Asymptotic efficiency in the Autoregressive process driven by a stationary Gaussian noise
这篇文章的第一个目的是获得A. S。在平稳高斯噪声驱动的自回归过程中,极大似然估计的渐近性质。第二个目的是证明似然比的局部渐近正态性,从而得到渐近有效性的概念,并建立一个渐近一致不变的检验自回归参数显著性的最有效方法。
2018-10-20 math.ST stat.TH
Standard and robust intensity parameter estimation for stationary determinantal point processes
本文研究了平稳行列式点过程的强度参数估计问题。我们认为标准估计,对应于每单位体积的观测点的数量和最近推出的中位数为基础的估计更强大的离群值。在较弱的假设下,得到了行列式点过程估计的相合性和渐近正态性。我们说明了在模拟研究中的程序的效率。
2016-04-25 math.ST stat.TH
Nonparametric estimation of the stationary density and the transition density of a Markov chain
本文首先研究离散时间马尔可夫链$(X_i)$的平稳密度$f$的非参数估计问题。考虑有限维线性空间上的投影估计的集合。我们通过最小化惩罚对比度来选择集合中的估计量。相同的技术能够估计$(X_i, X_{i+1})$的密度$g$,从而提供转变密度$π=g/f$的自适应估计器。我们给这些估计的$L^2$规范的界限,我们表明,他们是自适应的极大极小意义上的一大类Besov空间。文中还提供了一些实例和仿真。
2008-01-09 math.ST stat.TH
Nonparametric Testing under Random Projection
非参数推理的一个共同挑战是当数据量很大时其高计算复杂性。在本文中,我们开发了计算效率的非参数检验采用随机投影策略。在特定的核岭回归设置,一个简单的基于距离的检验统计量的建议。值得注意的是,我们推导出的最小数量的随机预测,这是足以实现测试的最优性方面的极大极小率。进一步建立了一种不需要规则性先验知识的自适应测试方法。一个技术贡献是建立经验核特征值的尾和的范围的上界。仿真和实际数据分析进行支持我们的理论。
2018-02-17 math.ST stat.ME stat.ML
Asymptotic Inference of Autocovariances of Stationary Processes
本文提出了平稳过程自协方差渐近推断的系统理论。我们考虑基于最大(或${\cal L}^\infty$)和二次(或${\cal L}^2$)偏差对序列相关性进行非参数检验。对于这两种情况,适当的中心和重新缩放,偏差的渐近分布分别是Gumbel和Gaussian。为了建立这样一个渐近理论,作为副产品,我们发展了一个正常的比较原则,并提出了一个充分条件的联合累积量的平稳过程的可和性。我们采用了基于模拟的块的块引导过程,提高了有限样本的性能。
2011-05-17 math.ST stat.TH
Joint Structural Break Detection and Parameter Estimation in High-Dimensional Non-Stationary VAR Models
假设平稳性在许多时间序列应用中是不现实的。更现实的替代方案是允许分段平稳性,其中允许模型在给定时间点改变。本文提出了一个三阶段的方法来估计高维分段向量自回归(VAR)模型的结构变点和参数。在第一步中,我们将变点检测问题转化为一个高维变量选择问题,并提出了一个使用总变差惩罚的惩罚最小二乘估计器。我们发现,建议的惩罚估计方法高估了变化点的数量。然后,我们提出了一个后向选择标准结合惩罚最小二乘估计来解决这个问题。在我们过程的最后一步,我们估计每个部分的VAR参数。我们证明,所提出的程序始终检测的变化点的数量和它们的位置。我们还表明,该程序一致估计VAR参数。通过几个仿真场景和实际数据的例子说明了该方法的性能。
2018-05-30 stat.ME
Statistical inference for continuous-time locally stationary processes using stationary approximations
我们建立了$M$ -估计量的渐近性质,定义在一个对比函数和观察从连续时间局部平稳过程。利用序列的平稳逼近、$θ$ -弱依赖和遗传性质,给出了对比函数的充分条件,保证了$M$ -估计的相合性和渐近正态性.作为例子,我们得到了时变Lévy驱动的Ornstein-Uhlenbeck过程序列观测值的局部最小二乘估计的相合性和渐近正态性.此外,对于一个序列的时变Lévy驱动的状态空间模型,我们证明了一个本地化的Whittle估计和$M$估计,是基于准最大似然对比的一致性。仿真研究表明,估计程序的适用性。
2021-05-10 math.PR math.ST stat.TH
Covariance matrix testing in high dimension using random projections
由于传统的多元渐近理论不再适用,高维协方差阵的估计和假设检验是一个具有挑战性的问题。当维数大于样本大小或随样本大小增加时,协方差阵的基于标准似然的检验具有较差的性能。现有的高维测试要么计算昂贵,要么对第一类错误的控制非常弱。在本文中,我们提出了一个测试程序,CRAMP,用于测试假设,涉及一个或多个协方差阵使用随机投影。将高维数据随机投影到低维子空间消除了维数灾难,允许使用传统的多变量测试。一个广泛的模拟研究进行比较CRAMP对渐近为基础的高维测试程序。所提出的方法的两个基因表达数据集的应用。
2020-11-16 stat.CO stat.ME
A Frequency Domain Bootstrap for General Multivariate Stationary Processes
对于多元时间序列的许多相关统计量,不存在有效的频域自举过程。这主要是由于这样一个事实,即这种统计的分布依赖于四阶矩结构的基本过程中几乎每一个场景,除了一些特殊情况下,如高斯时间序列。与单变量情况相反,即使是额外的结构假设,例如多变量过程的线性或感兴趣的统计量的标准化,也不能解决问题。本文着重于综合周期图统计以及其功能,并提出了一种新的频域引导程序的多元时间序列,多元频域混合引导(MFHB),以填补这一空白。MFHB过程的渐近有效性建立一般类的周期图为基础的统计和平稳的多变量过程满足相当弱的依赖条件。进行了仿真研究,比较有限样本性能的MFHB与移动块引导。
2021-02-03 math.ST stat.ME stat.TH
SPARK: A General Goodness-of-Fit Assessment via Residual Projection
School of Statistics, Renmin University of China(中国人民大学统计学院);Yau Mathematical Science Center, Tshinghua University(清华大学丘成桐数学科学中心)
SPARK提出一种基于残差投影的通用拟合优度检验框架,适用于传统模型与黑盒学习器、连续与二元响应及低高维预测变量,通过去偏和核投影方法提取剩余信号,并验证其渐近性质与有效性。
2026-09-30 math.ST stat.ME stat.ML
Time-varying correlation network analysis of non-stationary multivariate time series with complex trends
本文提出了一个灵活的框架,从多变量或高维非平稳时间序列分段平滑趋势推断大规模时变和时滞相关网络。建立在一个新的和统一的多重测试程序的时滞互相关函数与一个固定或发散的滞后数,我们的方法可以准确地揭示灵活的时变网络结构与复杂的功能结构在所有的时间点。我们扩大了我们的方法的适用性,通过开发基于差分的互相关非参数估计的结构中断,实现准确的家庭明智的错误控制,通过自适应复杂的时间动态的引导辅助程序,并提高恢复的概率时变网络结构使用一个新的均匀方差减少技术。我们证明了所提出的方法的渐近有效性,并通过仿真研究和实证应用表明其有效性在有限样本。
2023-02-10 math.ST stat.ME stat.TH
Sharp-SSL: Selective high-dimensional axis-aligned random projections for semi-supervised learning
本文提出Sharp-SSL方法,通过聚合高维轴对齐随机投影的低维分析结果并基于白化类间协方差矩阵迹评分来识别关键变量,理论证明其能以高概率恢复信号坐标,实验验证了其优越性能。
2023-04-18 math.ST stat.ME stat.ML
Detecting deviations from second-order stationarity in locally stationary functional time series
提出了一种函数时间序列二阶平稳性假设的时域检验方法。该检验基于组合个体累积和检验,其设计分别对均值、方差和自协方差算子的变化敏感。其相关$p$值的组合依赖于个体检验统计量的联合相关块乘数自助法。条件下,建议的组合测试程序是渐近有效的平稳性。提出了一种自动选择自举构造所需的分组长度参数的方法。在Monte Carlo实验中研究了所提出的测试的有限样本行为,并提供了一个真实数据集上的说明。
2018-08-13 math.ST stat.ME stat.TH
A Portmanteau-type test for detecting serial correlation in locally stationary functional time series
Portmanteau检验提供了经典单变量时间序列分析中检测序列相关性的基本方法。该方法被扩展到从局部平稳的功能时间序列的意见的情况下。渐近临界值得到一个合适的块乘子自举过程。检验结果表明,渐近保持其水平,并对一般的替代品是一致的。
2020-09-15 math.ST stat.ME stat.TH
Stationary subspace analysis for spatial data
University of Helsinki(赫尔辛基大学);Aalto University(阿尔托大学);Toulouse School of Economics(图卢兹经济学院);University Toulouse Capitole(图卢兹第一大学)
本文提出了一种适用于空间索引数据的平稳子空间分析(spSSA)方法,通过引入一阶和二阶空间统计量来估计混叠矩阵,解决多形式非平稳性问题,并通过数据增强方法估计非平稳子空间的维度。
2026-05-19 stat.ME
Parameter Estimation in Abruptly Changing Dynamic Environments
许多现实生活中的动力系统突然变化,随后几乎是平稳的周期。在本文中,我们考虑流的数据与这种突然的行为,并调查的问题,跟踪他们的统计特性,在一个在线的方式。我们设计了一个跟踪过程,其中适合于静止环境的估计器与事件检测方法相结合,使得估计器可以迅速跳到一个更合适的值,如果检测到事件。将估计过程与检测过程相结合是文献中公知的思想。然而,我们的贡献在于建立基于静态估计和随机学习弱估计(SLWE)之间的差异的检测过程。已知SLWE估计器是跟踪非平稳环境的特性的最先进的方法,因此应该是比更常见的基于滑动窗口的方法更好的选择来检测突然变化的环境中的变化。据我们所知,Ross等人(2012)提出的事件检测程序是文献中唯一利用SLWE估计器强大跟踪特性的程序。然而,与本文中的程序相比,Ross等人的程序相当复杂,并且在理论上没有很好的依据。在本文中,我们集中在二项和多项分布的估计程序,但我们的方法可以很容易地推广到其他分布以及。广泛的模拟结果的基础上,合成和现实生活中的数据相关的新闻分类表明,我们的估计过程很容易调整,表现良好。
2019-01-15 stat.ME
Determining the dimension of factor structures in non-stationary large datasets
我们提出了一个程序来确定一个大的,可能是非平稳的,数据集的公共因子空间的维数。我们的程序旨在确定是否有(以及有多少)共同因素(i)具有线性趋势,(ii)具有随机趋势,(iii)没有趋势,即平稳。我们的分析是基于这样一个事实,即适当缩放的协方差阵的数据(对应于公共因子部分)的最大特征值发散,作为数据集的维度$N$发散,而其他保持有界。因此,我们提出了一类随机检验统计量的零,$p$ -th特征值发散,直接基于估计的特征值。该检验仅需要对数据进行最小假设,并且对$N$和$T$的相对发散率没有限制。蒙特卡罗证据表明,我们的程序具有非常好的有限样本特性,明显主导竞争的方法时,没有共同的因素。我们说明我们的方法,通过应用到美国债券收益率在过去30年中观察到的不同期限。一个共同的线性趋势和两个共同的随机趋势被发现,并确定为经典的水平,斜率和曲率因子。
2018-06-10 econ.EM stat.ME
Resistant estimates for high dimensional and functional data based on random projections
提出一种基于随机投影的自适应稳健估计方法,适用于高维或无限维数据,在受限污染模型下稳健且高效,并经模拟和真实数据验证。
2011-10-14 stat.ME
Projection-Based Outlier Detection in Interval-Valued Functional Data
School of Economics and Management, Beihang University(北京航空航天大学经济管理学院);Key Laboratory of Complex System Analysis, Management and Decision (Beihang University)(复杂系统分析与决策重点实验室(北京航空航天大学));Advanced Institute of Information Technology, Peking University(北京大学前沿交叉学科研究院信息科技前沿中心);Wangxuan Institute of Computer Technology, Peking University(北京大学王选计算机研究所)
针对区间值函数数据的异常值检测需求,提出ILTFS-FDR方法,结合IFPCA与ILTFS,经模拟和高频ETF数据验证,可有效检测异常观测,兼具鲁棒性。
2026-08-04 stat.ME
Bayesian order identification of ARMA models with projection predictive inference
提出基于投影预测推断的 ARMA 模型阶数识别方法,通过参考模型投影到简约子模型,实验表明其预测性能至少与 AIC 相当且对噪声鲁棒。
2023-07-26 stat.CO stat.ME
Linear regression with stationary errors : the R package slm
本文介绍了R软件包slm(Stationary线性模型)。该软件包包含一套统计程序的线性回归在一般情况下,错误的过程是严格固定的内存短。我们在Hannan(1973)的背景下工作,他证明了误差过程的(归一化)最小二乘估计(LSE)在非常温和的条件下的渐近正态性。我们提出了不同的方法来估计的渐近协方差阵的LSE,然后纠正的第一类错误率的通常测试的参数(以及置信区间)。通过不同的模拟集的程序进行评估,并研究了两个例子的真实数据集。
2019-10-22 stat.AP stat.CO stat.ME
Random Projection Tests via Cauchy Combination for Two-Sample Mean
School of Sciences, Chang’an University(长安大学理学院);Center for Statistics and Data Science, Beijing Normal University(北京师范大学统计与数据科学中心);Center for Applied Statistics and School of Statistics, Renmin University of China(中国人民大学应用统计中心及统计学院)
针对高维两样本均值检验,提出柯西组合随机投影检验(CRPT),通过多次随机投影和柯西变换组合p值,并开发功效增强版本,以提升对稀疏备择假设的敏感性。
2026-09-11 stat.ME