Local asymptotic mixed normality property for nonsynchronously observed diffusion processes
证明了一类由非同步观测的参数化扩散过程定义的概率测度的局部渐近混合正态性。我们假设过程的观测时间与过程无关,并且我们将研究当观测区间的最大长度以概率趋于零时的渐近性。我们还证明了Ogihara和Yoshida(随机过程. 124(2014)2954-3008)是渐近有效的。
2015-09-18 math.ST stat.TH
Asymptotic optimality of the Westfall--Young permutation procedure for multiple testing under dependence
检验统计量在大规模的多重检验应用中往往具有很强的相关性。大多数多重性校正对于相关检验统计量过于保守,导致检测真阳性的把握度降低。我们表明,Westfall-Young置换方法具有渐近最优的功率为广泛的一类测试问题的块依赖性和稀疏结构之间的测试,当测试的数量趋于无穷大。
2012-03-19 math.ST stat.TH
Asymptotic behavior of the Laplacian quasi-maximum likelihood estimator of affine causal processes
本文证明了一类因果时间序列的Laplacian拟极大似然估计(QMLE)的相合性和渐近正态性,这类因果时间序列包括ARMA,AR($\infty$),GARCH,GARCH($\infty$),ARMA-GARCH,APARCH,ARMA-APARCH,.流程.我们显着表现出的优势(矩阶和鲁棒性),这种估计相比,经典的高斯QMLE。数值模拟证实了这种估计的准确性。
2017-02-21 math.ST stat.TH
Asymptotic Normality of the Additive Regression Components for Continuous Time Processes
在多元回归估计中,收敛的收敛速率取决于回归变量的维数。这个事实,被称为维度的诅咒,激发了几个作品。Stone(10)引入的加法模型为这个问题提供了一个有效的解决方案。在连续时间过程的情形下,利用边际积分方法,得到了可加模型各分量的平方收敛速率和渐近正态性。
2008-02-23 math.ST stat.TH
Asymptotically efficient estimation for diffusion processes with nonsynchronous observations
研究了系数为非随机且观测值为非同步时扩散过程的极大似然型估计。当我们考虑分析金融市场中的高频数据时,非同步观测的问题是重要的。构造一个拟似然函数来定义估计器,自适应地估计扩散部分和漂移部分的参数。当终点$T_n$和观测频率趋于无穷大时,我们考虑了渐近理论,并证明了估计量的相合性和渐近正态性。此外,我们还证明了统计模型的局部渐近正态性,以及估计量的渐近有效性。为了证明极大似然型估计的渐近性质,我们需要控制抽样方案中某些泛函的渐近行为。虽然一般情况下很难直接控制这些条件,但我们研究了由混合过程生成的采样方案的易处理的充分条件。
2022-07-01 math.ST stat.TH
Asymptotic properties of the maximum likelihood estimator for nonlinear AR processes with markov-switching
本文在预测滤波器具有一致指数遗忘和$α$ -混合性质的假设下,提出了一种新的方法,证明了具有Markov切换的非线性AR过程极大似然估计的相合性和正态性.我们表明,在线性和高斯的情况下,我们的假设是完全满足的。
2016-05-31 math.ST stat.TH
Asymptotic Uncertainty of False Discovery Proportion
多重检验一直是统计研究中的热门话题。虽然已经做了大量的工作,但当相应的检验统计量相关时,控制错误发现仍然是一项具有挑战性的任务。在任意依赖的检验统计量之间,已经提出了各种方法来估计错误发现比例(FDP)。其主要思想之一是将任意相关性降为弱相关性,然后从理论上证明了弱相关性下FDP和FDR的强相合性。因此,在弱依赖的框架下,FDP具有相同的渐近极限。我们观察到,渐近方差的FDP,然而,可能严重依赖于相应的检验统计量的依赖结构,即使他们只是弱依赖,它是很大的实用价值,以量化这种变异性,因为它可以作为一个指标的质量FDP估计从给定的数据。据我们所知,这方面的研究在文献中仍然有限。在本文中,我们首先推导出FDP在弱正则性条件下的渐近展开,然后从理论上和数值上研究了FDP的渐近方差在不同依赖结构下的变化。根据本研究中的观察结果,我们建议在通过FDP程序进行的多重检验中,我们可以报告FDP的均值和方差估计值,以丰富研究结果。
2022-07-03 math.ST stat.TH
Asymptotic analysis of maximum likelihood estimation of covariance parameters for Gaussian processes: an introduction with proofs
本文介绍了高斯过程协方差参数估计的渐近分析。考虑了极大似然估计。这一介绍的目的是要获得广大观众,并提出一些现有的结果和证明技术的文献。增加域和固定域的渐近设置。在增域渐近性下,证明了协方差参数的所有分量一般都能一致地用极大似然估计,且渐近正态性成立。相比之下,在固定域渐近下,只有构成微遍历参数的协方差参数的某些分量可以一致地估计。在固定域渐近下,考虑了各向同性Matérn协方差函数族的特殊情况.结果表明,只有方差和空间尺度参数的组合是微遍历的。给出了极大似然估计的相合性和渐近正态性证明。
2020-09-15 math.ST stat.TH
Maximum likelihood estimation of mean functions for Gaussian processes under small noise asymptotics
针对高斯过程时变均值函数估计问题,本文在连续观测下提出显式似然的极大似然估计量,通过小噪声渐近得到局部渐近正态性与效率,还引入离散M估计量及拟信息准则,为均值函数估计与模型选择提供方法与理论支持。
2025-07-08 math.ST stat.TH
Asymptotic normality of wavelet covariances and of multivariate wavelet Whittle estimators
具有长程相关特性的多变量过程在许多应用领域中都会遇到。这种框架的两个基本特征是长期相关参数和各组成部分时间序列之间的相关性。我们考虑多变量长程相关线性过程,不一定是高斯过程。我们表明,在这种设置的小波系数之间的协方差是渐近高斯。我们还研究了基于小波的Whittle过程的长期相关参数和长期协方差估计的渐近分布。我们证明了估计量的渐近正态性,并给出了渐近协方差的显式表达式。这一结果的实证说明提出了一个真实的数据集上的大鼠大脑的连接。
2022-04-06 math.ST stat.TH
An estimator for the quadratic covariation of asynchronously observed Itô processes with noise: Asymptotic distribution theory
研究了可加微结构噪声模型中非同步观测伊藤过程的二次协方差的非参数估计。在高频环境下,我们的目标是建立一个渐近分布理论的广义多尺度估计,包括一个可行的中心极限定理与最佳的收敛速度方便的正则性假设。异步确定性采样方案和噪声腐败的渐近分布的不可避免的剩余影响精确阐明。各种重要的例子,几个概括的模型和算法的实施保证的估计方法在应用程序中的效用的案例研究。
2011-06-21 math.ST stat.TH
Asymptotic Distribution of the Score Test for Detecting Marks in Hawkes Processes
分数检验的原假设的渐近分布,标志不影响霍克斯标记的自激点过程的强度被证明是卡方。对于局部渐近功效,针对局部替代方案的分布也被建立为非中心卡方。这些渐近结果来自使用现有的渐近结果的似然估计的未标记的霍克斯过程模型的矩和遍历的马克过程和一个额外的均匀有界性假设,证明是真实的指数衰减霍克斯过程的温和的附加条件。
2019-04-30 math.ST stat.TH
Asymptotic theory and inference for non-stationary and non-mixing triangular arrays of random fields
Anhui University(安徽大学);University of Strathclyde(思克莱德大学)
该研究建立了多维格点非平稳非混合随机场三角阵列的渐近框架,证明弱相依性的保持性,推导大数定律与中心极限定理,并将其应用于带动态网络结构的时空模型参数推断。
2026-09-04 math.ST stat.TH
Local Asymptotic Mixed Normality via Transition Density Approximation and an Application to Ergodic Jump-Diffusion Processes
研究了局部渐近混合正态性的充分条件。我们削弱了Jeganathan(Sankhya Ser. A 1982)定理1中的充分条件,使它们可以应用于更广泛的统计模型,包括跳跃扩散模型。此外,我们还证明了由近似的转移密度函数生成的统计模型的局部渐近混合正态性对于原模型是隐含的。再加上密度近似的阈值技术,我们显示局部渐近正态性的离散观测跳跃扩散过程的漂移系数,扩散系数和跳跃结构的统计模型参数化。因此,在Shimizu和Yoshida(Stat.推理Stoch。过程2006)和Ogihara和Yoshida(Stat.推理Stoch。过程2011年)被证明是渐近有效的,在这个模型。此外,我们可以构造渐近一致最大功效检验的参数。
2021-05-01 math.ST stat.TH
Some Asymptotic Results on Multiple Testing under Weak Dependence
Interdisciplinary Statistical Research Unit, Indian Statistical Institute(印度统计学院交叉统计研究单元);Institute for Statistics, University of Bremen(不来梅大学统计研究所)
本文研究了在弱相关正态设置下多重检验的渐近行为,证明了Bonferroni和Sidak程序在假设数量趋于无穷大时能精确控制FWER,并通过模拟验证了其渐近精确性。
2026-02-24 math.ST stat.ME stat.TH
Rank-based Estimation under Asymptotic Dependence and Independence, with Applications to Spatial Extremes
多变量极值理论研究的是多个随机变量的联合尾部行为。现有的工作主要集中在渐近相关性,其中观察到一个变量的大值的概率是相同的顺序,同时观察到所有变量的大值。然而,越来越多的证据表明,渐近独立性在现实世界的应用中同样重要。在后一种情况下,现有的统计方法很少,理论上也没有得到很好的理解。我们重新审视非参数估计,并引入基于秩的M-估计参数模型,同时工作在渐近依赖和渐近独立,而不需要先验知识的两个制度适用。在弱正则性条件下,证明了估计量的渐近正态性。我们进一步展示了如何利用双变量估计来获得空间尾模型中的参数估计,并再次为我们的方法提供了一个彻底的理论依据。
2021-01-08 math.ST stat.ME stat.TH
Gaussian Volterra processes: asymptotic growth and statistical estimation
研究了推广分数布朗运动的三参数自相似Gaussian Volterra过程.我们研究了这类过程的渐近增长性以及长程和短程依赖的性质。然后我们考虑了高斯Volterra过程驱动的Ornstein-Uhlenbeck过程的漂移参数估计问题。我们构造了一个强相合估计,并研究了它的渐近性质。也就是说,我们证明了它具有柯西渐近分布。
2023-02-07 math.PR math.ST stat.TH
Non-asymptotic bounds for quasi-MLE, misspecified models, and dependence under group sequential sampling
Google Inc.(谷歌公司);University of Texas at Austin(德克萨斯大学奥斯汀分校)
针对分组序贯拟极大似然估计,在模型可能误设定且组内存在依赖性的情况下,推导了渐近多元正态极限和显式非渐近正态逼近界,并应用于癫痫临床试验数据。
2026-06-05 math.PR math.ST stat.TH
Asymptotic Theory for M-Estimates in Unstable AR(p) Processes with Infinite Variance Innovations
本文给出了非平稳AR(p)过程参数M-估计的渐近分布。新息被假定为在一个稳定的法律与指数$0<α\le2$的吸引域。特别地,当模型涉及重复单位根或共轭复单位根时,M-估计比最小二乘估计具有更高的渐近收敛速度,并且渐近结果可以写成伊藤随机积分。
2016-12-12 math.ST stat.AP stat.TH
An Asymptotically Exact Multiple Testing Procedure under Dependence
提出一种单步多重检验程序,在等相关的多元高斯设定下利用显式插入估计量渐近精确控制族错误率,无需逐步调整,并验证了其理论性质与模拟有效性,同时扩展至块相关结构和广义FWER控制。
2025-08-13 math.ST stat.ME stat.TH
Asymptotic analysis for bifurcating autoregressive processes via a martingale approach
研究了分叉自回归过程未知参数的最小二乘估计的渐近性态。在非常弱的假设下,即条件成对独立和适当的矩条件下,我们建立了估计量的几乎必然收敛以及二次强律和中心极限定理.我们所有的分析都依赖于鞅的非标准渐近结果。
2009-06-29 math.PR math.ST stat.TH
Asymptotic theory for quadratic variation of harmonizable fractional stable processes
本文研究可调和分数阶$\al$ -稳定过程的二次变差的渐近理论。当Hurst参数满足$H\in (1/2,1)$和$\al(1-H)<1/2$时,我们证明了一个具有非遍历极限的大数定律,并得到了弱收敛于Lévy驱动的Rosenblatt随机变量的结果.这一结果补充了分数稳定过程的渐近理论研究,例如\cite{BHP19,BLP17,BP17,BPT20,LP18,MOP20}。
2023-02-27 math.PR math.ST stat.TH
On the asymptotic normality of frequency polygons for strongly mixing spatial processes
本文建立了$\Z^d$指标下平稳强混合随机场频率多边形的渐近正态性。我们的方法允许我们只考虑最小条件的宽度箱,并提供了一个简单的混合系数的标准。特别是,我们在几个方向上改进了Carbon,Francq和Tran(2010)的先前结果。
2013-07-26 math.PR math.ST stat.TH
Asymptotic Theory of $L$-Statistics and Integrable Empirical Processes
本文发展了经验分位数函数关于随机权函数积分的渐近理论,它是经典$L$ -统计量的推广。当样本修剪或Winsorization应用于渐近线性估计量时,它们会出现。其关键思想是在适合整合的空间中考虑经验过程。首先,我们在有界可积函数空间中刻画了经验分布函数和随机权函数的弱收敛性。其次,我们建立了经验分位数函数可积函数的delta方法。第三,我们推导了$L$ -统计量的delta方法。最后,我们证明了它们的自助过程的弱收敛性,证明了非参数自助过程的有效性。
2019-10-16 econ.EM math.ST stat.TH
Asymptotic normality of the time-domain generalized least squares estimator for linear regression models
在线性模型中,当误差相关的结构已知时,广义最小二乘(GLS)估计是适用的。当它是未知的,这种结构必须近似和估计的方式,可能会导致错误的规格。不正确指定的GLS(IGLS)估计量的大样本分析需要仔细的渐近操作。当在频域中进行估计时,在所谓的Grenander假设下,IGLS估计量的渐近正态性已被证明适用于广泛的一类误差相关模型。在相同的假设下,时域IGLS估计量的渐近正态性结果仅适用于有限类误差结构。我们证明了对于一般的相依模型,时域IGLS估计是渐近正态的。
2019-02-09 math.ST stat.ME stat.TH
Departure-based Asymptotic Stochastic Order for Random Processes
基于文献中讨论的偏离测度,我们提出并分析了随机过程的一个特定的渐近随机序。作为应用,当样本量变大时,我们随机比较顺序统计量的混合物,并记录来自两个不同均匀样本的值。
2021-03-03 math.PR math.ST stat.AP
The Method of Normalized Correlations - A Fast Alternative to Maximum Likelihood Estimation for Random Processes and Isotropic Random Fields with Short-Range Dependence
由于所提交期刊的版权政策,本文已被作者撤回。
2008-02-13 stat.CO stat.ME
Asymptotic linear dependence and ellipse statistics for multivariate two-sample homogeneity test
York University(约克大学);University of British Columbia, Kelowna(不列颠哥伦比亚大学奥肯那根校区)
本文提出了一种基于统计深度的非参数两样本检验方法,具有卡方(1)渐近分布,通过仿真实验和实际数据验证了其有效性。
2025-11-24 stat.ME
Asymptotic Theory of Tail Dependence and Bootstrap for Checkerboard Copulas
Indian Institute of Technology Bombay(印度理工学院孟买分校);North Carolina State University(北卡罗来纳州立大学)
本文研究了在未知边缘分布下基于checkerboard方法估计下尾和上尾copula的渐近理论和自助法有效性,通过局部双线性插值构建empirical copula估计器,并扩展到尾部区域以获得非参数极值依赖估计。通过将误差分解为随机经验过程项和由checkerboard投影引起的确定性近似偏差,证明了checkerboard平滑copula估计器的几乎处处一致性和强一致性。进一步推导了中心化和缩放后的checkerboard copula过程在$\ell^\infty([0,1]^2)$下的弱收敛性,证明平滑不影响一阶极限。所得高斯过程与经验copula过程一致,但附加了边际估计带来的项。这些结果扩展到下尾和上尾copula过程,得到函数中心极限定理和尾部依赖系数的渐近正态性。由于极限协方差依赖于未知尾部特征和偏导数,直接推断不可行,因此提出适用于checkerboard结构的直接乘法自助法。证明自助过程条件弱收敛到相同极限,确保光滑函数的有效推断。最后通过模拟和统计应用展示自助方法,包括拟合优度检验和在多种依赖结构下尾部依赖推断,展示准确的小样本性能。
2026-07-09 stat.ME
Adaptive sequential estimation for ergodic diffusion processes in quadratic metric. Part 2: Asymptotic efficiency
证明了第一部分中构造的方法的渐近有效性,即Pinsker常数在极小极大二次风险的渐近下界内。结果表明,所构造的过程的渐近极小极大二次风险与这个常数相吻合。
2008-04-10 math.ST stat.TH
Asymptotic optimal designs under long-range dependence error structure
本文讨论误差结构为长相依的回归模型的最优设计问题。渐近最优设计的推导和证明,这些设计只间接依赖于相关函数。几个例子来说明理论的研究。最后,最优设计与Bickel和Herzberg [Ann. Statist. 7(1979)77 - 95]中给出的方法。
2012-05-14 math.ST stat.TH
Long Memory of Max-Stable Time Series as Phase Transition: Asymptotic Behaviour of Tail Dependence Estimators
本文提出max-stable时间序列尾部依赖系数的简单估计量,在温和条件下证明其渐近正态性,揭示该条件与长程/短程依赖转换相关,并证明标准收敛速率的渐近正态性当且仅当序列为SRD时成立。
2023-05-17 math.ST stat.TH
Validity and Power of Heavy-Tailed Combination Tests under Asymptotic Dependence
The University of Chicago(芝加哥大学);Finance University of Science Technology of China(中国科学技术大学金融学院);University of Waterloo(滑铁卢大学)
针对重尾组合检验在渐近相依p值下的有效性缺失问题,提出基于多元正则变化Copula的统一框架,证明当变换分布尾部指数γ≤1时检验渐近有效,且γ=1时功效优于Bonferroni方法。
2026-06-05 math.ST stat.TH
Joint Asymptotics for Estimating the Fractal Indices of Bivariate Gaussian Processes
多变量(或向量值)过程对于多变量建模很重要。基本多元过程的分量的分形指数在表征多元过程的相关结构和统计性质方面起着关键作用。本文在填充渐近框架下,建立了二元分形指数增量估计的联合渐近结果。我们的主要结果定量地描述了交叉依赖结构对估计性能的影响。
2017-07-24 math.ST stat.TH
Asymptotic properties of the maximum likelihood and cross validation estimators for transformed Gaussian processes
高斯过程协方差参数估计的渐近分析一直是人们研究的热点。然而,这种渐近分析是非常罕见的非高斯过程。本文研究了一类由高斯过程的正则非线性变换得到的非高斯过程。我们提供了增加域渐近性质的(高斯)最大似然和交叉验证估计的协方差参数的非高斯过程的这一类。我们表明,这些估计是一致的,渐近正态的,虽然他们被定义为如果该过程是高斯。它们不需要对非线性变换进行建模或估计。因此,我们的结果可以被解释为(高斯)最大似然和交叉验证对非高斯的鲁棒性。我们的证明依赖于两个技术成果,这是独立的兴趣的空间过程的渐增域渐近文献。首先,我们表明,在温和的假设下,大的协方差阵的逆的系数衰减作为相应的观测位置距离的函数的逆多项式率。其次,我们给出了由变换高斯过程得到的二次型的一般中心极限定理。最后,通过数值模拟说明了我们的渐近结果.
2019-11-25 math.ST stat.TH
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
Hidden Regular Variation under Full and Strong Asymptotic Dependence
在一个或多个维度上表现出重尾的数据通常使用规则变化的框架来研究。在多元设置中,这需要识别数据中的特定依赖形式;这意味着识别数据倾向于沿着特定方向集中,并且没有覆盖整个空间。这是从金融,保险,网络流量,社交网络等各种数据集中观察到的。在本文中,我们讨论了充分和强渐近依赖的二元数据的概念,以及在这些情况下隐藏的规则变化的想法。在风险分析设置中,当常规方法提供零风险估计时,这导致改进的风险估计准确性。真实和模拟数据集的分析说明了这种模型的生成和检测的概念。
2017-02-01 math.ST stat.TH
The different asymptotic regimes of nearly unstable autoregressive processes
我们将关于几乎不稳定AR(p)过程收敛性的经典结果推广到无限阶情形。为了做到这一点,我们继续在最近的工作霍克斯过程中使用极限定理的一些精心挑选的几何和。证明了当系数序列具有轻尾时,无穷阶近似不稳定自回归过程表现为Ornstein-Uhlenbeck模型。然而,在重尾的情况下,我们表明,分数扩散出现的限制法律,这样的过程。
2015-02-23 math.ST stat.TH
On asymptotically optimal wavelet estimation of trend functions under long-range dependence
本文研究具有强相关高斯残差的时间序列模型中趋势函数的数据自适应小波估计。最佳的平均积分平方误差和相应的最佳平滑和分辨率参数的渐近表达式。由于适应潜在的趋势函数的属性,该方法表现出非常好的性能,平滑的趋势函数,同时保持与极小极大小波估计的不连续性的功能的竞争力。仿真结果说明了渐近结果和有限样本行为。
2012-03-02 math.ST stat.TH
Weak convergence of the sequential empirical copula processes under long-range dependence
我们考虑高斯从属下的多元基于Copula的平稳时间序列。观测到的时间序列服从长程相关的高斯过程,其特征在于任意的边际copula分布。首先,我们建立了多元平稳长程相依序列在高斯从属下的边际和分位数边际经验过程的极限定理。在非限制性光滑性假设下,建立了序列经验copula过程的渐近性态。在长记忆序列的情况下,极限过程与i.i.d.的情况完全不同。弱相关的观测
2018-03-15 math.ST stat.TH
On non-linear dependence of multivariate subordinated Lévy processes
多元从属Lévy过程被广泛应用于金融领域中的多元资产收益建模。我们建议利用金融资产之间的非线性相关性,通过这些过程的多元累积量,我们提供了一个封闭的形式公式,通过使用多指标广义贝尔多项式。使用多元累积量,我们进行了灵敏度分析,以研究非线性依赖作为驱动依赖结构的模型参数的函数
2020-04-08 math.CO math.ST stat.TH
Asymptotic Stochastic Comparison of Random Processes
在文献中有几种方法可用于随机比较随机变量和随机向量。引入了随机过程的渐近随机序的概念,并定义了四种渐近随机序。各种性质和相互关系的订单进行了讨论。充分条件,这些订单持有某些随机过程,从一些统计实体的利益,推导。
2021-03-02 math.PR math.ST stat.TH
Non-asymptotic control of the cumulative distribution function of Lévy processes
对任意的$t>0$,$\varepsilon>0$和任意的Lévy过程$X$,提出了累积分布函数$P(|X_{t}|\ge \varepsilon)$的非渐近控制,使得其Lévy密度在原点的邻域内由$α$ -稳定型Lévy过程的密度有界.所得结果是非渐近的和最优的,它们适用于一大类Lévy过程。
2020-03-20 math.PR math.ST stat.TH
Some Asymptotic Results of Gaussian Random Fields with Varying Mean Functions and the Associated Processes
本文给出了具有变均值函数的高斯随机场指数函数积分的尾逼近和相应的点过程的逼近。本研究的动机自然是多种应用,如空间模型的假设检验,贝叶斯边际似然分布和贝叶斯因子的研究,以及金融应用。
2011-12-02 math.PR math.ST stat.TH
Asymptotic Properties of Self-Normalized Linear Processes with Long Memory
本文研究了具有无限二阶矩的独立新息的长记忆时间序列的分数布朗运动的收敛性。为了便于应用,我们导出了这个定理的自规范化形式。这项研究的动机是在经济应用中出现的模型,其中线性过程往往具有长记忆,创新具有重尾。
2011-05-31 math.ST stat.ME stat.TH
Asymptotic Classification Error for Heavy-Tailed Renewal Processes
针对更新过程分类问题,本文推导了重尾情形下误分类概率 Bhattacharyya 界的渐近表达式。
2025-09-30 cs.LG math.ST stat.ML
Block Sampling under Strong Dependence
本文研究了长程相依过程的块抽样方法。我们的理论推广了Hall,Jing和Lahiri(1998)关于高斯过程泛函和Nordman和Lahiri(2005)关于线性过程的早期理论。特别是,我们允许线性过程的非线性变换。在适当的物理依赖测度条件下,证明了块抽样方法的有效性。研究了自相似指数的估计问题。
2013-12-20 math.ST q-fin.ST stat.TH
Extremal dependence of random scale constructions
二元随机向量可以在其分量的最大值之间表现出渐进独立性或相关性。当被用作金融、保险或气象等领域风险评估的统计模型时,理解两种渐近状态中的哪一种是至关重要的。出于他们的普遍性和灵活性,我们认为向量的极值依赖性与随机规模建设$(X_1,X_2)=R(W_1,W_2)$,与非退化$R>0$独立的$(W_1,W_2)$。关注渐近尾部依赖性的存在和强度,如通过常用的汇总参数所表示的,影响结果的广泛因素是:$R$和$(W_1,W_2)$尾部的沉重程度,$(W_1,W_2)$支持的形状,以及$(W_1,W_2)$之间的依赖性。当$R$的尾部明显轻于$(W_1,W_2)$时,$(X_1,X_2)$的极值相关性通常与$(W_1,W_2)$相同,而$R$的尾部与$(W_1,W_2)$相似或较重通常导致极值相关性增加。类似的尾巴heavinesses代表最有趣的和技术的情况下,我们发现在这种情况下,当$(W_1,W_2)$表现出渐近独立性的$(X_1,X_2)$可能的渐近独立性和依赖性。双变量的情况下,往往直接扩展到高维向量和空间过程,其中的依赖性主要是分析的双变量子向量的总结。结果统一和扩展了许多现有的例子,我们用它们来提出新的模型,包括两个依赖类。
2019-04-26 math.PR math.ST stat.TH