trento(特伦托大学数学系)
本文研究了在再生采样下Lévy驱动CARMA模型参数的Whittle估计,证明了该估计量的一致性和渐近正态性。
2026-03-06 math.ST stat.TH
Asymptotic normality of wavelet estimators of the memory parameter for linear processes
我们考虑具有长、短或负记忆的线性过程,不一定是高斯过程。使用来自过程的样本$X_1,...,X_n$的小波半参数地估计记忆参数。我们对待对数回归小波估计和小波Whittle估计。我们证明了这些估计量是渐近正态的样本量$n\to\infty$,我们得到了一个明确的表达式的极限方差。这些结果是从线性过程经验尺度图的渐近正态性的一般结果导出的,方便地集中和归一化。尺度图是观察到的样本的二次型的阵列,从该样本的小波系数计算。与在傅里叶系数上计算的二次型(例如周期图)相比,尺度图涉及不随样本量$n\to\infty$而消失的相关性。
2008-05-06 math.ST stat.TH
A nonparametric estimator of the spectral density of a continuous-time Gaussian process observed at random times
在许多应用中,在随机时间观察数据,并且谱密度的估计图可能与表征和解释现象有关。通过使用小波分析,人们从随机离散时间的一个路径的观测导出具有平稳增量的高斯过程(或平稳高斯过程)的谱密度的非参数估计。对于每一个正的频率,该估计被证明是满足中心极限定理的收敛速度取决于粗糙度的过程和连续观测之间的随机持续时间的时刻。在平稳高斯过程的情况下,可以将此估计量与基于经验周期图的估计量进行比较。这两种估计达到相同的最佳收敛速率,但基于小波分析的估计收敛于不同类的随机时间。模拟的例子和应用程序的生物数据也提供。
2009-11-27 math.ST stat.TH
Nonparametric estimation of the kernel function of symmetric stable moving average random functions
我们估计的核函数的对称α稳定($SαS$)移动平均随机函数,这是观察到的一个规则的网格上的点。建议的估计依赖于经验归一化(平滑)周期图。当网格网格步长趋于零时,同时观测视界趋于无穷大(高频观测)时,对于正定核函数,该方法是弱相合的。仿真研究表明,当滑动平均随机函数的积分测度为$SαS$时,该估计器在有限样本量下具有良好的估计性能,并且对于其它一些无穷可分的积分器也具有良好的估计性能.
2019-08-20 math.ST stat.TH
Higher-order Accurate Spectral Density Estimation of Functional Time Series
在弱相关函数时间序列的频域框架下,一个关键元素是封装过程的二阶动力学的谱密度核。基于平顶核的概念,提出了一类谱密度核估计。这类新的估计采用平顶函数的傅里叶逆变换作为平滑周期图的权函数。结果表明,使用平顶核产生的偏差减少,并在一个更高的顺序的精度方面的结果优化的综合均方误差(IMSE)。值得注意的是,平顶估计的高阶精度是以牺牲半正定性质为代价的。尽管如此,我们展示了如何在有限样本中修改平顶估计,使其成为半正定(甚至严格正定),同时保持其良好的渐近性质。此外,我们介绍了一个数据驱动的带宽选择过程实现了自动检查的估计相关结构。我们的渐近结果是补充有限样本模拟平顶估计的高阶精度体现在实践中。
2018-12-07 math.ST stat.TH
More on the restricted almost unbiased Liu-estimator in Logistic regression
为了解决逻辑斯谛回归模型中的多重共线性问题,当先验信息以随机线性约束的形式存在时,本文提出了一种新的估计量--随机约束几乎无偏逻辑斯刘估计量(SRAULLE).蒙特卡罗模拟研究进行了比较的性能,建议的估计与一些现有的估计在标量均方误差(SMSE)的意义。最后,通过一个实际数据的例子来评价估计器的性能。
2017-11-28 math.ST stat.TH
On the restricted almost unbiased Liu estimator in the Logistic regression model
当逻辑斯谛回归模型中存在多重共线性时,极大似然估计的方差是不稳定的。作为补救措施,在有偏收缩岭估计的背景下,Chang(2015)在逻辑斯谛回归模型中引入了几乎无偏的Liu估计。利用他的方法,当一些先验知识的线性限制的形式也是可用的,我们引入了一个限制几乎无偏刘估计的逻辑斯谛回归模型。给出了新定义的估计量的统计性质,并以定理的形式给出了一些比较结果。一个真实的数据例子的Monte Carlo模拟研究,以调查这种估计的性能。
2017-07-22 math.ST stat.TH
Robust estimators for the log-logistic model based on ranked set sampling
针对排序集抽样下的 log-logistic 分布,提出基于密度幂散度的形状与尺度参数稳健估计量,推导其渐近分布并通过模拟验证其抗污染性和效率竞争力。
2024-04-04 math.ST stat.TH
Best attainable rates of convergence for the estimation of the memory parameter
本文证明了平稳长记忆过程记忆参数估计的一个下界。记忆参数在这里被定义为在0处的谱密度的规则变化的指数。在文献中得到的收敛速度假设二阶正则变化的谱密度在零。在本文中,我们不做这个假设,并表明在这种情况下的收敛速度可能非常慢。我们证明了对数周期图回归(GPH)估计达到高斯长记忆过程的最佳收敛速率。
2009-05-31 math.ST stat.TH
Theoretical properties of the log-concave maximum likelihood estimator of a multidimensional density
本文给出了$\mathbb{R}^d$中基于独立同分布样本的密度对数凹极大似然估计的理论性质。我们的研究涵盖了真实的底层密度是对数凹的情况下,这个模型是错误的。我们首先表明,对于一个序列的对数凹密度,分布依分布收敛意味着更强的收敛类型-特别是,它意味着收敛在海灵格距离,甚至在某些指数加权全变差规范。在我们的主要结果中,我们证明了存在唯一的对数凹密度,最小化的Kullback-Leibler分歧从真密度类所有的对数凹密度,也表明,对数凹的最大似然估计几乎肯定收敛于这些指数加权全变差规范,这个最小。在正确指定的模型的情况下,这表明估计量具有很强的一致性;在错误指定的模型中,它表明估计量收敛于在Kullback-Leibler意义上最接近真实密度的对数凹密度。
2009-08-30 math.ST stat.TH
Preliminary testing derivatives of a linear unified estimator in the logistic regression model
近年来,著名的Liu估计(Liu,1993)在病态线性模型的回归参数估计中引起了研究者的注意。对参数施加子空间假设约束,可以通过缩小非样本信息来改善估计。Chang(2015)在二元逻辑斯谛回归中提出了几乎无偏Liu估计(AULE)。本文在Chang(2015)工作的基础上,提出了二元逻辑斯谛回归模型中回归参数的几种改进的无偏Liu型估计,即限制AULE、初步检验AULE、Stein型收缩AULE及其正部估计。新定义的估计的性能进行了分析,通过一些数值结果。一个真实的数据例子也提供了支持的研究结果。
2017-08-29 math.ST stat.TH
Robust parameter estimation of the log-logistic distribution based on density power divergence estimators
本文针对对数逻辑分布的尺度与形状参数提出MDPDE稳健估计,证明MLE为其特例且影响函数有界,并通过模拟显示其以轻微效率损失换取显著稳健性提升。
2023-12-05 math.ST stat.TH
Asymptotic behaviour of penalized robust estimators in logistic regression when dimension increases
本文研究了维数随样本量趋向无穷大时逻辑回归中带惩罚 $M-$估计量的渐近行为,证明了其相合性、收敛速度、变量选择相合性及渐近分布。
2023-08-04 math.ST stat.TH
An Asymptotic Result of Conditional Logistic Regression Estimator
在集群特定的研究,普通逻辑斯谛回归和条件逻辑斯谛回归的二元结果提供最大似然估计(MLE)和条件最大似然估计(CMLE),分别。在本文中,我们表明,CMLE渐近接近MLE时,每个单独的数据点被复制无限次。我们的理论推导是基于这样的观察,即出现在条件平均对数似然函数中的项是多项式的系数,因此可以通过柯西微分公式转化为复积分。复积分的渐近分析,然后可以使用经典的最速下降法最速下降法。我们的结果意味着,CMLE可以是有偏见的,如果个人的权重乘以一个常数,我们应该谨慎分配权重集群特定的研究。
2020-05-13 math.ST stat.TH
The log-linear group-lasso estimator and its asymptotic properties
在多项抽样方案下,我们定义了表示多层对数线性模型的指数分布族的自然参数的群Lasso估计。这样的估计出现作为基于组套索罚的凸惩罚似然最优化问题的解决方案。我们说明了如何有可能构建一个估计的基础日志线性模型使用块的非零系数恢复组套索过程。我们调查的渐近性质的组套索估计作为一个模型选择方法在一个双渐近的框架,其中的样本量和模型的复杂性同时增长。我们提供的条件,保证组套索估计是模型选择一致的,在这个意义上说,压倒性的概率作为样本量的增加,它正确地识别所有的非零变量之间的相互作用。如果真实基础模型的序列足够稀疏,即使细胞数量增长大于样本量,恢复也是可能的。最后,我们得到了log-线性群-lasso估计的中心极限型结果.
2012-07-30 math.ST stat.TH
Uniform limit laws of the logarithm for estimators of the additive regression function in the presence of right censored data
最近的研究表明,在右删失情形下,通过将边际积分方法与多元回归函数的初始核型逆删失概率加权估计\citeDebbarhViallon耦合,可以得到加性回归函数的非参数估计3。本文给出了这类估计的强一致相合的精确速度。我们的统一限制法律,特别是导致建设的渐近同步100%的置信带的真正回归函数。
2008-06-26 math.ST stat.TH
Location estimation for symmetric log-concave densities
我们重新估计的对称中心$θ$的一个未知的对称密度$f$的问题。尽管Stone(1975)、Van Eden(1970)和Sacks(1975)在该模型中构造了$θ$的自适应估计量,但它们的估计量依赖于调节参数。在努力规避的依赖于调整参数,我们强加了额外的假设,对$f$的对数。我们证明了在这个形状限制模型中,存在$θ$的极大似然估计(MLE)。我们还研究了一些截断一步估计,证明了它们是$\sqrt{n}-$相容的,并且几乎达到渐近有效界。我们还证明了极大似然估计的收敛速率是$O_p(n^{-2/5})$。此外,我们表明,我们的估计是强大的违反对数假设。事实上,我们证明了一步估计仍然是$\sqrt{n}$ -相容的一些温和的条件下。这些分析结论得到了模拟研究的支持。
2019-11-14 math.ST stat.TH
Rates of Convergence of Maximum Smoothed Log-Likelihood Estimators for Semi-Parametric Multivariate Mixtures
Univ. Rennes, CNRS, IRMAR-UMR 6625(雷恩大学);Department of Statistics, Purdue University(普渡大学统计学系)
本文首次为半参数有限混合模型中基于平滑对数似然的最大估计量建立了严格理论保证,证明其一致性并推导有限维与无限维参数的收敛速率,弥合了实用算法与统计理论之间的差距。
2025-11-06 math.ST stat.TH
Robust tests for log-logistic models based on minimum density power divergence estimators
针对对数-逻辑斯蒂分布经典Wald与Rao检验易受数据污染影响的问题,本文提出基于MDPDE的稳健Wald型和Rao型检验,推导简单与复合原假设下的表达式并通过模拟验证其优势。
2025-03-18 math.ST stat.TH
A law of the iterated logarithm for Grenander's estimator
本文证明了单调递减密度的Grenander估计的重对数律:若$f(t_0) > 0$,$f'(t_0) < 0$,$f'$在$t_0$的邻域内连续,则\begin{eqnarray*} \limsup_{n\rightarrow \infty} \left ( \frac{n}{2\log \log n} \right )^{1/3} ( \widehat{f}_n (t_0 ) - f(t_0) ) = \left| f(t_0) f'(t_0)/2 \right|^{1/3} 2M \end{eqnarray*}几乎必然其中$ M \equiv \sup_{g \in {\cal G}} T_g = (3/4)^{1/3}$,$ T_g \equiv \mbox{argmax}_u \{ g(u) - u^2 \} $ ;这里${\cal G}$是$R$上的双边Strassen极限集.证明依赖于当地的经验过程,Groeneboom的开关关系,和斯特拉森的极限集类似于布朗运动的分布特性的法律的重对数。
2015-02-01 math.ST stat.TH
On the tails of log-concave density estimators
University of Bern(伯尔尼大学)
本文研究了对数凹密度估计器在尾部区域的一致性性质,通过构造特定序列确保估计误差一致收敛,并利用截断矩的不等式作为主要工具。
2026-01-30 math.ST stat.TH
Central limit theorem for the robust log-regression wavelet estimation of the memory parameter in the Gaussian semi-parametric context
本文研究了具有广义谱密度f的(可能)非平稳高斯时间序列记忆参数d的稳健估计。这个广义谱密度的特征在于记忆参数d和函数f*,它指定了过程的短程依赖结构。我们的设置是半参数的,因为f* 和d都是未知的,d是唯一感兴趣的参数。通过对不同尺度下小波系数估计方差的对数进行回归,估计记忆参数d。我们考虑的d的两个估计量是基于小波系数方差的稳健估计量,即由Alfresseuw和Croux(1993)提出的尺度估计量的平方和小波系数平方的中值。我们建立了这些稳健估计的中心极限定理,以及基于Moulines,Roueff和Taqqu(2007)提出的经典方差估计的d的估计。一些蒙特卡洛实验来说明我们的主张,并比较不同的估计性能。尼罗河数据和互联网流量数据包计数的性质进行了比较。理论结果和经验证据表明,稳健估计可以作为估计高斯时间序列记忆参数d的一种替代方法。
2010-11-19 math.ST stat.TH
On the Log-Likelihood Ratio Evaluation of CWCU Linear and Widely Linear MMSE Data Estimators
在数据比特的软解码中,对数似然比从估计的数据符号中被评估。对于适当的星座图,如QPSK或16-QAM,这些数据符号通常使用线性最小均方误差(LMMSE)估计器进行估计。LMMSE估计仅满足弱贝叶斯无偏性约束。最近,估计满足更严格的分量有条件无偏(CWCU)的约束进行了研究,如CWCU LMMSE估计。在本文中,我们证明了CWCU的LMMSE估计结果在非常相同的对数似然比的LMMSE估计。对于不适当的星座图,如8-QAM,广泛使用线性估计。对于这种情况下,我们表明,广泛的线性版本的LMMSE估计和CWCU的LMMSE估计也产生相同的对数似然比。最后,我们给出了一个模拟的例子,说明了一些有趣的性质的讨论广泛的线性估计。
2016-12-13 math.ST stat.AP stat.TH
Finite sample rates for logistic regression with small noise or few samples
本文在高斯协变量与高斯链接模型下建立 logistic 回归的有限样本理论,刻画低噪声/小样本与常规噪声两种情形中方向分类误差和范数收敛速率。
2024-02-29 math.ST stat.TH
A new robust approach for multinomial logistic regression with complex design model
基于$ϕ$ -散度测度,给出了多项逻辑斯谛回归的稳健估计和Wald型检验.所提出的估计和测试的鲁棒性证明通过研究其影响函数,它也说明了两个数值例子和广泛的模拟研究。
2021-02-05 math.ST stat.TH
The Asymptotic Covariance Matrix of the Odds Ratio Parameter Estimator in Semiparametric Log-bilinear Odds Ratio Models
两个随机变量之间的关联往往是统计研究中的主要兴趣。本文考虑了随机向量X和Y之间的半参数组合模型,该模型的边缘分布是任意的。鉴于比值比函数包含了关于关联的全部信息,重点是双线性对数比值比模型,特别是比值比参数向量θ。θ的最大似然估计量θ^的协方差结构对于渐近推断是非常重要的。为此,不同的表示的估计协方差阵的条件和无条件的抽样方案和不同的渐近方法,取决于是否X和/或Y有有限或任意的支持。主要结果是θ^的估计渐近协方差阵相对于所有上述方法的不变性。作为应用,我们计算了关于θ的线性假设检验的渐近功效-重点是logistic和线性回归模型-这允许确定必要的样本量以实现所需功效。
2012-04-13 math.ST stat.TH
Logistic regression with total variation regularization
我们研究了逻辑斯谛回归与全变差惩罚的典型参数,并表明,由此产生的估计满足尖锐的预言不等式:估计的超额风险是自适应的跳跃的数量的基础信号或近似。特别地,当存在多个跳跃,并且向上跳跃与向下跳跃充分分离时,假设调谐参数被适当地选择为$1/ \sqrt n$阶,则估计器以高达对数项$\log n / n$的参数速率收敛。我们的研究结果扩展了二次损失的逻辑损失的早期结果。我们不假设任何先验已知的标准参数的界限,而是只利用局部曲率的理论风险。
2020-03-05 math.ST stat.TH
Gaussianization-Based Parameter Estimation for Gamma-Gamma and Lognormal-Rician Turbulence Channels
Hangzhou City University(杭州城市大学);Aalto University(阿尔托大学)
针对Gamma-Gamma与Lognormal-Rician湍流信道的参数估计难题,提出分位数变换与Box-Cox两种高斯化估计器,结合物理感知正则化项,可大幅提升参数估计性能。
2026-08-18 math.ST stat.TH
Scalable simulation-based inference for implicitly defined models using a metamodel for Monte Carlo log-likelihood estimator
本文针对隐式定义模型提出一种基于蒙特卡洛对数似然估计器元模型的可扩展仿真推断方法,利用局部渐近正态性量化参数不确定性,并通过多个示例验证其准确性与可扩展性。
2025-04-16 math.ST stat.ME stat.TH
Uniform limit laws of the logarithm for nonparametric estimators of the regression function in presence of censored data
本文建立了截尾加权非参数逆概率(I.P.C.W.)随机删失下多元回归函数的估计量。对于条件分布函数的估计量也得到了类似的结果。从我们的主要结果中还得到了条件密度和条件风险率函数估计的带宽一致相合性。此外,我们建立的对数律产生几乎必然同时渐近置信带的功能,我们认为。显示了从模拟数据中获得的置信带示例。
2007-09-13 math.PR math.ST stat.ME