Parametric ROC Analysis and Optimal Cutoff Selection under Scale Mixtures of Skew-Normal Distributions: A Decision-Theoretic Framework with Asymptotic Inference
Universidade de Lisboa(里斯本大学);Centro de Estatística e Aplicações (CEAUL)(统计与应用中心)
本文提出在尺度混合对称正态分布下进行ROC分析和最优截断选择的参数框架,通过最大似然估计方法估计ROC曲线和AUC,并基于加权误分类风险定义最优截断,推导出似然比方程,研究其渐近性质及局部正则性。
2026-05-08 math.PR stat.ME
Extremal properties of the multivariate extended skew-normal distribution
偏正态和相关的家庭是灵活的和不对称的参数模型,适用于各种系统的建模。我们证明了高维扩展斜正态随机样本的多元最大值具有渐近独立的分量,并导出了联合尾的收敛速度。为了描述多元最大值的组成部分之间可能的依赖关系,我们表明,在适当的条件下,一个近似的多元极值分布,导致丰富的依赖结构,可以得出。
2018-09-28 stat.ME
Extending mixtures of factor models using the restricted multivariate skew-normal distribution
混合因子分析(MFA)模型通过对分量协方差阵的因子分析表示,减少了自由参数的个数,为分析高维数据提供了有力的工具。本文扩展了MFA模型,将一个限制版本的多变量偏态正态分布模型的分布的潜在组成因素,称为混合偏态因子分析(MSNFA)。建议的MSNFA模型允许我们放松对潜在因素的正态性假设的需要,以适应观测数据中的偏态性。因此,MSNFA模型提供了一种基于模型的密度估计和呈现非对称特征的高维数据聚类的方法。一个计算上可行的ECM算法被开发用于计算参数的最大似然估计。模型选择可以根据三个常用的基于信息的标准进行。所提出的方法的潜力,举例说明通过应用到两个真实的例子,并与拟合的MFA模型所获得的结果进行比较。
2013-07-06 stat.ME
Penalized Maximum Likelihood Estimator for Skew Normal Mixtures
偏正态混合模型提供了一个更灵活的框架,比流行的正态混合建模异构数据的非对称行为。由于似然函数的无界性和形状参数的发散性,所关心的参数的极大似然估计往往定义不好,导致推理过程不令人满意。我们提出了一个建议,同时处理这些问题的背景下,惩罚的似然函数。当混合模型的假定阶等于或大于真实阶时,证明了惩罚极大似然估计是强相合的。我们还提供了惩罚EM型算法来计算惩罚估计。有限样本的性能进行了研究,通过模拟和实际数据的应用和比较现有的方法。
2016-08-04 stat.ME
Approximate inferences for nonlinear mixed effects models with scale mixtures of skew-normal distributions
近年来,非线性混合效应模型在统计学文献中受到了极大的关注,因为它们在处理纵向研究中具有灵活性,包括人类免疫缺陷病毒的病毒动力学、药代动力学分析以及生长和衰减研究。连续响应的非线性混合效应模型中的一个标准假设是随机效应和受试者内误差呈正态分布,这使得模型对离群值敏感。本文提出了一类新的非对称非线性混合效应模型,该模型在纵向数据的分析中提供了有效的参数估计。我们假设随机效应服从偏正态分布的多变量尺度混合,随机误差服从正态分布的对称尺度混合,这为通常的正态分布提供了一个有吸引力的稳健替代方案。我们提出了一个近似的方法极大似然估计的基础上EM型算法,产生近似的最大似然估计,并显着减少了数值困难与精确的极大似然估计。还简要讨论了这类分布下的未来响应预测技术。通过茶碱动力学数据的应用程序,并通过一些模拟研究的方法进行说明。
2020-07-29 stat.ME
On cross-validated estimation of skew normal model
针对偏正态模型在对称附近的推断缺陷,提出交叉验证选择惩罚系数的 MPLE,建立渐近理论并通过模拟和真实数据验证其优势。
2024-01-23 stat.ME
Scale mixture of skew-normal linear mixed models with within-subject serial dependence
在纵向研究中,随着时间的推移收集重复测量,因此它们往往是连续相关的。在本文中,我们考虑了由Lachos等人(2010)引入的偏态正态/独立线性混合模型的扩展,其中误差项具有依赖结构,例如阻尼指数相关或p阶自回归相关。当连续重复测量序列相关时,所提出的模型提供了同时捕获偏态和重尾效应的灵活性。对于这个鲁棒模型,我们提出了一个有效的EM型算法计算参数的极大似然估计和观察到的信息矩阵解析推导出占标准误。该方法是通过应用程序来说明精神分裂症的数据和几个模拟研究。所提出的算法和方法在新的R包skewlmm中实现。
2020-08-12 math.ST stat.ME stat.TH
Improved estimators in beta prime regression models
本文研究了最近由\cite{bour18}提出的β素数回归模型,该模型适用于响应连续且仅限于正实数且具有偏尾和长尾的情形,且回归结构包含回归变量和未知参数.我们考虑两种不同的策略的偏差校正的最大似然估计的参数,指数模型。特别是,我们讨论了模型的均值和离散参数的偏差校正估计。此外,作为替代的两个分析偏差校正估计讨论,我们考虑的偏差校正机制的基础上的参数自助。数值结果表明,偏差校正方案产生接近无偏估计。给出了一个实际数据的例子并进行了讨论。
2020-08-26 stat.ME
Family of mean-mixtures of multivariate normal distributions: properties, inference and assessment of multivariate skewness
本文构造了一个新的混合多元正态分布族,它是由多元正态分布和偏态分布混合而成的。导出了该族的特征函数、矩母函数和前四阶矩等性质。导出了模型的仿射变换分布和标准形。本文提出了一种EM型的模型参数极大似然估计算法。我们已经详细考虑了,家庭的一些特殊情况下,使用标准的伽玛和标准的指数混合分布,分别表示为MMNG和MMNE。对于建议的分布族,计算不同的偏度多变量措施。为了检验所提出的估计方法的性能,进行了一些模拟研究,以表明基于EM型算法的最大似然估计确实提供了良好的性能。对于MMNE分布参数的不同选择,计算和比较了几种多元偏度测度。由于偏度的一些措施是标量和一些是矢量,为了正确地评估它们,我们进行了模拟研究,以确定测试的力量,基于样本版本的偏度措施作为检验统计量来测试MMNE分布的拟合。最后,两个真实的数据集被用来说明所提出的家庭的分布和相关的推理方法的有用性。
2020-09-23 math.ST stat.ME stat.TH
Balakrishnan Alpha Skew Normal Distribution: Properties and Applications
本文在Balakrishnan机制下提出了一种新的α偏态分布,并研究了它的一些相关分布。还研究了矩和分布特性。通过数据拟合实验检验了该分布的适用性,并通过AIC、BIC与相关分布的比较检验了模型的充分性。进行似然比检验以区分正态分布和建议分布。
2019-06-18 math.ST stat.TH
On Some Properties of the Beta Normal Distribution
贝塔正态分布是正态分布和正态顺序统计量的推广。它的一些数学性质和一些应用已经在文献中进行了研究。我们提供了一个更好的基础,它的一些性质和双峰的分析研究。研究了风险率函数和极限行为。我们推导出明确的表达的时刻,生成函数,平均偏差使用幂级数扩展的分位数函数,和香农熵。
2022-06-01 math.ST physics.data-an stat.ME
Finite mixture of skewed sub-Gaussian stable distributions
Gonbad Kavous University(贡巴德卡武斯大学)
我们提出了有限混合偏亚高斯稳定分布。利用期望最大化算法计算有限混合模型参数的极大似然估计。所提出的模型包含正态和偏态正态分布的有限混合。由于所提出的模型的尾部甚至比学生的t分布,它可以被用来作为一个强大的模型,鲁棒的基于模型的聚类。通过对仿真数据和两组真实数据的聚类分析,验证了该模型的有效性。
2022-05-27 cs.LG stat.ME stat.ML
Large-Scale Multiple Hypothesis Testing with the Normal-Beta Prime Prior
我们重新审视的问题,同时测试的手段,$n$独立的正常观测稀疏。我们采取贝叶斯方法来解决这个问题,通过引入一个规模混合先验称为正常β素数(NBP)先验。当将贝塔素密度用作贝叶斯分层模型中的尺度参数时,我们首先推导出新的浓度性质。为了检测数据中的信号,我们提出了一种基于NBP先验下的后验收缩权重阈值的假设检验。以损失函数的预期数量的误分类测试,我们表明,我们的测试过程渐近达到最佳贝叶斯风险时,信号的比例$p$是已知的。当$p$是未知的,我们引入了一个经验贝叶斯变量的测试,也渐近达到贝叶斯甲骨文的风险在整个范围内的稀疏参数$p \propto n^{-ε}, ε\in (0, 1)$。最后,我们还考虑了限制性边际极大似然(REML)和层次贝叶斯方法估计的NBP先验的关键超参数,并在这些框架下检查多重检验。
2019-04-30 stat.ME
Flexible Modeling of Multivariate Skewed and Heavy-Tailed Data via a Non-Central Skew t Distribution: Application to Tumor Shape Data
提出多元非中心偏态 t 分布,通过卡方变量缩放偏态正态向量实现灵活建模,推导理论性质并用蒙特卡洛近似进行估计,在乳腺癌肿瘤形状数据上表现优于标准替代模型。
2025-07-14 stat.CO stat.ME
The Balakrishnan Alpha Skew Laplace Distribution: Properties and Its Applications
在这项研究中,考虑到Balakrishnan机制,提出了一种新的形式的α偏态分布和性质进行了研究。最后通过数据拟合实验,将赤池信息准则(AIC)和贝叶斯信息准则(BIC)的值与其他相关分布的值进行比较,验证了该分布的适用性。对嵌套模型,即Laplace分布和建议的分布进行了似然比检验。保留字:偏态分布、α-偏态分布、双峰分布、α-偏态-正态分布、α-偏态-拉普拉斯分布、Balakrishnan-Alpha-偏态-正态分布
2019-10-01 math.ST stat.TH
The Beta Flexible Weibull Distribution
本文介绍了四参数柔性韦布尔分布的一个新推广。Eugene等人在\cite{Eugeneetal2002}中提出了基于Beta广义(BG)分布的模型,他们首先利用BG分布来生成新的广义分布。这个新模型被称为贝塔弹性威布尔BFW分布。导出了模态、$r$阶矩、偏度和峰度等统计性质。得到了矩母函数和顺序统计量。利用极大似然法给出了参数的估计,并导出了Fisher信息矩阵。最后,我们通过一个应用程序使用实际数据集的BFW分布的优势进行了研究。
2017-03-16 math.ST stat.TH
Robust inference for linear regression models with possibly skewed error distribution
本文针对误差分布可能偏态的线性回归问题,提出基于偏正态分布和最小密度幂散度的稳健估计与Wald型检验方法,并通过影响函数分析和数值实验验证其稳健性与有效性。
2025-01-04 stat.AP stat.ME
A Jarque-Bera test for skew normal data
本文将适用于一般分布的GJBT推广检验专门用于偏正态数据,并结合样本复制方法提升效率,证明其对任意α≠0均具强检验力且可拒绝正态模型。
2025-07-24 math.PR stat.ME
Comparison of Azzalini and Geometric Skew Normal Distributions Under Bayesian Paradigm
正态分布的偏态推广由于其在多个领域的广泛应用,一直是统计学界非常感兴趣的话题。由于其直观的吸引力,最流行的偏正态分布之一是Azzalini的偏正态分布。然而,由于分布的性质,它遭受严重的推理问题。有趣的是,贝叶斯方法已被证明可以缓解这些问题。最近,另一种偏态正态分布,几何偏态正态分布,这是结构上不同于Azzalini的偏态正态分布,已被提出作为一种替代建模偏态数据。尽管在偏态正态分布的兴趣,有限数量的文章处理比较不同的偏态分布的性能,特别是在贝叶斯上下文中。为了解决这一差距,本文试图比较这两个偏态正态分布的贝叶斯模型的数据与不同的偏态。利用混合Gibbs-Metropolis算法得到了几何偏态正态分布参数的后验估计,并得到了数据的后验预测拟合。类似地,对于Azzalini的偏态正态分布,使用吉布斯抽样算法导出后验预测拟合。为了比较性能,利用后验预测分布和原始数据之间的Kolmogorov-Smirnov距离来测量两种模型的拟合优度。分类的真实和模拟数据集,具有广泛的偏度,使用这两种模型进行了分析,并讨论了这两种模型的优点和缺点。最后,提出了一种更快的变分贝叶斯方法来逼近几何斜正态模型的后验分布,并讨论了它的性能。
2023-01-04 stat.ME
Skew-Normal Posterior Approximations
许多近似贝叶斯推断方法假设一个特定的参数形式来近似后验分布。多变量高斯分布为这种方法提供了一个方便的密度;例子包括拉普拉斯,惩罚准似然,高斯变分和期望传播方法。不幸的是,这些都忽略了潜在的偏态的后验分布。我们提出了一个修改,占偏度,其中的关键统计的后验分布匹配,而不是一个多变量的偏态正态分布。进行了模拟研究和基准测试的组合,以比较这种偏态-正态匹配方法(作为独立近似和事后偏态调整)与现有高斯和偏态近似的性能。我们的经验表明,对于小尺寸和中等尺寸的情况下,偏态匹配可以比这些其他方法更准确。对于事后偏度调整,这在额外的计算时间上花费很少。
2023-02-16 stat.ME
A monotone data augmentation algorithm for longitudinal data analysis via multivariate skew-t, skew-normal or t distributions
重复测量混合效应模型(MMRM)已被广泛用于分析在多个固定时间点收集的纵向临床数据。本文在多元skew- t分布的基础上,提出了一种适用于偏态和重尾数据的MMRM的鲁棒扩展,并将多元正态分布、t分布和偏态正态分布作为特例。利用单调数据增广和参数扩展技术,提出了一种有效的马尔可夫链蒙特卡罗算法。我们采用该算法进行控制模式插补的敏感性分析的纵向临床试验与不可解释的脱落。所提出的方法说明了实际数据分析。在线补充材料中提供了用于分析的SAS程序示例。
2019-08-09 stat.ME
A Multivariate Skew-Normal-Tukey-h Distribution
本文提出多元偏正态-Tukey-h分布,通过Tukey-h变换扩展偏正态分布以处理重尾数据,在边际峰度差异显著时优于偏t分布,并给出线性计算复杂度的参数估计方法及模拟与实例应用。
2023-10-18 stat.ME
A Skew Normal Model of the Dose-Effect Relation in Pharmacology
本文讨论了剂量$d > 0$和给药效果的定量测量$E(d)$之间关系的偏态-正态模型。确切地说,$E(d)$是治疗反应的量度或副作用的量度。证明了Logistic函数的一些存在性质和附加性质,并给出了一个实验性抗抑郁药物作用下大鼠逃逸时间的偏态模型。
2015-04-16 stat.ME
Kendall's tau and Spearman's rho for normal location-scale and skew-normal scale mixture copulas
University of Sydney(悉尼大学)
本文推导了正态位置-尺度混合Copula和偏正态尺度混合Copula的肯德尔系数和斯皮尔曼_rho的显式公式,分析了不对称参数对秩相关性的影响。
2026-03-21 stat.ME
On the canonical form of scale mixtures of skew-normal distributions
定义了多元偏正态分布尺度混合的标准形,强调了它在总结这类分布的一些关键性质中的作用。它还表明,规范形式对应于一个仿射不变的坐标系中定义的泰勒\emph{et} al.(2009),和一种方法,用于获得线性变换,转换多元斜正态分布的尺度混合到规范形式。相关的结果,其中的多元偏$t$分布的特定情况下被认为是更详细的,是一般的表达的Mardia指数的多元偏度和峰度和减少的维数在计算模式。
2012-07-03 stat.ME
Maximum penalized likelihood estimation for skew-normal and skew-$t$ distributions
偏态正态分布和偏态$t$分布是目前正在深入研究的参数族,因为与经典正态分布和$t$分布相比,它们通过引入调节其偏度的参数提供了更灵活的公式。虽然这些家庭享有有吸引力的正式属性从概率的角度来看,一个实际的问题,他们在应用程序中的用法是可能的,调节偏度发散的参数的最大似然估计。这种情况在增加样本量时概率为零,但在有限样本情况下概率不可忽略,且对推理过程有不利影响。克服这个问题的方法已经提出了在经典和贝叶斯公式,但其适用性仅限于简单的情况。我们制定了一个建议的基础上的想法惩罚的可能性,这与一些现有的方法,但它适用于更普遍的,包括在多变量的情况下。
2012-03-11 stat.ME
Maximal skewness projections for scale mixtures of skew-normal vectors
偏态正态(SMSN)变量的多元尺度混合是灵活的模型,通过尾部权重评估和以方向性方式表示模型不对称性的形状向量来解释多元数据场景中的非正态性。它的随机表示涉及一个偏态(SN)向量和一个非负混合标量变量,独立于SN向量,注入峰度到SMSN模型。我们解决的问题,找到最大的偏度投影的向量,遵循SMSN分布,当简单的条件下的混合变量的时刻得到满足,它可以表明,产生最大偏度的方向是成比例的形状向量。这一发现强调了这类分布的不对称性的方向性,也为解决SMSN向量的基于偏度模型的投影寻踪提供了理论基础。一些例子表明,我们的理论研究结果的有效性SMSN家庭内最著名的分布也给出了。为了完整起见,我们进行了模拟实验与人工数据,揭示了我们的结果在统计实践中的有用性和影响。
2018-06-21 stat.ME
A Skew-Normal Copula-Driven GLMM
提出了一种拟合Copula驱动的广义线性混合模型的方法。为了增加灵活性,采用斜态Copula进行拟合。偏态Copula的相关矩阵用于捕获单位内的依赖结构,而固定和随机效应系数通过Copula的平均值来估计。对于估计,蒙特卡罗期望最大化算法的开发。模拟显示旁边的一个真实数据的例子,从心脏研究。
2017-07-29 stat.ME
Variational inference based on a subclass of closed skew normals
针对数据稀缺时高斯变分近似无法处理偏态的局限,提出基于封闭偏态正态分布子类的变分推断方法,推导了自然梯度更新并利用中心化参数化解决参数估计问题,显著提升了后验近似的灵活性与精度。
2024-07-16 stat.ME
Bayesian Inference for the Multivariate Extended-Skew Normal Distribution
多元扩展的偏态正态分布允许容纳偏态和重尾的原始数据,并且具有至少三个吸引人的统计特性,即条件下的闭合、仿射变换和边缘化。在本文中,我们提出了一个贝叶斯计算方法的基础上的序贯蒙特卡罗(SMC)抽样估计这样的分布。讨论了该算法的每一步的实际实现,先验分布的推导考虑了似然函数和相应的费舍尔信息矩阵的一些不寻常的行为。使用蒙特卡罗模拟,我们提供了强有力的证据,SMC采样器的性能以及一些新的见解有关的参数化的扩展的偏态正态分布。推广到扩展的偏正态样本选择模型。最后,我们对两个真实数据集进行了分析。
2015-06-18 stat.ME
Multivariate Log-Skewed Distributions with normal kernel and their Applications
本文介绍了两类具有正态核的多元对数偏态分布:对数典型基本偏态分布(log-CFUSN)和对数统一偏态分布(log-SUN)。我们还讨论了log-CFUSN分布族的一些性质。这些新的对数偏态分布包括对数正态和多元对数偏态族作为特殊情况。讨论了log-CFUSN分布族中与贝叶斯推断相关的一些问题,主要讨论了如何对偏斜参数的先验不确定性进行建模。基于log-CFUSN族的随机表示,我们提出了一种从后验分布采样的数据增强策略。这个建议的家庭是用来分析美国全国的月降水量数据。我们的结论是,一个高维的偏斜函数导致一个更好的模型拟合。
2020-05-01 stat.AP stat.ME
Statistical applications of the multivariate skew-normal distribution
Azzalini和Dalla Valle(1996)最近讨论了多元斜正态分布,它通过增加一个形状参数扩展了正态分布的类。本文件的第一部分进一步探讨了分布的概率特性,特别强调统计相关性方面。在下面的部分中讨论了推理和其他统计问题,并通过数值例子说明了对一些多元统计问题的应用。最后,进一步的扩展,介绍了一个倾斜因子的椭圆密度。
2009-11-11 stat.ME
Bayesian Measurement Error Models Using Finite Mixtures of Scale Mixtures of Skew-Normal Distributions
我们提出了一个建议,以处理的非正态性问题的背景下,测量误差的回归模型的响应和解释变量的观察误差。我们扩展了正态模型的未观察到的协变量和随机误差的斜正态分布的规模混合的有限混合联合建模。这种方法使我们能够以极大的灵活性对数据进行建模,适应偏斜,重尾和多模态。
2020-07-26 stat.AP stat.ME
Models for extremal dependence derived from skew-symmetric families
斜对称分布族,如斜正态分布和斜$t$分布,代表正态分布和$t$分布的超集,它们表现出更丰富的极值行为。通过定义一个非平稳斜正态过程,使得对正定、非平稳协方差函数的处理变得容易,我们得到了一类新的极大稳定过程--极值斜$t$过程.这个过程是一个超集的非平稳过程,包括平稳极值- $t$过程。我们提供的频谱表示和由此产生的角密度的极端倾斜$t$过程,并说明其实际实施(包括支持信息)。
2016-04-18 stat.ME
On Mixtures of Skew Normal and Skew t-Distributions
偏态分布的有限混合已成为一种有效的工具,在建模具有非对称特征的异构数据。近年来,随着各种提案的迅速出现,这些提案相似但不相同,它们之间的联系及其相对绩效变得相当不清楚。本文旨在通过对现有的偏态分布进行系统的分类,将其分为四种类型,从而阐明它们之间的密切关系,从而简要概述这些发展。这也有助于理解的一些建议的期望最大化(EM)为基础的算法的计算模型的参数的最大似然估计之间的联系。本文的最后一部分提出了一个说明,这些混合模型在聚类一个真实的数据集,相对于其他非椭圆轮廓聚类方法和相关的算法,其实施的性能。
2013-05-28 stat.ME
Regression models for binary data with scale mixtures of centered skew-normal link functions
针对二元回归中对称链接函数不适用及偏态链接函数可识别性问题,提出基于中心化参数化下偏态正态分布尺度混合的链接函数,并固定偏度符号,通过贝叶斯推断和模拟验证,应用于心脏病数据。
2024-07-20 stat.ME
Assessing Skew Normality in Marks Distribution, a Comparative Analysis of Shapiro Wilk Tests
本研究通过改进的Shapiro-Wilk检验评估学生成绩的偏态正态性,并与传统方法比较,为教育数据统计分析提供了更准确的框架。
2025-01-24 math.ST stat.ME stat.TH
Informative Bayesian inference for the skew-normal distribution
出于对大学成绩分布的分析,这通常是不对称的,我们讨论了两个信息先验的形状参数的偏正态分布,表明它们导致封闭形式的全条件后验分布,特别是有用的MCMC计算。给出了位置和尺度参数的独立先验分布,讨论了参数联合向量的吉布斯抽样算法。进行模拟研究,以评估吉布斯采样器的性能,并比较选择的信息先验对一个非信息。运用该方法对意大利帕多瓦大学经济学院本科一年级学生的基础统计学考试成绩进行了分析。
2013-05-14 stat.ME
Skew-Gaussian Random Fields
偏度通常存在于广泛的空间预测问题中,在空间背景下对其进行建模仍然是一个具有挑战性的问题。在这项研究中,斜高斯随机场被认为是。利用多元闭偏正态分布正态分布构造了偏高斯随机场,该分布是传统正态分布的推广。我们提出了一个梅特罗波利斯-黑斯廷斯算法有效地模拟实现从随机场,和一个算法估计参数的极大似然与蒙特卡罗近似的可能性。我们证明和评估的合成情况下的算法。在偏高斯随机场的偏度被发现是强烈的影响,在现场的空间相关性,和参数估计出现一致的随机场的大小增加。此外,我们在北海Sleipner油田的实际地震数据上使用多元随机场预测环境中的闭合偏正态分布。
2014-02-05 stat.ME
Bayesian inference for the multivariate skew-normal model: a Population Monte Carlo approach
基于多变量偏正态模型的频率主义和似然推理方法在使用该模型时遇到了一些技术困难。尽管这类密度的普及,有没有广泛满意的解决方案的估计和测试问题。提出了一种一般群体的蒙特卡罗算法,该算法利用了偏态随机变量的潜在结构随机表示,对模型进行了完整的贝叶斯分析,并考虑了参数空间中的约束条件。所提出的方法可以被定义为弱信息,因为先验分布近似于形状参数向量的实际参考先验。与现有的经典解决方案的结果进行了比较,并通过仿真研究和实际数据的例子说明了该算法的实际实施。对具有偏正态误差的矩阵变量回归模型进行了推广。
2013-02-05 stat.AP stat.ME
Bayesian inference for scale mixtures of skew-normal linear models under the centered parameterization
本文针对偏态及重尾/轻尾数据,在中心化参数化下构建了偏态正态分布尺度混合类及线性回归模型,利用分层表示和MCMC方案进行参数估计,并开发了残差与影响分析工具,通过模拟和真实数据验证了方法有效性。
2024-06-05 stat.ME
Differential gene expression analysis via two-component mixture models with a semiparametric skew-normal scale mixture alternative
Pukyong National University(釜庆国立大学);University of Queensland(昆士兰大学)
本文提出一种半参数混合模型,用于微基因表达分析,通过偏正态尺度混合替代处理偏态和厚尾问题,提高分析精度。
2026-03-17 stat.ME
An ECM algorithm for Skewed Multivariate Variance Gamma Distribution in Normal Mean-Variance Representation
正态均值-方差混合分布在极大似然(ML)方法中被广泛用于简化模型的实现和提高计算效率。特别是对于具有正态均值-方差混合表示的分布,例如多元偏斜方差伽马(MSVG)分布,它利用期望条件最大化(ECM)算法迭代地获得ML估计。为了便于应用到金融时间序列,平均值进一步扩展到包括自回归项。针对小形状参数下的无界密度问题,提出了相应的处理方法,加快了收敛速度。模拟研究进行证明该模型的适用性,并检查估计属性。最后,应用MSVG模型分析了五个日收盘价市场指数的收益率,并使用Louis方法计算了估计参数的标准误。
2015-06-16 stat.ME
Finite mixture modeling of censored and missing data using the multivariate skew-normal distribution
有限混合模型已被广泛应用于非均匀总体数据的建模和分析。此外,由于实验设备的限制,这类数据可能会丢失或受到一些检测上限和/或下限的影响。另一个复杂的情况出现时,每个人口的措施偏离显着的常态,例如,不对称的行为。对于这样的数据结构,我们提出了一个强大的模型,删失和/或缺失数据的基础上有限的混合多元偏态正态分布。这种方法使我们能够以极大的灵活性对数据进行建模,同时适应多模态和偏态,这取决于混合成分的结构。我们开发了一个分析简单,但有效的EM型算法进行参数的极大似然估计。该算法在E步具有闭合形式的表达式,其依赖于截断的多元偏态正态分布的均值和方差的公式。此外,还提出了一种基于信息的估计量渐近协方差阵的一般逼近方法。模拟和真实数据集的分析结果表明,所提出的方法的有效性。所提出的算法和方法在新的R包CensMFM中实现。
2020-09-22 stat.ME
Likelihood-based Inference for Skewed Responses in a Crossover Trial Setup
Indian Institute of Technology Bombay(印度理工学院孟买分校)
本文提出了一种用于交叉试验的统计模型,考虑了偏斜响应的线性混合效应模型,并通过EM算法估计参数,用于基因表达研究数据。
2023-03-09 stat.ME
On the Approximation of the Sum of Lognormals by a Log Skew Normal Distribution
已经提出了几种方法来近似对数正态RV的和。然而,每种方法的准确性高度依赖于所检查的结果分布的区域,以及各个对数正态参数,即,均值和方差没有这样的方法可以为所有情况提供所需的准确度。本文基于对数斜态近似,提出了一种通用而又非常简单的对数正态和的近似方法。本文的主要贡献是提出了一种对数正态参数估计的解析方法。所提出的方法提供了高度准确的近似对数正态分布的总和在整个范围内的dB扩展的任何相关系数。仿真结果表明,我们的方法优于所有以前提出的方法,并提供了0.01 dB的精度为所有情况下。
2015-02-12 stat.ME
A Multi-Resolution Spatial Model for Large Datasets Based on the Skew-t Distribution
大型的非高斯空间数据集构成了相当大的建模挑战,因为模型所隐含的依赖结构需要在不同的尺度上捕获,同时保留可行的推理。斜态分布和斜态t分布最近才开始出现在空间统计学文献中,但是,没有太多的考虑,在多个分辨率捕获依赖的能力,并同时实现可行的推理越来越大的数据集。本文介绍了第一个受偏t分布启发的多分辨率空间模型,其中大尺度效应遵循多元正态分布,细尺度效应遵循多元偏正态分布。由此产生的边缘分布为每个区域的偏态-t,从而允许更大的灵活性,在捕捉偏态和重尾表征许多环境数据集。使用蒙特卡罗期望最大化算法执行基于可能性的推断。该模型是作为一个随机发电机的每日风速在沙特阿拉伯。
2017-12-06 stat.ME
The joint projected normal and skew-normal: a distribution for poly-cylindrical data
这项工作的贡献是引入一个多元的圆形线性(或多圆柱形)分布相结合的投影和斜常态。我们展示了我们的建议的灵活性,其关闭边缘化的属性,以及如何量化多元依赖。由于我们的建议从投影法线继承的不可识别性问题,出现了计算问题。我们克服了它在贝叶斯框架中,添加合适的潜在变量,并显示后验样本可以获得后处理的估计算法输出。在特定的先验选择下,这种方法使我们能够实现仅依赖于Gibbs步骤的马尔可夫链蒙特卡罗算法,其中参数的更新就像我们正在使用多变量正态似然一样。所提出的方法也可以与投影法线一起使用。作为概念的证明,在模拟的例子中,我们展示了我们的算法在恢复参数值和解决识别问题的能力。然后,该建议被用于一个真实的数据的例子,其中的转弯角(圆形变量)和四个斑马的步长(线性变量)的对数联合建模。
2017-11-21 stat.ME
On parameter estimation for the truncated skew-normal distribution
Inha University(仁荷大学);Seoul National University(首尔大学)
本文提出了一种基于网格的估计方法GRID-MOM,用于截断偏正态分布的参数估计,通过解耦形状参数的估计提高数值稳定性,并在多种数据集上验证了其有效性。
2026-03-06 stat.ME
Directional Asymmetry in Edge BasedSpatial Models via a Skew Normal Prior
Universidad Nacional de Colombia(哥伦比亚国立大学);Esri;Universidade Federal de Minas Gerais(米纳斯吉拉斯联邦大学);Pontifícia Universidad Católica(天主教宗座大学)
本文提出了一种基于偏斜正态分布的边缘空间模型,通过引入方向不对称性提升对空间结构的建模能力,并在癌症发病率数据中验证了其有效性。
2026-01-23 stat.AP stat.ME
Mixtures of Factor Analyzers with Fundamental Skew Symmetric Distributions
混合因子分析器(MFA)为高维数据集建模提供了一个强大的工具。近年来,MFA的几种推广已经被开发出来,其中因子和/或误差的正态性假设被放松以允许数据中的偏态。然而,由于所采用的组件密度的形式,在大多数这些模型中的因素/误差的分布通常限于建模偏度集中在一个单一的方向。在这里,我们引入了一个更灵活的有限混合因子分析的基础上的类的规模混合的典型基本偏正态分布(SMCFUSN)。这类非常一般的偏态分布可以捕获数据中各种类型的偏态和不对称性。特别是,建议的混合模型的SMCFUSN因子分析仪(SMCFUSNFA)可以同时容纳多个方向的偏度。因此,它将许多常用的模型封装为特殊和/或限制情况,例如某些版本的斜正态和斜t因子分析器以及斜双曲因子分析器的模型。为了说明,我们专注于SMCFUSN分布的类的t-分布成员,导致混合的典型的基本倾斜t-因子分析(CFUSTFA)。参数估计可以通过EM型算法通过极大似然来执行。使用两个真实的数据集证明了所提出的模型的有用性和潜力。
2018-10-26 stat.ME
Generalizing the normality: a novel towards different estimation methods for skewed information
正态性是数据建模中最常用的数学假设。尽管如此,即使基于大数定律(LLN),正态性也是一个强有力的假设,因为在现实世界的问题中存在不对称和多模态是可以预期的。因此,Elal-Olivero [12]提出的正态分布中的灵活修改增加了一个偏态参数,称为α-偏态正态(Alpha-skew Normal)分布,如果需要的话,可以实现双峰和胖尾,尽管有时对估计第三个参数并不重要(无论位置和规模如何)。本工作分析了七种不同的统计推断方法对ASN分布的合成数据和历史数据的水通量从21条河流(渠道)在阿塔卡马地区。此外,本文的贡献是与科皮亚波市附近的河流流量水平的概率估计有关,科皮亚波市是智利第三区最重要的经济城市,已知位于地球上最干旱的地区之一,除了北极和南极
2021-04-30 stat.AP stat.ME
Mean regression for (0,1) responses via beta scale mixtures
University of Pretoria(比勒陀利亚大学);University of the Witwatersrand(威特沃特斯兰德大学)
本文提出beta尺度混合模型,用于更灵活地建模(0,1)响应,通过引入混合随机变量控制尾部行为,提升skewness和kurtosis的适应性,在模拟和真实数据上验证了其优于传统方法的性能。
2026-02-09 stat.ME
Generalized Univariate Distributions and a New Asymmetric Laplace Model
这项工作提供了一个调查的一般类的分布产生的混合物的β随机变量。我们提供了一个广泛的文献综述,关于通过逆CDF变换生成新的分布。特别是,我们考虑了beta生成和Kumaraswamy生成的分布族。我们提供了一个简短的总结,他们的每个家庭的分布。我们还提出了一个新的非对称混合分布,这是一个替代beta生成的分布。我们提供了这类新的拉普拉斯模型产生的分布的基本性质。我们还讨论了这个新的斜广义拉普拉斯模型的参数估计问题。
2020-05-11 stat.ME