A class of unbiased location invariant Hill-type estimators for heavy tailed distributions
本文基于Caillon和Gomes（2002）和Fraga Alves（2001）的方法，导出了一类新的位置不变Hill型估计量。给出了它的渐近分布表示和渐近正态性，并在某些特殊情况下讨论了利用均方误差选择最优样本分数的问题。最后通过Monte Carlo模拟对几种常见的模型进行了比较研究。
2008-09-23 math.ST stat.TH
Asymptotic normality in the maximum entropy models on graphs with an increasing number of parameters
最大熵模型是$β$ -模型到加权图的自然推广，其动机是在神经元科学中的应用。与$β$模型类似，最大熵模型中的每个顶点都被赋予一个潜在的参数，并且度序列是自然的充分统计量。Hillar和Wibisono（2013）证明了极大似然估计的一致性。本文进一步证明了三种边权的最大熵模型中，当参数总数趋于无穷大时，任意有限个极大似然估计的渐近正态性.仿真研究来说明渐近结果。
2014-08-08 math.ST stat.TH
A Lynden-Bell integral estimator for extremes of randomly truncated data
研究了随机右截尾重尾数据的极值指数和极值分位数的估计问题。在较弱的假设和截断变量的重尾性小于截断变量的重尾性的条件下，证明了两种估计量的渐近正态性。建议的估计量的极值指数是一个适应的希尔估计，在thenatural形式的林登-贝尔积分。仿真说明了各种情况下的估计质量。
2015-07-15 math.ST stat.TH
Robust estimator of distortion risk premiums for heavy-tailed losses
我们使用Fabián（2001）提出的所谓t-Hill尾部指数估计量，而不是Hill的估计量，来推导出损失失真风险溢价的稳健估计量。在二阶正则变差条件下，建立了它的渐近正态性。通过仿真研究，我们表明，新的估计是更强大的比Necir和Meraghni 2009小样本和大样本。
2016-02-13 math.ST stat.TH
Kernel estimation of the tail index of a right-truncated Pareto-type distribution
本文在随机右截断下定义了Pareto型分布尾指标的核估计，并证明了它的渐近正态性。一项模拟研究表明，与Gardes & Stupfler（2015）和Benchaira et al.（2015）最近提出的估计量相比，这种新引入的估计量在小样本情况下在偏差和均方误差方面表现得更好。
2015-12-01 math.ST stat.TH
A Lynden-Bell integral estimator for the tail index of right-truncated data with a random threshold
本文利用具有确定性阈值的Lynden-Bell积分，讨论了Worms和Worms [A Lynden-Bell integral estimator for extremes of randomized truncated data.中央集权主义者可能吧Lett. 2016; 109：106-117]最近介绍了随机右截断Pareto型数据的尾指数的渐近正态估计。在这种情况下，我们考虑随机阈值的情况下，得到一个Hill型估计，并建立其一致性和渐近正态性。仿真研究进行评估所提出的估计的有限样本行为。
2016-11-20 math.ST stat.TH
Flexible Extreme Value Inference And Hill Plots For A Small, Mid And Large Samples
极值尾估计量的渐近正态性在文献中引起了广泛的关注，由此产生了越来越复杂的二阶正则条件。然而，这样的条件真的很难被检查的真实数据。特别是使用小样本来检查这样的条件是困难的或不可能的。除此之外，这些条件中的大多数遭受潜在奇异积分表示的缺点。然而，我们可以用正态分布得到不同阶的近似，例如Berry-Essen型和Edgeworth型。本文指出，对于广义Hill估计的Berry-Essen型正态逼近及其相关的渐近正态性，不需要二阶正则条件，对于正则变化的尾，我们可以只应用Karamata表示.然而，二阶正则条件更好地涉及Edgeworth类型的正态近似，尽管需要更大的数据样本来进行适当的检查。最后，这两种扩展都倾向于自举和其他子采样技术。所有现有的研究结果表明，适当的尾巴行为的代表性发挥了特殊的，有点耐人寻味的作用，在这种情况下。我们通过在一般规则变分背景下提供积分奇异现象的完整表征和表示来消除这种普遍的观点，强调其与不具有二阶条件的广义Hill估计量的渐进正态性的关系。因此，这种新方法的应用是简单的，更灵活，最佳的真实数据集。希尔图的替代和强大的版本也介绍和说明从斯洛伐克的极端降雪的生态数据。
2015-09-22 stat.ME
Limit behaviour of the truncated pathwise Fourier-transformation of Lévy-driven CARMA processes for non-equidistant discrete time observations
本文考虑了经典自回归滑动平均过程的一个连续时间模拟，即Lévy驱动的CARMA过程。首先，我们描述的限制性能的周期图通过所谓的截断傅里叶变换，如果观察是连续的。所得结果与离散时间情形下的相应结果一致。然后讨论了基于非等距高频数据的截断傅里叶变换的数值逼近。为了保证数值逼近收敛到截断的傅里叶变换的真值，需要对观测值之间的最大距离和观测值的数目进行一定的控制。在高频无限时域极限下，我们得到了收敛到连续时间量和渐近正态性。
2016-08-15 math.PR math.ST stat.ME
Semiparametric tail-index estimation for randomly right-truncated heavy-tailed data
当处理截断分布的参数信息时，截断数据分布函数的半参数估计（Wang，1989）比非参数估计更有效。在此基础上，给出了随机右截断Pareto型分布尾指数的估计量，并证明了其相合性和渐近正态性.通过仿真研究，证明了该估计器的有限样本行为。我们指出，在偏差和均方误差的根，我们的估计比那些基于非参数估计方法。最后给出了一个艾滋病发病诱导时间的实际数据集的应用。
2021-06-02 math.ST stat.TH
An averaged projected Robbins-Monro algorithm for estimating the parameters of a truncated spherical distribution
这项工作的目的是提出一种新的算法，以适应一个完整的或截断的球体周围分布的嘈杂的三维点云上的球体。更确切地说，我们介绍了投影罗宾斯-门罗算法和其平均版本估计的中心和半径的球。我们给出了这些算法的几乎必然收敛以及平均算法的渐近正态性等渐近结果。此外，还将给出一些非渐近的结果，如按二次平均的收敛速度。一些数值实验表明，该算法的效率模拟数据的小到中等的样本量。
2016-06-14 math.ST stat.TH
On the Generalized Hill Process for Small Parameters and Applications
设$X_{1},X_{2},...$是实随机变量（r. v.）$X\geq 1$，具有分布函数$df$ $F(x)=\mathbb{P}% (X\leq x)$，并令$X_{1,n}\leq X_{2,n} \leq ... \leq X_{n,n}$为基于这些观测值中的第一个$n\geq 1$的顺序统计量。下面的连续广义希尔过程{方程 *} T_{n}（τ）=k^{-τ} \sum_{j=1}^{j=k} j^τ（\log X_{n-j+1,n} - \log X_{n-j,n}），\label{dl02} {方程 *} $τ>0$，$1\leq k \leq n$，已经被引入作为极值指数估计量的连续族，并且为了统计目的而进行了大量研究，渐近正态性结果仅限于$τ> 1/2$。我们将这些结果推广到$0 < τ\leq 1/2$，并证明了渐近正态性对$τ=1/2$仍然有效。对于$0 < τ<1/2$，我们得到了与Riemann函数$% ζ(s)=\sum_{n=1}^{\infty} n^{-s},s>1$密切相关的非高斯渐近律
2011-11-19 stat.ME
Several new tail index estimators
本文提出了几类新的函数，用于构造尾指数估计量。这类新的函数一般是非单调的，但它是两个单调函数的乘积：幂函数和对数函数，这在经典的Hill估计中起着至关重要的作用。在二阶正则变差条件下，新的估计量在所有参数范围内都具有比Hill估计量和其它常用估计量更好的渐近性能。渐近正态性的引进估计证明，并比较（使用渐近均方误差）与其他估计的尾部指标。一些初步的模拟结果。
2015-01-05 math.ST stat.TH
Extreme value statistics for truncated Pareto-type distributions
最近注意力已提请实际问题与使用无界帕累托分布，例如，当有自然的上界截断概率尾部。Aban，Meerschaert and Panorska（2006）推导了具有右截断点$T$的截断Pareto分布的Pareto尾指数的最大似然估计。Hill（1975）估计量则通过让$T \to \infty$。Nuyts（2010）也介绍了右截断下的极值估计问题，他提出了尾部指数的类似估计量，并考虑了对极值顺序统计量的数量进行修剪。鉴于在实践中，人们并不总是知道分布是否被截断或不，我们讨论了截断和非截断Pareto型分布下的Pareto指数和极端分位数的估计。我们还提出了一个截断的帕累托QQ图，以帮助决定截断和非截断的情况。这样我们扩展了经典的极值方法，增加了截断Pareto型模型，截断点$T \to \infty$作为样本量$n \to \infty$。最后，我们给出了一些实际的例子，渐近性和仿真结果。
2014-12-23 math.ST stat.TH
Limit laws for the norms of extremal samples
令表示为$S_n(p) = k_n^{-1} \sum_{i=1}^{k_n} \left( \log (X_{n+1-i,n} / X_{n-k_n, n}) \right)^p$，其中$p > 0$，$k_n \leq n$是整数序列，使得$k_n \to \infty$和$k_n / n \to 0$，并且$X_{1,n} \leq \ldots \leq X_{n,n}$是具有规则变化的上尾的iid随机变量的顺序统计量。估计量$\widehat γ(n) = (S_n(p)/Γ(p+1))^{1/p}$是Hill估计量的扩展。我们研究了固定$p > 0$和$p = p_n \to \infty$的$S_n(p)$和$\widehat γ(n)$的渐近性质。在适当的假设下证明了强相合性和渐近正态性。应用到实际数据中，我们发现，对于较大的$p$的估计是不太敏感的$k_n$比希尔估计的变化。
2020-04-27 math.PR math.ST stat.TH
Trimming the Hill estimator: robustness, optimality and adaptivity
我们介绍了一个修剪版本的重尾分布的指数，这是强大的扰动在极端顺序统计量的希尔估计。在理想的Pareto环境下，对于给定的严格上崩溃点，该估计在所有无偏估计量中本质上是有限样本有效的。对于一般的重尾模型，在二阶条件下建立了估计量的渐近正态性，并讨论了其在Hall类下的极小极大最优率。我们引入了所谓的修剪Hill图，它可以用来选择要修剪的前顺序统计量的数量。我们还开发了一个自动的，数据驱动的程序，选择修剪。这导致了一种新型的鲁棒估计器，它可以{ \em adapt}到极端情况下的未知污染水平。作为一个副产品，我们还获得了一个方法来识别极端离群值的重尾数据。通过仿真说明了自适应和修正Hill估计的竞争性能。
2017-11-14 stat.ME
Gaussian approximation to the extreme value index estimator of a heavy-tailed distribution under random censoring
我们利用经验过程理论来近似的适应希尔估计，删失数据，在高斯过程。然后，我们得到了它的渐近正态性，只有在通常的二阶正则变化的条件下。我们的方法允许放松的假设，在Einmahl，Fils-Villetard和Guillou（2008），重尾分布函数和样本分数的上顺序统计量。
2015-07-06 math.ST stat.TH
Asymptotic analysis of ML-covariance parameter estimators based on covariance approximations
针对高斯随机场的协方差参数估计，提出截断似然函数近似方法，证明在紧支撑情形下估计量的一致性和渐近正态性，并推广至锥化情形，实现渐近最小化KL散度。
2023-11-15 math.ST stat.TH
Improved estimation of the extreme value index using related variables
重尾现象很自然地用极值统计分析。这种分析的关键步骤是估计极值指数，它描述了潜在概率分布的尾部沉重程度。我们考虑这样的情况，其中我们在感兴趣的$n$观测之后具有一个或多个相关变量的另一个$n+m$观测，例如，地震造成的经济损失和相关的能量释放量，其持续时间比损失的持续时间长。基于这样的数据集，我们提出了一个适应版本的希尔估计，表现出极大的改善的行为，我们建立了这个估计的渐近正态性。对于这种适应，感兴趣的变量和相关变量之间的尾部依赖性起着重要的作用。仿真研究证实了我们的自适应估计相对于希尔估计的性能大大提高。我们还提出了上述地震损失的应用。
2018-07-17 math.ST stat.TH
Estimating the second-order parameter of regular variation and bias reduction in tail index estimation under random truncation
本文提出了随机右截断Pareto型分布数据二阶参数的一个估计，并证明了它的相合性和渐近正态性。此外，我们还得到了尾指标的渐近无偏估计，并研究了它的渐近性质。我们的考虑是基于一个有用的高斯近似的尾部产品限制过程最近给出的Benchaira等人。[尾部产品限制过程截断数据与应用极值指数估计。Extremes，2016; 19：219-251]和Gomes等人的结果[极端统计中二阶参数的半参数估计。Extremes，2002; 5：387-414]。我们表明，通过模拟，建议的估计表现良好，在偏差和均方误差。
2016-10-20 math.ST stat.TH
Weighted least squares estimators for the Parzen tail index
重尾分布尾指数的估计及其应用在许多研究领域中是必不可少的。提出了Parzen尾指数的一类加权最小二乘估计。我们的方法是基于\cite{Holan2010}开发的方法。我们研究了WLS估计的相合性和渐近正态性。通过模拟研究，我们与Hill，Pickands，DEdH（Dekkers，Einmahl和de Haan）以及以均方误差为准则的普通最小二乘（OLS）估计进行了比较。结果表明，在约束模型中，WLS估计的某些成员与Pickands，DEdH和OLS估计是竞争性的。
2020-02-28 math.ST stat.TH
Truncated Cramér-von Mises test of normality
本文介绍了一种基于标准化经验过程的正态性检验方法。第一步是引入一个Cramér-von Mises型统计量，其权重等于对称区间$[-a_n,a_n]$上支持的标准正态密度函数的倒数，该对称区间取决于样本量$n.$。端点序列$a_n$趋于无穷大，并选择该端点序列，使得统计量以$\ln \ln n.$的速度趋于无穷大。在减去均值后，获得合适的检验统计量，具有与著名的Shapiro-Wilk统计相同的渐近定律。新的测试的性能进行了描述和比较与其他三个著名的正态性检验，即Shapiro-Wilk，安德森-达林和del Barrio-Matrán，Cuesta Albertos，和Rodr\'ıguez Rodr\' ıguez，通过功率计算在许多替代假设。
2019-03-21 math.ST stat.TH
Data-adaptive trimming of the Hill estimator and detection of outliers in the extremes of heavy-tailed data
我们介绍了一个修剪版本的重尾分布的指数，这是强大的扰动在极端顺序统计量的希尔估计。在理想的Pareto环境下，对于给定的严格上崩溃点，该估计在所有无偏估计量中本质上是有限样本有效的。对于一般的重尾模型，我们在二阶正则变差条件下建立了估计量的渐近正态性，并证明了它在Hall分布类中是极小极大率最优的.我们还开发了一种自动的，数据驱动的方法来选择的修剪参数，产生一种新型的鲁棒估计，可以适应未知的污染水平的极端。这种自适应鲁棒性使我们的估计特别有吸引力，优于其他强大的估计在设置中的极端数据被污染。作为数据驱动的修剪参数选择的一个重要应用，我们得到了一个方法的原则性识别极端离群重尾数据。事实上，该方法已被证明可以正确识别先前探索的Condroz数据集中的离群值数量。
2018-08-23 stat.ME
Censored lifespans in a double-truncated sample: Maximum likelihood inference for the exponential distribution
针对双截断样本中因删失阻碍分析的问题，假设寿命服从指数分布并推导似然函数，对不可观测样本量进行轮廓化处理，证明了参数可识别性及 M-estimator 的一致性与渐近正态性，并以德国企业寿命为例验证。
2025-04-23 stat.ME
Weighted and Truncated Tail Index Estimation under Random Censoring: A Unified Full-Range Framework
Laboratory of Applied Mathematics, Mohamed Khider University（应用数学实验室，穆罕默德·基德尔大学）
本文提出一种统一的全范围框架，通过带权和截断Nelson-Aalen尾经验过程，构建了一类带调参参数的积分估计器，解决了传统方法在强删失情况下无法应用的问题，实现了从弱删失到强删失的渐近结构恢复。
2026-05-13 math.ST stat.TH
Semiparametric Sieve Maximum Likelihood Estimation Under Cure Model with Partly Interval Censored and Left Truncated Data for Application to Spontaneous Abortion Data
这项工作的动机是观察性研究妊娠与自然流产（SAB）的结果。显然，有些妇女经历了SAB事件，但其余的没有。此外，由于这些研究招募孕妇的方式，数据被截断。对于那些经历过SAB的女性来说，她们的确切事件时间有时是未知的。最后，一小部分妇女在怀孕期间失去了后续行动。所有这些都会产生左截断、部分区间和右删失的数据，并且具有明确定义的固化部分。我们考虑非混合Cox回归治愈率模型，并采用半参数样条筛选极大似然方法来分析此类数据。利用现代经验过程理论证明了参数和非参数部分的筛估计是一致的，并建立了这两部分的渐近正态性。进行仿真研究，以建立有限样本的性能。最后，我们将我们的方法应用于自然流产的观察性研究数据库。
2017-08-22 stat.ME
On a discrete Hill's statistical process based on sum-product statistics and its finite-dimensional asymptotic theory
下面这类和积统计量T_n（p）= \frac{1}{k} \sum_{h=1}^p \sum_{(s_1...s_h)\in P(p,h)} \sum_{i_1=l+1}^{i_0}.引入了\sum_{i_h=l+1}^{i_{h-1}} i_h \prod_{i=i_1}^{i_h} \frac{(Y_{n-i+1,n}-Y_{n-i,n})^{s_i}}{s_i!}（其中$l,$ $k=i_{0}$和n是正整数，$0<l<k<n,$ $P(p,h)$是$\ p>0$到$\ h$正整数的所有有序部分的集合，$Y_{1,n}\leq ...\leq Y_{n,n}$是基于具有底层分布$\mathbb{P}(Y\leq y)=G(Y)=F(e^{y})$的独立随机变量序列$Y_{1},$ $Y_{2},...$的顺序统计量）.对于每个p，$T_{n}(p)^{-1/p}$是上尾在无穷远处规则变化的分布的指数的估计量。这个族推广了所谓的Hill统计量和Dekkers-Einmahl-De Haan统计量。本文研究了过程${T_{n}(p),1\leq p<\infty}$的极限律，并借助于组合技术完整地描述了高斯极限过程的协方差函数。许多结果可用于希尔的统计渐近正态性和法律的重对数扩展到每个利润$T_{n}(p,k)$，$p$固定，并为任何分布函数位于极值域。在这个过程中，我们得到了一…
2012-03-03 stat.ME
Stratified Regression Analysis of Zero-Truncated Recurrent Event Data
本文针对零截断复发事件数据，提出一种结合人口普查补充信息的分层Cox回归模型及估计方法，并证明其一致性和渐近正态性，模拟显示其优于仅用零截断数据的最大似然估计。
2025-05-05 stat.ME
Estimating heavy-tail exponents through max self-similarity
本文提出了一种新的估计分布的重尾指数α>0的方法。它基于这样一个事实，即独立同分布数据的大小为m的块极大值以m^{1/alpha}的速率缩放。这种缩放率可以通过数据的最大谱图很好地捕获，从而导致基于回归的估计。在较弱的条件下，证明了这些估计的相合性和渐近正态性。结果是通过建立重尾极大值的矩型泛函的收敛速度收敛速率的界得到的。这样的界限往往会产生精确的收敛速度，是独立的利益。自动选择的调整参数的估计和相应的置信区间的实际问题也得到了解决。大量的数值模拟表明，该方法证明了竞争力的小和大的样本量和大范围的尾部指数。该方法被证明是更强大的比经典的希尔图，并说明了两个数据集的保险索赔和天然气田的大小。
2006-09-06 math.PR math.ST stat.TH
Left-Truncated Health Insurance Claims Data: Theoretical Review and Empirical Application
本研究基于AOK的25万左截断健康保险理赔数据，通过条件似然与Jacod公式分析中风对痴呆发病的影响，发现中风后痴呆发病强度显著上升，年龄非齐次模型下效应减半，调整多病共存后无进一步变化。
2022-11-14 stat.ME
On the asymptotics of extremal lp-blocks cluster inference
本文研究平稳正则变化时间序列中极值块的聚类推断，建立基于大 lp-范数观测值的块估计量渐近正态性，并在线性模型等经典模型中验证条件，证明经典指数聚类估计量渐近方差为零。
2025-05-06 math.PR math.ST stat.TH
Tail empirical process and weighted extreme value index estimator for randomly right-censored data
针对重尾右删失数据，引入了一种尾部经验过程，并建立了其高斯逼近。在二阶正则变差条件下，利用上述过程，提出了正极值指标的一个新的（加权）Hill型估计，并证明了它的相合性和渐近正态性.在一个比较模拟研究中，新定义的估计被认为是执行更好的比已经存在的偏差和均方误差。作为一个真实的数据例子，我们应用我们的估计过程来评估澳大利亚男性艾滋病患者的生存时间的尾部指数。值得注意的是，我们的方法也可以用来开发其他统计相关的分布尾部，如二阶参数和减少偏差尾部指数估计。此外，建议的尾部经验过程提供了一个良好的适合性测试下的审查帕累托模型。
2018-02-03 math.ST stat.TH
Maximum likelihood estimators based on the block maxima method
极值指标是单变量极值理论中的一个基本参数。它捕获分布的尾部行为，并且是超出观察数据的外推的核心。在其他半参数方法（如流行的希尔估计）中，块最大值（BM）和超过阈值的峰值（POT）方法被广泛用于评估极值指数和相关的归一化常数。我们提供了基于BM方法的最大似然估计（MLE）的渐进理论。我们的主要结果是渐近正态性的极大似然估计与非平凡的偏见取决于极值指数和所谓的二阶参数。我们的方法结合了似然过程和块极大值的经验分位数过程的渐近展开。结果允许完成EVT中最常见的半参数估计（最大似然估计和基于POT或BM方法的概率加权矩估计）的比较，通过其渐近方差，偏差和最优均方误差。
2017-05-01 math.ST stat.TH
Left-truncated discrete lifespans: The AFiD enterprise panel
University of Rostock（罗斯托克大学）
本文基于几何分布模型，通过左截断和右删失方法估计德国企业寿命，利用AFiD面板数据得出企业预期寿命为十年，置信区间宽度为两个月。
2024-11-19 stat.AP stat.ME
Profile Likelihood Inference for Anisotropic Hyperbolic Wrapped Normal Models on Hyperbolic Space
Department of Mathematics, Baruch College（巴鲁克学院数学系）；Department of Mathematics, The Graduate Center, City University of New York（纽约市立大学研究生院数学系）
本文研究了超曲面上各向异性双曲包裹正态分布的基于似然的推断方法，提出通过优化似然函数获得参数估计，并证明了估计的强一致性及渐近正态性。
2026-05-01 math.ST stat.TH
Scoring Rules with Normalized Upper Order Statistics for Tail Inference
University of Copenhagen（哥本哈根大学）
提出一种基于评分规则的方法，利用归一化上序统计量区分Fréchet域中不同尾指数，理论证明一致性和渐近正态性，Hill估计器为其特例，模拟和实证验证有效。
2026-06-24 stat.ME
Debiased parametric inference for regime-switching jump diffusions with infinite variation jumps
Institute of Mathematics for Industry, Kyushu University（九州大学产业数学研究所）
针对机制转换跳跃扩散模型，提出两阶段半参数方法：第一阶段用截断高斯拟似然估计参数，第二阶段用核平滑估计Lévy密度，并建立渐近性质。
2026-10-21 math.PR math.ST stat.TH
Minimax estimation for Varying Coefficient Model via Laguerre Series
Ohio University（俄亥俄大学）；Cadi Ayyad University（卡迪·阿亚德大学）
本文通过拉格朗日多项式方法，提出了一种在最小最大意义下最优收敛速率的变系数模型参数估计方法，并建立了参数的渐近正态性，构造了置信区间和假设检验。
2026-04-30 math.ST stat.ME stat.TH
Estimating the tail index of Pareto-type distributions from geometric records
Universidad de Zaragoza（萨拉戈萨大学）；Instituto de Biocomputación y Física de Sistemas Complejos (BIFI), Universidad de Zaragoza（萨拉戈萨大学生物计算与复杂系统物理研究所 (BIFI)）；Universidad de Chile（智利大学）
本文提出基于几何记录的新方法，用于估计重尾分布的尾部指数，构建了帕累托模型的最大似然估计器，证明其强一致性和渐近正态性，并通过蒙特卡洛模拟验证其性能，适用于数据按顺序到达和破坏性测试场景。
2026-07-07 math.ST stat.TH
Properties of stepwise parameter estimation in high-dimensional vine copulas
Department of Statistics, Munich（慕尼黑统计系）；Munich Center for Machine Learning（慕尼黑机器学习中心）
针对参数数量与样本量同阶的高维藤蔓Copula，建立了逐步最大似然估计的相合性和渐近正态性，并探讨了截断藤蔓及边际分布估计的影响。
2026-05-27 math.ST stat.TH
Estimating a distribution function for discrete data subject to random truncation with an application to structured finance
针对金融信托中受随机左截断的有限离散数据，本文建立了Woodroofe型估计量的离散框架，证明了危险率与生存函数估计量的渐近正态性及极大似然性质，并推导了平稳性假设检验，通过模拟与证券化债券数据验证了其适用性。
2022-11-22 math.ST stat.ME stat.TH
Most Powerful Test Sequences with Early Stopping Options
序贯似然比检验被认为是最强大的序贯研究与早期停止规则时，分组数据来自单参数指数家庭。首先，为了获得这个难以捉摸的结果，组序贯设计的概率测度被构造为支持所有可能的结果事件，这对于在获得数据之前设计实验是有用的。此构造标识不属于支持的一部分的不可能事件。整体概率分布被分解为阶段特定的分量。这些分量是Armitage、McPherson和Rowe（1969）首次描述的中期检验统计量的子密度，通常用于在给定$α$ -消耗函数和一组中期分析时间的情况下创建停止边界。给出了以达到某个阶段为条件的似然表达式，以将概率解剖学的各个部分连接在一起。通过采用提前停止规则所导致的支持度的减少在可能事件的概率分布中引起顺序截断（而不是嵌套）。多重检验在适配的载体上诱导混合物。甚至推论统计的渐近分布也是截尾分布的混合。与经典的局部渐近正态性结果（Le Cam 1960）相反，无停止选项的渐近正态统计量的渐近分布是在有停止选项的局部替代下截尾正态分布的混合;在固定替代下，检验统计量的渐近分布是退化的。
2021-01-27 stat.ME
Generalized functional linear models
We propose a generalized functional linear regression model for a regression situation where the response variable is a scalar and the predictor is a random function . A linear predictor is obtained by forming the scalar product of the predictor function with a smooth parameter function, and the expected value of the response is related to this linear predictor via a link function. If, in addition, a variance function is specified, this leads to a functional estimating equation which corresponds to maximizing a functional quasi-likelihood. This general approach includes the special cases of th…
2005-05-30 math.ST stat.TH
Extreme Limit Theory of Competing Risks under Power Normalization
本文针对竞争风险下的极值数据建模问题，建立了幂归一化极大值与极小值的概率模型，提出加速p-极大值/p-极小值稳定分布族，证明其参数极大似然估计的相合性与渐近正态性，并通过数值实验和真实数据集验证了模型性能。
2024-06-24 math.ST stat.TH
Identication and Estimation of Nonsymmetric Determinantal Point Processes
University of Toronto（多伦多大学）；Toulouse School of Economics（图卢兹经济学院）；CREST（法国国家统计与经济研究所经济研究中心）；Concordia University（康考迪亚大学）
本文针对可容纳正依赖关系的非对称行列式点过程（DPPs），建立其识别理论，提出两种估计方法并证明其性质，通过模拟与两类网络应用验证方法有效性。
2026-10-14 cs.LG stat.ML
Tail Index Estimation for Discrete Heavy-Tailed Distributions
本文针对离散重尾分布提出一种基于经验生存函数的尾指数估计方法，并将其扩展到再生马尔可夫链返回时间分布的尾指数估计，证明了非渐近偏差界、相合性与渐近正态性，并通过模拟验证了方法的有效性。
2025-02-26 math.ST stat.TH
Robust estimations for the tail index of Weibull-type distribution
基于适当的左截尾或截尾数据，提出了Weibull尾系数的两类灵活的$M$ -估计，并增加了两个限制极端污染影响的参数.得到了具有$\sqrt {n}$ -收敛速率的渐近正态性。通过渐近相对效率和影响函数讨论了该算法的鲁棒性。小规模的模拟和CRIX的实证研究进一步证明了这一点。
2018-10-17 math.ST stat.TH
Robust spectral clustering with rank statistics
University of Wisconsin–Madison（威斯康星大学麦迪逊分校）
本文提出基于非参数秩统计量的鲁棒谱聚类方法，证明其在重尾噪声和异质方差下能一致恢复潜在块结构及渐近精确恢复节点社区，并在人类连接体数据上提升了降维与聚类效果。
2024-12-19 cs.LG math.ST stat.ME
Semiparametric empirical likelihood inference for abundance from one-inflated capture-recapture data
针对捕获-重捕获数据中的单值膨胀与异质性问题，提出半参数经验似然丰度估计方法，通过EM算法求解并设计得分检验，有效提升了估计稳定性和置信区间覆盖率。
2025-07-14 stat.ME
Semiparametric Regression Based on Zero Altered Models
NC State University（北卡罗来纳州立大学）
该研究提出基于广义矩估计的半参数零调整模型，用于计数数据回归，兼具稳健性与灵活性，在分布误设场景下性能优于参数广义线性模型，配套R函数便于实际应用。
2026-10-12 stat.ME
