Bootstrapping Empirical Processes of Cluster Functionals with Application to Extremograms
在时间序列的极值分析中,不仅尾部行为是人们感兴趣的,而且序列相关性也起着至关重要的作用。Drees和Rootzén(2010)建立了一般经验过程的极限定理,这些经验过程被称为簇泛函,可以用来分析混合时间序列的极值行为的各个方面。然而,通常极限分布太复杂而不能直接构造置信区域。因此,我们建议一个乘数块自助模拟集群泛函的经验过程。结果表明,在与Drees和Rootzén(2010)所使用的几乎相同的条件下,有条件地对数据,自助过程收敛到相同的极限分布。这些一般结果被应用于构建Davis和Mikosch(2009)引入的经验极值的置信区域。在模拟研究中,我们的乘子块引导方法构造的置信区间与Davis等人提出的平稳引导方法相比毫不逊色。(2012年)。
2015-11-02 math.ST stat.ME stat.TH
A functional central limit theorem for the empirical Ripley's K-function
对两类点过程建立了Ripley K-函数的泛函中心极限定理。一类是具有指数衰减的相关性,并进一步满足条件m-依赖条件的点过程。另一类是Gibbs点过程族。我们说明了我们的定理的拟合优度测试在模拟中的使用。
2021-09-28 math.PR math.ST stat.TH
Functional limit laws for the intensity measure of point processes and applications
本文为点过程强度测度建立泛函极限定理,推导半空间深度及分位数的渐近性质,并给出估计量的一致浓度界及分支随机游走中估计量的渐近正态性。
2024-02-07 math.PR math.ST stat.TH
Edgeworth expansion for functionals of continuous diffusion processes
本文给出了连续扩散过程高频泛函的Edgeworth展开式的新结果。我们推导了布朗运动的加权泛函的渐近展开,并应用它们提供了扩散过程幂变分的二阶Edgeworth展开。我们的方法依赖于半鞅的鞅嵌入、马利亚文演算和稳定的中心极限定理。最后,我们证明了密度扩展的学生统计的权力变化。
2013-09-09 math.PR stat.ME
Statistical inference for exponential functionals of Lévy processes
本文考虑L{é}vy过程\(ξ_s\)的指数泛函\(A_{\infty}=\int_0^\infty e^{-ξ_s}ds\),目的是由\(A_{\infty}\)的分布估计\(ξ_{s}\)的特征.我们提出了一种新的方法,它允许在\(ξ_{t}\)的L{é}vy三元组上进行统计推断,并研究了所提出的估计量的理论性质。数值模拟结果表明,所提出的算法。
2013-12-17 math.PR stat.OT
Change Point Detection for Functional Autoregressive Processes on the Sphere
Harvard T.H. Chan School of Public Health(哈佛陈曾熙公共卫生学院);LUISS Guido Carli(鲁斯大学)
本文提出了一种基于谐波域惩罚动态规划的LASSO正则化估计器,用于球面上功能自回归过程中变化点检测,提供非渐近理论保证,适用于非平稳现象分析。
2025-12-02 stat.ME
Localization processes for functional data analysis
我们提出了一种替代$k$ -最近邻的功能数据,其中近似的相邻曲线是分段函数从一个功能样本。使用一个局部定义的距离函数,满足稳定的标准,我们建立点态和整体逼近结果的函数空间时,数据曲线的数量是足够大的。我们利用这一特点发展的渐近理论时,有限数量的曲线被观察到的时间点由独立同分布。基数增加到无穷大的样本。我们使用这些结果来调查的问题,估计未观察到的部分观察功能数据样本的部分,以及研究功能分类和离群点检测的问题。对于这样的问题,我们的方法是有竞争力的,有时优于基准预测领域。
2021-06-01 stat.AP stat.ME
Goodness-of-fit tests for the functional linear model based on randomly projected empirical processes
我们考虑标记的经验过程索引的随机投影功能协变量构建拟合优度检验的功能线性模型与标量响应。检验统计量是建立在连续泛函的投影过程中,导致计算效率的测试,表现出根N收敛速度和规避灾难的维数。弱收敛的经验过程得到条件随机方向上,而几乎肯定的等价性检验的显着性表示的原始和投影功能协变量被证明。在实践中,检验的计算涉及通过野生自助回归法进行校准,以及通过错误发现率方法组合由不同投影产生的多个p值。有限样本特性的测试说明在模拟研究的各种线性模型,基本的过程,和替代品。所提供的软件可进行测试,并允许复制模拟和数据应用。
2020-09-21 stat.ME
Joint models for grid point and response processes in longitudinal and functional data
在纵向或函数数据应用中观察到的响应函数的网格点的分布通常是信息性的,并且不独立于响应过程。在本文中,我们引入了一个协变模型来估计和推断这种相互关系,通过治疗的数据作为一个标记点过程的复制实现。我们导出了极大似然估计量,估计量的渐近分布,并通过模拟研究了估计量的行为。我们将该模型应用于在线拍卖数据集,并表明投标模式和价格轨迹之间存在很强的相关性。
2018-08-14 stat.ME
Clustering rates and Chung type functional laws of the iterated logarithm for empirical and quantile processes
继Berthet(1997)的工作之后,我们首先得到了一致经验过程和分位数过程及其增量的函数重对数律的精确聚类率。第二次,我们得到了一类目标函数在Strassen集边界上的局部经验过程的泛函Chung型极限律。
2012-01-26 math.ST stat.TH
Estimating invertible processes in Hilbert spaces, with applications to functional ARMA processes
该研究针对函数时间序列分析中可逆过程算子估计缺乏通用理论框架的问题,推导了一般可分希尔伯特空间中带白噪声新息的函数时间序列可逆表示特征算子的一致估计量,建立了显式渐近误差界,并将结果拓展至任意阶函数MA、AR、ARMA等希尔伯特空间值因果线性过程。
2025-07-29 math.ST stat.TH
Functionals of Dirichlet processes, the Cifarelli-Regazzini identity and Beta-Gamma processes
设P_θ(g)是Dirichlet过程的线性泛函,其形状为θH,其中θ>0是总质量,H是固定的概率测度.本文介绍了如何使用著名的贝叶斯先验的Dirichlet过程的后验分析,和后验演算伽玛过程,以确定性质的线性泛函的Dirichlet过程。特别是,结合伽玛恒等式,我们很容易地表明,广义柯西-斯蒂尔切斯变换的线性泛函的狄利克雷过程是等价的拉普拉斯功能的一类,我们定义为,β-伽玛过程。这代表了Cifarelli和Regazzini的恒等式的推广,也被称为Dirichlet过程的平均泛函的Markov-Krein恒等式。这些结果也为文献中的结果提供了新的解释和解释。这些恒等式类似于Beta和Gamma随机变量的非常有用的恒等式。我们给出了一个结果,它可以用来确定规格H的Dirichlet功能是Beta分布。这避免了需要一个反演公式,这些情况下,并指出特殊性质的狄利克雷过程,实际上功能β-伽玛演算在本文中开发。
2005-05-27 math.ST stat.TH
On the Generating Functional of the special case of S-Stopped Branching Processes
本文用无限多个粒子类型的起始过程μ(t)生成停止分支过程μ(t),如果由第一个落入非空集S的过程停止.这里我们考虑上定义过程的生成泛函。
2011-08-08 math.ST stat.TH
A Note on Exponential Inequalities in Hilbert Spaces for Spatial Processes with Applications to the Functional Kernel Regression Model
本文给出了取值于可分希尔伯特空间且满足一定依赖条件的空间格点过程的指数不等式。我们考虑两种类型的依赖:空间数据下的$α$ -混合条件和空间数据,满足弱依赖条件介绍了Dedecker和Prieur [2005]。我们证明了它们的有用性的功能内核回归模型的Ferraty和Vieu [2004],我们研究一致的一致性估计的回归算子的基础函数空间的增加子集的性质。
2017-11-14 math.ST stat.TH
Regularized Functional Canonical Correlation Analysis for Stochastic Processes
本文导出了函数典型相关的两个不同的正则化估计的渐近分布及其相应的特征值、特征向量和投影算子。我们开发的方法利用正则化的估计,接近再生核希尔伯特空间(RKHS)的函数算子的正则化参数接近零。除了提供一些理由的RKHS方法,我们探讨了正则算子与Tikhinov和截断奇异值分解(TSVD)型正则化的渐近性。总之,这些正则化方法代表了两种最常用的正则化形式。
2015-02-08 math.ST stat.TH
Functional Erdős-Rényi laws for Lévy processes
Sorbonne University(索邦大学)
本文研究Lévy过程增量的泛函Erdős-Rényi定律,通过建立由大偏差原理导出极限定理的一般条件,并在指数矩假设下验证这些条件,从而得到相应极限定理。
2025-09-22 math.ST stat.TH
Multivariate Max-Stable Processes and Homogeneous Functionals
多变量最大稳定过程对于理论研究和各种统计应用都很重要,因为这些过程是极限过程,例如平稳多变量规则变化的时间序列,[1]。本文研究了齐次泛函与多元极大稳定过程之间的关系,讨论了多元极大稳定过程与zero-zero-zero-zero-zero-zero-zero-zero-zero-zero-zero-zero-zero-zero-zero-zero-zero-zero-zero-zero-zero-zero-zero-zero-zero-zero-zero-zero-zero-zero-zero-zero-zero-zero-zero-zero-zero-zero-zero-zero-zero-zero-zero-zero-zero-zero-zero-zero-zero-zero-zero-zero-zero-zero-zero-zero-zero-我们说明我们的结果考虑布朗-Resnick和史密斯过程。
2021-02-12 math.PR math.ST stat.TH
Some uniform in bandwidth functional results for the tail uniform empirical and quantile processes
对于固定的$t\in [0,1)$和$h>0$,考虑局部均匀经验过程$$\DD_{n,h,t}(s):=n^{-1/2}\coo\sliin 1_{[t,t+hs]}(U_i)-hs\cff,\;s\in [0,1],$$,其中$U_i$是独立的并且均匀分布在$[0,1]$上。研究了当$n\wth_n/\log\log n\rar \infty$和$h_n\rar 0$满足时,$\DD_{n,h,t}$在$\wth_n\le h\le h_n$中的泛函极限行为.
2012-01-26 math.ST stat.TH
Correction note to "Limit Theorems for Empirical Processes of Cluster Functionals" [arXiv:0910.0343]
我们纠正了Drees和Rootzén(2010)[arXiv:0910.0343]的一个技术引理中的错误,并讨论了应用的后果。
2015-10-29 math.PR math.ST stat.TH
Functional Cramer-Rao bounds and Stein estimators in Sobolev spaces, for Brownian motion and Cox processes
研究了有限区间$[0,T]$上移位布朗运动的漂移估计和Cox过程的强度估计问题,其中风险由分数索伯列夫空间$H^1_0\subset W^{α,2}\subset L^2$的能量泛函给出.在这两种情况下,Cramer-Rao下界得到,特别是需要在$H^1_0$中不存在具有有限风险的无偏估计。通过Malliavin演算技术,我们还研究了超有效的Stein型估计(在高斯情况下)。
2015-07-06 math.ST stat.TH
Asymptotic analysis for covariance parameter estimation of Gaussian processes with functional inputs
该研究针对带函数输入的高斯过程协方差参数估计,证明极大似然估计的渐近相合性与正态性,并拓展至含输入近似误差的场景,通过解析与数值示例验证相关性质。
2024-05-15 math.ST stat.TH
Uncertainty and sensitivity analysis of functional risk curves based on Gaussian processes
EDF Lab Chatou(法国夏图EDF实验室)
本文提出利用高斯过程构建功能风险曲线,并通过PLI灵敏度指数分析输入参数的不确定性影响。
2017-07-25 math.ST stat.TH
Stochastic modelling of Gaussian processes by improper linear functionals
随机过程的各种方法存在,注意到关键属性,如可测性和连续性不是平凡的满足。我们引入一个新的理论高斯过程使用不当线性泛函。使用一组身份证。在标准正态变量的基础上,定义了高斯白噪声,并讨论了它的性质。这是推广到一般的高斯过程的希尔伯特空间,其中的方差是允许的任何合适的操作。我们的主要重点是$L^2$空间,我们讨论高斯过程是连续的,在这种设置的标准。最后,我们概述了一个框架,统计推断使用所提出的理论,重点是特殊情况下的$L^2[0,1]$。我们将弗雷德霍姆行列式引入到函数对数似然中。我们证明了朴素函数对数似然与多元似然不一致。引入了一个修正项,并证明了一个渐近结果。
2020-10-14 math.ST stat.ME stat.TH
Estimation error for occupation time functionals of stationary Markov processes
研究了平稳马尔可夫过程的积分泛函的Riemann和估计的逼近问题。平稳性和过程的无穷小生成元的谓词演算被用来更好地理解估计误差,并证明了一般的误差界。所提出的方法承认一般的被积函数,并给出了一个统一的解释不同的利率在文献中得到。几个例子演示了如何一般的界限可以与众所周知的函数空间。
2016-10-17 math.PR math.ST stat.TH
Moderate deviations for non-linear functionals and empirical spectral density of moving average processes
建立了移动平均过程泛函至多二次增长的中偏差原理。移动平均过程的主要假设是驱动随机变量的对数Sobolev不等式和移动平均过程的谱密度的连续性或较弱。我们还获得了经验谱密度的中等偏差,表现出一种有趣的新形式的速率函数,即与高斯速率函数相比具有校正项。
2004-05-27 math.PR math.ST stat.TH
On moments of integral exponential functionals of additive processes
对于实值可加过程$(X\_t)\_{t\geq 0}$,当参数$X\_t$的Laplace指数为正值时,导出了泛函$$I\_{s,t}= \int \_s^t\exp(-X\_u)du, \quad 0\leq s<t\leq\infty, $$的全部正矩的递推方程.从这个方程中可以得到一个易于应用的矩有限性的充分条件。作为应用,我们研究了扩散的首中过程。
2018-10-16 math.PR math.ST stat.TH
Testing equality of spectral density operators for functional linear processes
研究了两个独立泛函线性过程的全二阶结构的相等性检验问题。一个功能齐全的$L^2$型测试的开发,评估,在所有的频率,估计的两个过程的谱密度运营商之间的希尔伯特-施密特距离。研究了检验统计量的渐近性质,并在原假设下得到了其极限分布。此外,一种新的频域bootstrap方法,它更准确地逼近检验统计量的分布下的零比大样本高斯近似。建立了Bootstrap过程的渐近有效性,证明了Bootstrap检验在备选方案下的一致性。数值模拟表明,即使对于小样本,基于自举的测试具有非常好的尺寸和功耗行为。本文还介绍了气象功能时间序列的应用。
2020-04-14 math.ST stat.ME stat.TH
Functional marked point processes -- A natural structure to unify spatio-temporal frameworks and to analyse dependent functional data
本文研究了函数标记点过程(FMPPs),它是指标记为某个(Polish)函数空间中的随机元的标记点过程.这样的标记可以表示例如空间路径或时间函数。为了能够考虑例如多变量FMPP,我们还为每个点附加了一个额外的欧几里德标记。我们指出如何FMPPs很自然地连接点过程框架与功能数据分析框架和地质统计框架。我们进一步表明,各种现有的模型都很好地适应了FMPP框架。此外,我们引入了一个新的家庭的汇总统计量,加权标记减少矩的措施,连同他们的非参数估计,以研究功能标记的功能。我们进一步展示了他们如何概括其他汇总统计数据,我们最终应用这些工具来分析人口结构,如人口演变和性别比例随着时间的推移,在西班牙各省。
2019-11-29 math.ST stat.CO stat.ME
On the strong approximation and functional limit laws for the increments of the non-overlapping k-spacings processes
本文的第一个目的是建立一致非重叠k-间隔过程的强逼近,推广了Aly等(1984)的结果。我们的方法依赖于Mason和van Zwet(1987)中的不变原理。第二个目标是将Dindar(1997)关于间距分位数过程增量的结果推广到均匀非重叠k间距分位数过程。我们应用这个结果刻画了增量k-间隔分位数过程泛函的极限律。
2020-05-15 math.PR math.ST stat.TH
Spatio-temporal càdlàg functional marked point processes: Unifying spatio-temporal frameworks
定义了càdlàg函数标记点过程类(CFMPP)。这些是由随机元标记的(时空)点过程,这些随机元在càdlàg函数空间中取值,即标记由càdlàg随机过程给出。我们概括了标记(时空)点过程的概念,并指出这个类,在一个明智的方式,连接的点过程框架与随机场框架。我们还展示了如何使用它们来构造一类时空布尔模型,如何通过选择特定的标记函数来构造不同类别的这些模型,以及càdlàg函数标记的Cox过程如何与随机场有双重联系。我们还讨论了有限CFMPPs,纯时间良好定义的CFMPPs和马尔可夫CFMPPs。此外,我们定义的特点,如产品密度,棕榈分布和条件强度,以开发统计推断工具,如似然估计方案。
2014-03-10 math.PR math.ST stat.ME
On exponential functionals of processes with independent increments
本文研究了具有独立增量的过程$X$的指数泛函,即$$I_t= \int _0^t\exp(-X_s)ds, _,\,\, t\geq 0,$$和$$I_{\infty}= \int _0^{\infty}\exp(-X_s)ds.$$。当$X$是具有绝对连续特征的半鞅时,我们导出了积分泛函$I_t$的Mellin变换${\bf E}( I_t^α)$,$α\in\mathbb{R}$的常返积分方程。然后我们应用这些递推公式来计算矩。我们也给出了Levy过程的指数泛函的相应结果,这些结果在比Bertoin,Yor(2005)的论文中限制性更小的条件下成立。特别地,我们得到了$I_t$和$I_{\infty}$的矩的显式公式,并精确地给出了$I_{\infty}$的有限矩的确切个数.
2018-03-08 math.PR math.ST q-fin.PR
SPHARMA approximations for stationary functional time series on the sphere
本文主要研究各向同性平稳的跨时间球随机场。本文首先引入了一类球面泛函自回归-滑动平均过程(SPHARMA),它是文献[8,7]中研究的球面泛函自回归(SPHAR)的自然推广;更重要的是,我们证明了足够大阶的SPHAR和SPHARMA过程可以用来逼近每一个各向同性和平稳的球跨时间随机场,从而将实值平稳过程的一些经典结果推广到这个无限维的框架中。利用泛函谱表示定理和Wold样分解进一步刻画了这类系统。
2020-09-28 math.PR math.ST stat.TH
Functional Limit Theorems for Hawkes Processes
本文研究Hawkes过程的长期行为,证明其极限性质由子事件的平均数和离散程度决定,并针对次临界与临界情形分别建立了泛函极限定理、CIR过程逼近及收敛速率上界。
2024-12-29 math.PR math.ST q-fin.MF
New density/likelihood representations for Gibbs models based on generating functionals of point processes
本文利用点过程密度的新表示和相依稀疏化结果,解决了吉布斯点过程因配分函数难处理而无法获得精确密度的问题,并推广到格点吉布斯随机场。
2024-06-11 math.PR math.ST stat.ME
Variational Gaussian Processes: A Functional Analysis View
University of Oxford(牛津大学);Imperial College London(帝国理工学院)
变分高斯过程(GP)近似已经成为快速GP推断的标准工具。这种技术要求用户选择变分特征以提高效率。到目前为止,文献中的共同选择是不同的,缺乏普遍性。我们建议将GP看作是位于Banach空间中,从而便于统一的视角。这用于理解现有特征之间的关系,并在核岭回归和变分GP近似之间建立联系。
2021-10-25 cs.LG math.ST stat.ML