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
Asymptotic Behavior of Free Energy When Optimal Probability Distribution Is Not Unique
贝叶斯推理是一种广泛使用的统计方法。用于估计贝叶斯推理精度的自由能和泛化损失在没有唯一最优参数的奇异模型中是很小的。然而,当存在多个最优概率分布时,它们的特性尚不清楚。本文从理论上推导了最优概率分布不唯一情况下广义损失和自由能的渐近性质,并证明了它们包含与传统渐近分析不同的渐近项.
2020-12-15 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
Response surface methodology: Asymptotic normality of the optimal solution
研究了响应面法中最优解的灵敏度分析,得到了回归系数摄动对最优解影响的显式表达式。研究了响应面模型最优解对应的凸规划临界点的特征。最优解的渐近正态性遵循标准方法。
2012-03-26 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
Asymptotic normality of the optimal solution in multiresponse surface methodology
本文给出了多响应曲面法中回归系数矩阵摄动对最优解影响的显式表达式。然后,研究了最优解的灵敏度分析,并分析了凸规划的临界点特征,与多响应面的最优性有关。最后,用标准方法推导出最优解的渐近正态性。
2012-07-18 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
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
An asymptotic expansion of the empirical angular measure for bivariate extremal dependence
该研究针对二元极值依赖场景,基于有界函数空间弱收敛理论推导经验角度测度的泛函渐近展开,既复原已知渐近分布,还可推导其他相关统计量的展开与弱极限,为极端值统计学习提供理论工具。
2024-07-15 math.ST stat.TH
Optimal Uniform Convergence Rates and Asymptotic Normality for Series Estimators Under Weak Dependence and Weak Conditions
我们证明了弱相依回归变量的样条和小波级数回归估计达到Stone(1982)的最优一致(即超范数)收敛速度$(n/\log n)^{-p/(2p+d)}$,其中$d$是回归变量的个数,$p$是回归函数的光滑性.即使对于$d/p<2$具有有限$(2+(d/p))$阶绝对矩的重尾鞅差误差,也能获得最优速率.在较弱的条件下,我们还建立了条件均值函数的可能非线性、非正则泛函的t统计量的渐近正态性。通过导出一个新的弱相依随机矩阵和的指数不等式,证明了上述结果。
2015-03-10 math.ST stat.TH
Asymptotic Minimaxity, Optimal Posterior Concentration and Asymptotic Bayes Optimality of Horseshoe-type Priors Under Sparsity
在这篇文章中,我们研究了一个非常广泛的一类一类连续收缩先验的同时估计和测试的稀疏正常均值向量向量的某些渐近最优性。本文研究了一般一类单组先验数据的贝叶斯估计的渐近最优性和后验集中性,其中数据假定为多元正态分布,具有一个固定的未知均值向量.在非零均值的数目已知的假设下,我们证明了贝叶斯估计所产生的这一一般类收缩先验研究中,达到极大极小风险,一些乘法常数,下$l_2$规范。特别地,对于马蹄型先验,如带参数$a=0.5, b>0$的三参数β正态混合和带形状参数$α=1$的广义双Pareto先验,相应的贝叶斯估计成为渐近极小极大.此外,后验分布所产生的这一一般类的一组先验的合同周围的真正的平均向量在极小极大$l_2$率为一个广泛的值域的值的全球收缩参数的基础均值向量的非零组件的比例。作为证明上述极大极小性结果所必需的一个关键结果的结果而出现的一个重要且显著的事实是,在Bogdan等人(2011)的渐近框架内,由于Carvalho等人(2010)基于马蹄型先验的自然阈值规则渐近地达到最优贝叶斯风险w.r.t.一个$0-1$损失,直到正确的乘法常数,并因此,渐近贝叶斯稀疏(ABOS)下的最优。
2015-11-10 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
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
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
An Asymptotic Test for Constancy of the Variance under Short-Range Dependence
本文提出了一种新的方法来检验非平稳时间序列的异方差性,该方法基于对数局部样本方差的基尼均值差。为了分析我们的检验统计量的大样本行为,我们建立了相依三角阵列U-统计量的新的极限定理。我们推导出的渐近分布的检验统计量下的原假设的一个恒定的方差,并表明,该测试是一致的对一大类的替代品,包括多个结构性突变的方差。我们的测试是适用的,即使在非平稳过程的情况下,假设一个局部平稳的平均函数。在一个广泛的模拟研究的测试和其相对较低的计算时间的性能。作为一个应用程序,我们分析了谷歌趋势数据,监测了主题“全球变暖”的相对搜索兴趣。"
2021-05-21 math.ST stat.TH
Degenerate U- and V-statistics under weak dependence: Asymptotic theory and bootstrap consistency
我们设计了一个一般性的结果,基于模型的引导方法的U-和V-统计量的一致性,易于验证的条件下。为此,我们首先给出了弱相依$\mathbb{R}^d$值随机变量的二次退化U-和V-统计量的极限分布。为此,只需要一些关于核的矩条件和光滑性假设。在此基础上,我们验证了这些统计量的自助配对具有相同的极限分布。最后,给出了假设检验的一些应用。
2012-05-09 math.ST stat.TH
A Modified Dependence Measure Related to Chatterjee's Rank Correlation: Theoretical Properties and Asymptotic Analysis
Qufu Normal University(曲阜师范大学)
本文提出Chatterjee秩相关的改进依赖度量,推导其等价表示、构造估计量并证明其强相合性与渐近分布,蒙特卡洛模拟显示该估计量在有限样本性能上优于原度量,I类错误控制更佳。
2026-08-11 math.ST stat.TH
Asymptotic properties of U-processes under long-range dependence
设$(X_i)_{i\geq 1}$是平稳均值零高斯过程,其协方差$ρ(k)=\PE(X_{1}X_{k+1})$满足:$ρ(0)=1$和$ρ(k)=k^{-D} L(k)$,其中$D$在$(0,1)$中,$L$在无穷远处慢变.考虑定义为$$ U_n(r)=\frac{1}{n(n-1)}\sum_{1\leq i\neq j\leq n}\1_{\{G(X_i,X_j)\leq r\}}\; , $$的$U$ -过程$\{U_n(r),\; r\in I\}$,其中$I$是包括在$\rset$中的间隔,并且$G$是对称函数。本文给出了$U_n$的中心极限定理和非中心极限定理.它们被用来推导Hodges-Lehmann估计量、Wilcoxon符号秩统计量、样本相关积分和相关尺度估计量的渐近行为。极限分布通过多重Wiener-Itô积分表示。
2010-12-03 math.ST stat.TH
Optimal non-asymptotic bound of the Ruppert-Polyak averaging without strong convexity
本文研究了在[Rup 88]和[PJ 92]的开创性贡献中引入的Ruppert-Polyak随机平均梯度下降的均方误差的非渐近控制。在我们的主要结果中,我们在一个非常一般的框架中建立了非渐近紧界(相对于Cramer-Rao下界是最优的),该框架包括一致强凸的情况以及要最小化的函数f满足较弱的Kurdyka-Lojiasewicz型条件的情况[Loj 63,Kur 98]。特别是,它可以恢复一些病态的例子,如在线学习逻辑斯谛回归(见[Bac 14])和递归量化估计(甚至非凸的情况)。
2017-09-11 math.ST stat.TH
Tail asymptotics for the bivariate equi-skew Variance-Gamma distribution
在等偏度条件下,我们导出了二元偏方差Gamma(VG)分布作为一个显式正则变化函数的尾部依赖衰减到零的渐近速率。我们的发展是在一个更一般的二元斜广义双曲(GH)分布。我们最初将二元问题简化为一元问题是由于我们早期对二元斜正态分布的尾部依赖率的研究
2020-10-13 math.ST stat.TH
Augmented GARCH sequences: Dependence structure and asymptotics
增广的GARCH模型是流行的和广泛使用的GARCH过程的许多扩展的统一。它是由Duan提出的,除了普通的(线性)Gestival过程外,它还包括指数Gestival过程、幂Gestival过程、门限Gestival过程、非对称Gestival过程等。本文研究了增广$\mathrm {GARCH}(1,1)$序列的概率结构以及在统计推断问题中出现的过程的各种泛函的渐近分布。而不是使用马尔可夫结构的模型和隐含的混合性质,我们利用扰动Gestival序列的独立性,直接减少其渐近行为的情况下,独立的随机变量。这种方法适用于一个非常大的一类泛函,并消除了相当严格的时刻和光滑性条件假设在早期的理论。特别是,我们得到的功能CLT的权力的增广Gestival变量,推导出的差错率的CLT,并获得渐近结果的经验过程在接近最优的条件下。
2008-05-15 math.ST stat.TH
Asymptotic theory of least squares estimators for nearly unstable processes under strong dependence
本文研究了新息强相关的近似不稳定线性时间序列的最小二乘估计。在一个一般的框架和适当的缩放,它表明,普通的最小二乘程序收敛到分数Ornstein-Uhlenbeck过程的泛函。我们使用分数积分噪声作为例子来说明的重要思想。在这种情况下,泛函只承担形式上的类比,在经典框架与不相关的新息,维纳过程被取代的分数布朗运动。它还表明,极限定理的泛函涉及非标准标度和非标准极限分布。本文的结果揭示了几乎不稳定的长记忆过程的渐近行为。
2007-11-22 math.ST stat.TH
Asymptotically optimal sequential FDR and pFDR control with (or without) prior information on the number of signals
我们调查渐近最优的多重检验程序的顺序数据流的背景下,先验信息的数量假零假设(“信号”)。我们表明,最近提出并由Song和Fellouris(2017,Electron. J. Statist.)对于控制第1类和第2类族误差率(FWE)是渐近最优的,当适当调整它们的临界值时,对于控制FDR/FNR也是渐近最优的。推广这一结果,我们表明,这些程序,再次适当调整的临界值,是渐近最优的控制任何多重检验误差度量,在一定意义上的FWE的倍数之间的界限。这类指标包括FDR/FNR,但也包括pFDR/pFNR、每个比较和每个系列的错误率以及假阳性率。我们的分析包括渐近制度,其中零假设的数量接近$\infty$,因为1型和2型错误度量接近$0$。
2020-05-01 math.ST stat.ME 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
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
Asymptotics in Multiple Hypotheses Testing under Dependence: beyond Normality
本文在一般相关框架下研究多重假设检验的渐近行为,证明Bonferroni程序及逐步向下程序在广泛分布类中FWER渐近趋于零,并给出正极限的反例,推广了正态情形下的既有结果。
2024-11-18 math.ST stat.ME stat.TH
Central limit theorems for stationary random fields under weak dependence with application to ambit and mixed moving average fields
利用一种称为$θ$ -lex弱依赖的新的依赖度量,得到了平稳随机场的中心极限定理.我们表明,这种依赖的概念是更普遍的比强混合,即,它适用于更广泛的模型类别。讨论了$θ$ -lex和$η$ -弱相依的遗传性质,并举例说明了弱相依概念在研究平稳随机场渐近性质中的可能应用.我们的一般结果适用于混合移动平均场(简称MMAF)和界限场。我们表明,一般条件下,MMAF和境界字段,与波动率字段是一个MMAF或$p$依赖的随机场,是弱相关的。对于上述模型,我们给出了它们的弱相关系数的一个完整刻画,以及它们的样本矩具有渐近正态性的充分条件。最后,我们给出了MSTOU过程的弱相关系数的显式计算,并分析了在何种条件下所发展的渐近理论适用于CARMA场。
2021-04-06 math.PR math.ST stat.TH
GMM and M Estimation under Network Dependence
Vanderbilt University(范德堡大学)
本文基于网络依赖数据,提出GMM和M估计量,并通过统一大数定律证明其一致性和渐近正态性,同时提供实际应用的估计与推断方法。
2026-03-09 econ.EM math.ST stat.TH
SLOPE for Sparse Linear Regression:Asymptotics and Optimal Regularization
在稀疏线性回归中,SLOPE估计量通过根据估计量的大小惩罚估计量的不同坐标来推广LASSO。在本文中,我们提出了一个精确的性能表征的斜率在渐近制度中的未知参数的数量成比例增长的观察。我们的渐近特性使我们能够得到的基本限制的斜率在估计和变量选择设置。我们还提供了一个计算可行的方法来优化设计的正则化序列,使基本的限制。在这两种情况下,我们表明,最优设计问题可以制定为某些无限维凸优化问题,它有效率和准确的有限维近似。数值模拟验证了我们所有的渐近预测。他们证明了我们的最佳正则化序列优于现有文献中使用的其他设计。
2021-06-04 cs.IT math.IT math.ST
On asymptotically optimal tests for random number generators
研究了随机数发生器(RNG)的有效统计检验问题。目前,对RNG的统计测试是密码信息保护系统的强制性部分,但其有效性主要基于对各种RNG的实验来评估。我们找到一个渐近估计的最佳测试的p值的情况下,备择假设是一个已知的平稳遍历源,然后描述一个家庭的测试,其中每个具有相同的渐近估计的p值的任何(未知)平稳遍历源。
2019-12-13 cs.CR cs.IT math.IT
Rate-Optimal Non-Asymptotics for the Quadratic Prediction Error Method
University of Pennsylvania(宾夕法尼亚大学)
本文利用依赖数据学习工具,首次为非线性参数化时变预测模型中的二次预测误差方法建立速率最优的非渐近保证,并将其用于获得可辨识 ARMA 模型的最优非渐近辨识速率。
2024-04-15 cs.LG cs.SY eess.SY