Univariate Likelihood Projections and Characterizations of the Multivariate Normal Distribution
利用向量分量的单变量组合来表征随机向量的多元分布是多元分析的一个基本问题。似然原理在开发强大的统计推断工具中起着重要作用。在这种情况下，我们提出的问题：可以单变量似然函数的基础上的一个随机向量被用来提供在重建的向量分布的唯一性？在多元正态（MN）框架中，这个问题与关于正态变量中二次型分布的Cochran定理的反向有关。我们通过单变量似然型预测来刻画MN分布。所提出的原则是用来说明简单的技术，通过众所周知的测试，使用单变量观测来评估多元正态性。所提出的测试策略可以表现出高和稳定的功率特性相比，众所周知的程序在各种情况下，当观察到的向量是非MN分布，而它们的组件是正态分布的随机变量。在这种情况下，经典的多元正态性检验可能完全失效。关键词：表征、拟合优度、无穷可除性、似然、多元正态分布、投影、二次型、多元正态性检验。
2019-10-28 math.ST stat.ME stat.TH
Asymptotic properties of the maximum likelihood estimator for multivariate extreme value distributions
最大稳定分布和过程是极端事件和尾部风险评估的重要模型。参数最大稳定分布的完整多元似然性很复杂，只有最近的进展才能使用它。最大似然估计在多变量极值中的渐近性质大多是未知的。本文给出了保证估计量渐近正态性的最大稳定分布的指数函数和角测度的自然条件。我们证明了这一结果的有效性，将其应用到流行的参数模型在多元极值统计和最常用的家庭的空间最大稳定的过程。
2017-08-07 math.ST stat.TH
Modified likelihood ratio tests in heteroskedastic multivariate regression models with measurement error
本文对多元异方差变量误差回归模型的似然比检验进行了改进。允许误差项遵循椭圆分布类中的多元分布，其具有正态分布作为特殊情况。我们推导出Skovgaard调整后的似然比统计量，它遵循卡方分布具有很高的准确度。我们进行了模拟研究，并表明，所提出的测试显示优越的有限样本的行为相比，标准的似然比检验。我们说明了我们的研究结果的实用性，在应用环境中使用的数据集从世界卫生组织MONICA投影心血管疾病。
2013-03-15 math.ST stat.TH
Assessing the multivariate normal approximation of the maximum likelihood estimator from high-dimensional, heterogeneous data
正则性条件下极大似然估计的渐近正态性是统计理论的基石。本文给出了向量参数极大似然估计的分布与多元正态分布之间的分布距离的上界。我们的工作可能是高维的，独立的，但不一定是同分布的随机向量。此外，我们得到明确的上界，即使在MLE不能解析表示的情况下。
2018-07-20 math.ST stat.TH
Consistent Maximum Likelihood Estimation Using Subsets with Applications to Multivariate Mixed Models
我们提出了新的结果，最大似然估计的一致性，重点是多变量混合模型。我们的理论建立在使用完整数据的子集来建立基于完整数据的估计量的一致性的思想上。它既不要求数据由独立的观测值组成，也不要求观测值可以被建模为平稳的随机过程。与现有的渐近理论相比，使用子集的想法，我们大大削弱了假设，使他们更接近什么足够的经典设置。我们应用我们的理论在两个多元混合模型，它是未知的最大似然估计是否是一致的。我们考虑的模型具有非随机预测因子和可能是混合型（一些离散和一些连续）的多变量响应。
2019-02-11 math.ST stat.TH
Parameter estimation for discretely-observed linear birth-and-death processes
生灭过程被广泛用于模拟生物种群的发展。虽然它们是相对简单的模型，但其参数可能难以估计，因为当数据来自年度人口普查等最常见的抽样计划时，可能性在数值上会变得不稳定。简单的估计可以基于嵌入的Galton-Watson过程，但这需要假设观测时间是等间隔的。我们估计的出生，死亡和增长率的线性生灭过程的总体规模定期观察通过嵌入的Galton-Watson过程，并通过最大化鞍点近似的可能性。我们表明，高斯近似的鞍点为基础的可能性连接这两种方法，我们建立的一致性和渐近正态性的拟似然估计，比较我们的估计在一些数值例子，并将我们的结果应用到两个濒危鸟类种群和H1N1流感大流行的人口普查数据。
2018-10-09 math.ST stat.TH
Weighted likelihood estimation of multivariate location and scatter
讨论了一种新的方法来获得加权似然估计的多元位置和分散。提出了一种加权方案，该方案是基于马氏距离的分布，而不是在假设的模型的数据的分布。该策略允许避免影响非参数密度估计的维数灾难，该灾难涉及通过Pearson残差Markatou et al（1998）构建权重。然后，基于加权似然离群检测规则和鲁棒降维技术的发展。数值研究和实际数据的例子说明了该方法的有效性。
2017-06-19 stat.ME
Asymptotic theory for maximum likelihood estimates in reduced-rank multivariate generalised linear models
降秩回归是一种应用广泛的降维方法。多元线性模型中参数矩阵降秩估计的渐近理论已得到广泛的研究。相比之下，降秩多元广义线性模型的理论结果很少。我们发展M-估计理论的凹准则函数，最大化的参数空间，既不是凸的，也不是封闭的。当响应向量和预测向量服从联合分布时，这些结果可用于推导降秩多元广义线性模型中极大似然估计的相合性和渐近分布.我们说明我们的结果在一个真正的数据分类问题与二元协变量。
2017-10-12 math.ST stat.TH
Deriving Lehmer and Hölder means as maximum weighted likelihood estimates for the multivariate exponential family
Université de Sherbrooke（谢布鲁克大学）
本文将 Lehmer 和 Hölder 均值族与加权最大似然估计的联系从一元指数族推广到多元指数族，为这些均值族提供概率解释并拓展其应用。
2024-05-02 cs.LG math.ST stat.TH
An Adjusted Likelihood Ratio Test for Separability in Unbalanced Multivariate Repeated Measures Data
本文提出了一种不平衡多元重复测量数据的两因子可分性（Kronecker乘积结构）的调整似然比检验。在这里，我们解决了特定的情况下，在主题内的相关性被认为是在两个维度上呈指数下降（例如，时间和空间维度）。然而，该测试可以很容易地推广到任何结构的因子特定矩阵。一个模拟研究进行评估的推理准确性的建议测试。纵向医学影像资料有关精神分裂症和尾状核形态说明了方法。
2011-02-01 stat.AP stat.ME
On the occurrence times of componentwise maxima and bias in likelihood inference for multivariate max-stable distributions
高维多变量极值分布或最大稳定过程的全似然推断在合并最大值的发生时间时是可行的;如果没有此信息，由于似然中的大量项，通常排除$d$维似然推断。然而，一些研究指出，当执行包含此类事件信息的高维推理时，特别是当依赖性较弱时，会出现偏差。我们阐明了这种现象，表明在中等尺寸的无偏推理，尺寸$d$应小于平方根的向量的数量，其中一个采取组件的最大值。本文提出了一种减少偏倚的方法，并在极值逻辑斯谛模型上加以说明。
2015-03-31 stat.ME
A hybrid GPU/CPU implementation of the average information restricted maximum likelihood algorithm for fitting multivariate linear mixed models
Wageningen University & Research（瓦赫宁根大学与研究）
本文提出平均信息约束最大似然算法的GPU/CPU混合实现，通过超节点Cholesky分解消除稀疏方程并借助CUDA GPU加速求解，在全稠密及混合稠密稀疏方程问题上展现显著计算优势，适用于植物育种数据分析。
2026-10-14 stat.CO
Multivariate normal approximation of the maximum likelihood estimator via the delta method
我们使用delta方法和Stein方法，在正则性条件下，推导出$d$维参数的最大似然估计（MLE）的分布与其渐近多元正态分布之间的分布距离的显式上界。我们的界限适用于MLE可以写成i.i.d.和的函数的情况。$t$ -维随机向量。我们应用我们的一般界建立一个界的多元正态近似的MLE的正态分布未知的均值和方差。
2018-08-09 math.ST stat.TH
Inference for Multivariate Normal Mixtures
多元正态混合模型为高维数据提供了一个灵活的模型。它们广泛应用于统计遗传学、统计金融学等学科。由于似然函数的无界性，经典的基于似然函数的方法虽然具有很好的实用性，但并不一致。本文提出了一种估计混合分布的惩罚似然方法。我们证明了最大惩罚似然估计是强相合的，当组件的数量有一个已知的上界。我们还探讨了一个方便的EM算法计算的最大惩罚似然估计。大量的模拟进行了探索的有效性和实际限制的新方法和批准的最大似然估计。根据仿真结果给出了指导原则。
2008-05-26 math.ST stat.ME stat.TH
Model-Free Tests for Series Correlation in Multivariate Linear Regression
误差项之间的序列相关性检验是线性回归模型诊断中的一个基本问题。著名的Durbin-Watson检验和Durbin's h检验依赖于关于响应和回归变量的某些模型假设。本文提出了适用于固定和随机设计线性回归模型的序列相关性的简单检验。检验统计量基于回归残差和设计矩阵。测试程序在不同的随机误差分布下具有稳健性。通过新建立的几种一般二次型的联合中心极限定理和delta方法，导出了所提出统计量的渐近分布。仿真结果表明，所提出的测试的良好性能。
2019-01-17 math.ST stat.TH
Exact Multivariate Two-Sample Density-Based Empirical Likelihood Ratio Tests Applicable to Retrospective and Group Sequential Studies
多元分布的非参数检验是研究中经常需要的。通常要求基于相对小的向量样本的测试程序精确地控制相应的第一类错误（TIE）率。通常，在多变量检验中，无零分布单变量方法的扩展，例如，Kolmogorov-Smirnov和Cramer-von Mises类型的方案是不精确的，因为它们的零分布取决于底层数据分布。本文扩展了基于密度的经验似然技术，以非参数近似的最强大的多元两样本（MTS）问题的测试，产生一个确切的有限样本检验统计量。我们严格地建立和应用一对一映射之间的平等的向量分布和相关的一元线性投影的分布的平等。在这个框架中，我们证明了一个算法，简化了投影寻踪的使用，只采用了几个无限多的线性组合观测向量分量。所显示的无分布策略以回顾和分组顺序的方式被采用。所提出的技术的渐近一致性。蒙特卡罗研究表明，所提出的程序在各种设置中表现出极高和稳定的功率特性。本文的补充材料可在网上查阅。
2021-01-12 math.ST stat.CO stat.ME
Non-Steepness and Maximum Likelihood Estimation Properties of the Truncated Multivariate Normal Distributions
本文研究了单侧截断多元正态分布的指数族，将其扩展为满族并证明其非正则且非陡峭，同时证明了在样本量足够大时极大似然估计的唯一性及其与矩方法方程的等价性。
2025-06-30 math.ST stat.TH
Wasserstein distance error bounds for the multivariate normal approximation of the maximum likelihood estimator
我们得到了多参数极大似然估计的分布与多元正态分布之间的$p$距离误差界。我们的一般界限可能是高维的，独立和同分布的随机向量。我们的一般界是最佳的$\mathcal{O}(n^{-1/2})$顺序。当$p\in(1,2]$时，给出显式数值常数，而在$p>2$的情况下，边界是显式的，直到仅取决于$p$的常数因子。我们应用我们的一般界限，以获得Wasserstein距离误差界的多元正态近似的MLE在几个设置，这些是单参数指数家庭，规范参数化下的正态分布，和非规范参数化下的多元正态分布。此外，我们提供了上界相对于有界Wasserstein距离时，MLE是隐式定义的。
2021-09-24 math.ST stat.TH
Quasi maximum likelihood estimation for strongly mixing state space models and multivariate Lévy-driven CARMA processes
本文研究了一般非高斯离散时间线性状态空间模型和等距观测多元Lévy驱动的连续时间自回归滑动平均（MCARMA）过程的拟极大似然（QML）估计.在离散时间情形下，我们证明了在标准矩假设和状态空间模型输出过程的强混合条件下，QML估计的强相合性和渐近正态性。在本文的第二部分中，我们研究了等距采样连续时间状态空间模型的概率和分析性质，并将我们的结果从离散时间的设置来推导离散记录的MCARMA过程的QML估计的渐近性质。在自然可识别条件下，估计量再次一致，并渐近正态分布的任何采样频率。我们还证明了我们的方法的实用性，通过模拟研究和计量经济学的数据例子。
2012-10-28 math.ST stat.ME stat.TH
Observed Range Maximum Likelihood Estimation
最大化一组联合实现的计数的观察范围的可能性的想法已经在各种上下文中被采用。文[1]中引入的极大似然估计的适用性已被推广到包含区间删失结果的多元样本的一般情况。此外，核密度估计和相关的得分函数已被提出，导致一个修改的Nadaraya-Watson回归估计的建设。最后，作者讨论了截尾情形下多项分布的参数估计和列联表的分析问题。
2011-11-17 math.ST stat.TH
Multivariate Generalized Gaussian Distribution: Convexity and Graphical Models
本文研究了多元广义高斯分布（MGGD）和椭圆对称分布（ES）下的协方差估计。与此问题相关的极大似然优化是非凸的，但它已被证明，其全局解往往可以通过简单的不动点迭代计算。我们的第一个贡献是一个新的分析这种可能性的基础上测地凸，需要较弱的假设。我们的第二个贡献是稀疏约束下的结构协方差估计的广义框架。我们表明，只要MGGD形状参数大于一半，稀疏模式是弦，优化可以制定为凸最小化。这些包括，例如，极大似然估计的带状逆协方差在多变量拉普拉斯分布，这是与时变自回归过程。
2013-09-01 stat.ME
Jackknife Empirical Likelihood Method for U Statistics Based on Multivariate Samples and its Applications
本文提出了一种基于多元三样本U统计量的jackknife经验似然方法，用于构建参数的置信区间，通过蒙特卡洛实验验证其在覆盖概率和计算效率上的优越性。
2025-12-02 math.ST stat.ME stat.TH
Bayesian inference for multivariate extreme value distributions
多元和空间极端事件的统计建模在各个科学领域引起了广泛的关注。最大稳定分布和过程是自然类的模型，为这一目的，许多参数家庭已开发和成功应用。由于似然函数的复杂性，有效的统计推断仍然是一个活跃的研究领域，通常使用的是仅基于二元密度的复合似然方法。Thibaud等人（2016，Ann. Appl. Stat.，出现）使用贝叶斯方法，以适应布朗-雷斯尼克过程的极端温度。在本文中，我们扩展了这一想法的方法，适用于一般的最大稳定分布，并使用充分的可能性。我们进一步提供了后验分布的中位数渐近正态的简单条件，并对多元和空间极值统计中常用的模型进行了验证。一个模拟研究表明，这种点估计是相当有效的比复合似然估计的频率框架。从贝叶斯的角度来看，我们的方法开辟了新的技术，如贝叶斯模型比较在多元和空间极端的方式。
2017-08-08 stat.ME
Maximum likelihood estimation and Expectation-Maximization algorithm for controlled branching processes
受控分支过程是经典Bienaymé-Galton-Watson分支过程的推广。这是一个描述种群进化的有用模型，其中每一代的总体规模需要控制。该过程的感兴趣的参数的极大似然估计在各种样本方案下解决。首先，假设整个家族树是可观测的，得到了相应的估计量，并研究了它们的渐近性质。其次，由于在实践中，这是不常见的，以观察这样的样本，极大似然估计最初被认为是使用由每一代的个体和祖细胞的总数给定的样本，然后使用仅由世代大小给定的样本。期望最大化算法的开发，以解决这些问题的不完全数据估计问题。通过一个模拟的例子说明的程序的准确性。
2015-02-05 math.ST stat.CO stat.TH
Estimation of a multivariate von Mises distribution for contaminated torus data
University G. Fortunato（乔瓦尼·富尔纳托大学）；Department of Mathematics, University of Trento（特伦托大学数学系）
本文提出利用加权似然方法对受污染环面数据进行多维von Mises分布的稳健估计。
2026-03-03 stat.ME
Simple models for multivariate regular variations and the Hüsler-Reiss Pareto distribution
我们通过强调多元正则变化和多元Breiman引理重新审视多元极值理论建模。这使我们能够在一个简单的框架中恢复最流行的多元极值分布，如logistic，负logistic，Dirichlet，极值- $t$和Hüsler-Reiss模型。在本文的第二部分，我们重点讨论了Hüsler-Reiss Pareto模型及其令人惊讶的指数族性质。在深入研究了这类指数族结构之后，我们重点研究了极大似然估计。我们还考虑了具有不同尾部指标的广义Hüsler-Reiss Pareto模型和区分恒定尾部指标和变化尾部指标的似然比检验。
2017-12-26 stat.ME
On the smallest eigenvalues of covariance matrices of multivariate spatial processes
为多变量空间过程提供模型已引起越来越多的关注。这些模型中的大多数指定参数矩阵协方差函数。基于观察，通过最大似然或其变体来估计参数。虽然单变量空间过程的极大似然估计的渐近性质已经得到了详细的分析，但多变量空间过程的极大似然估计还没有得到应有的重视。在这篇文章中，我们考虑经典的增域渐近设置限制的位置之间的最小距离。然后，从理论的角度研究的主要组成部分之一是基本的协方差阵的渐近正定性。基于对矩阵协方差函数非常弱的假设，我们证明了协方差阵的最小特征值是渐近有界的。几个实际的影响进行了讨论。
2016-02-09 math.ST stat.TH
A Copula-Based Framework for Multivariate Zero-Inflated Mixed Poisson Models
National Economics University（越南国立经济大学）；Hanoi University（河内大学）
本文提出一种基于Copula的多元零膨胀混合泊松模型框架，分离结构零值与潜在强度的相依源，采用IFM或完全极大似然推断，经模拟及基准、医疗数据集验证，具良好性能与实用性。
2026-08-14 stat.OT
Reconsidering the asymptotic null distribution of likelihood ratio tests for genetic linkage in multivariate variance components models
准确地了解假设检验的零分布对于检验的有效应用是非常重要的。在以往的文献和软件中，用于检测多变量方差分量模型中遗传连锁的似然比检验的渐近零分布被描述为χ 2分布与二项混合概率的混合。在这里，我们表明，通过模拟和理论参数的几何参数空间的基础上，前面所述的渐近零分布的所有方面都是不正确的-二项混合概率和卡方分量。校正零分布会给出比前面所述更保守的临界值，产生的P值很容易大十倍。真正的混合概率给出了最高的概率的情况下，所有的方差参数估计为正，和混合成分显示严重偏离χ 2分布。因此，渐近零分布具有复杂的特征，这对多变量连锁发现的显著性评估提出了挑战。我们提出了一种生成渐近零分布的方法，该方法比其他经验方法（如基因丢弃）快得多，使我们能够更有效地获得具有更高精度的P值。
2008-09-13 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
Near-Optimal Sample Complexity Bounds for Maximum Likelihood Estimation of Multivariate Log-concave Densities
The Ohio State University（俄亥俄州立大学）；University of Southern California（南加州大学）；University of Illinois at Chicago（伊利诺伊大学芝加哥分校）
研究了关于全局损失函数的多元对数凹密度的学习问题。我们得到的第一个上界的样本复杂性的最大似然估计（MLE）的对数凹密度$\mathbb{R}^d$，所有$d \geq 4$。在此之前的工作，没有有限的样本上限是已知的估计在超过$3$尺寸。更详细地说，我们证明了，对于任何$d \geq 1$和$ε>0$，给定$\tilde{O}_d((1/ε)^{(d+3)/2})$样本从一个未知的对数凹密度$f_0$上$\mathbb{R}^d$，极大似然估计输出一个假设$h$，具有很高的概率是$ε$ -接近$f_0$，在平方海灵格损失。$Ω_d((1/ε)^{(d+1)/2})$的样本复杂度下限对于实现该保证的任何学习算法是先前已知的。因此，我们建立的样本复杂性的对数凹MLE是接近最佳的，高达$\tilde{O}(1/ε)$的因素。
2018-12-05 cs.IT cs.LG math.IT
Generalized ridge estimator and model selection criterion in multivariate linear regression
在多元线性回归中，基于广义岭估计在平方风险和Kullback-Leibler风险下优于极大似然估计，提出了新的模型选择准则.我们的模型选择标准有以下最喜欢的属性：一致性，无偏性，一致最小方差。在渐近结构$\frac{p}{n}\to c$下证明了一致性，其中$n$是样本量，$p$是响应变量的参数维数。特别是，我们提出的估计类占主导地位的平方风险下的最大似然估计，即使模型不包括真正的模型。实验结果表明，我们的模型选择标准的风险是小于的最大似然估计的基础上，我们提出的标准指定的真实模型在一定条件下。
2016-04-07 math.ST stat.TH
Asymptotic normality of the Quasi Maximum Likelihood Estimator for multidimensional causal processes
对一般的多维因果过程，给出了拟极大似然估计（QMLE）的强相合性和渐近正态性。对于文献中已经研究过的特殊情况（例如单变量或多变量GARCH，ARMA，GARCH过程），建立这些结果所需的假设往往弱于现有条件。QMLE的渐近行为也给出了许多新的单变量或多变量过程的例子（例如，Tensor或NLensor过程）。
2007-12-05 math.ST stat.TH
Noise-Contrastive Estimation for Multivariate Point Processes
Johns Hopkins University（约翰斯·霍普金斯大学）
生成模型的对数似然性通常涉及正项和负项。对于一个时间多变量点过程，负项对每个时刻所有可能的事件类型求和，也对所有可能的时间积分。因此，最大似然估计是昂贵的。我们将展示如何应用噪声对比估计的一个版本-一种具有较低成本随机目标的一般参数估计方法。我们的具体实例，这个一般的想法工程在一个有趣的非平凡的方式，并已证明其最优性，一致性和效率的保证。在几个合成和真实世界的数据集上，我们的方法显示出了优势：为了使模型在保留数据上达到相同的对数似然水平，我们的方法需要更少的函数评估和更少的挂钟时间。
2020-11-02 cs.LG stat.ML
Correcting the estimator for the mean vectors in a multivariate errors-in-variables regression model
当多元回归中的因变量和自变量都存在测量误差时，多元变量误差回归模型适用。在这种情况下，长期以来一直认为，传统的最小二乘法估计模型参数是有偏差的和不一致的。广义最小二乘、普通最小二乘和最大似然估计（在高斯误差假设下）在Gleser（1981）的开创性论文中导出。然而，均值向量的普通最小二乘和最大似然估计量推导错误。在这篇简短的论文中，我们修改了这个错误，提出了正确的估计的均值向量。
2015-10-13 math.ST stat.TH
Improved estimation in a general multivariate elliptical model
考虑了一般多元椭圆回归模型中最大似然估计的减偏问题。该模型是非常灵活的，并允许均值向量和色散矩阵有共同的参数。许多常用的模型是这个一般公式的特例，即：变量误差模型，非线性混合效应模型，异方差非线性模型，等等。在任何这些模型中，误差向量都可以具有任何多元椭圆分布。我们得到了最大似然估计的二阶偏差，偏差校正估计和偏差减少估计。仿真结果表明了该方法的有效性。
2016-01-29 math.ST stat.TH
Improved hypothesis testing in a general multivariate elliptical model
本文研究了一般多元椭圆回归模型下的改进检验推理。该模型在均值向量和色散矩阵的指定以及误差分布的选择方面是非常灵活的。允许误差项遵循椭圆分布类中的多元分布，该椭圆分布类具有多元正态分布和Student- t分布作为特例。我们得到了Skovgaard的调整后的似然比统计量和Barndorff-Nielsen的调整后的符号似然比统计量，我们进行了模拟研究。模拟表明，所提出的测试显示优越的有限样本行为相比，标准测试。两个应用程序，以说明该方法。
2016-10-31 math.ST stat.TH
A general procedure for change-point detection in multivariate time series
本文研究了多变量连续整数值时间序列的变点检测问题。我们提出了一个Wald型统计量的基础上进行的一般对比函数的估计，它可以从可能性，拟似然，最小二乘法等充分条件提供，以确保统计收敛到一个众所周知的分布下的原假设（没有变化）和发散到无穷大的替代品，这建立了程序的一致性。一些例子详细说明了拟议的程序的适用范围。仿真实验验证了渐近结果。
2021-04-28 math.ST stat.TH
Computing the final epidemic size distributions of a multi-type Galton--Watson process
School of Public Health, Graduate School of Medicine, Kyoto University（京都大学大学院医学研究科公共卫生学院）
提出一种基于柯西积分轮廓选择的方法，计算多类型 Galton-Watson 过程的最终规模分布，并应用于模拟数据和中东呼吸综合征真实数据。
2026-10-22 q-bio.PE stat.AP
Efficient inference about the tail weight in multivariate Student $t$ distributions
利用Le Cam方法，提出了多元Student $t$分布尾权参数的一种新的检验方法.我们的测试是渐进的经典似然比检验的效率，但优于后者的灵活性和简单性：事实上，我们的方法允许估计的位置和分散滋扰参数的任何根- $n$相合估计量，从而避免数值上复杂的极大似然估计。在蒙特卡罗模拟研究中分析了我们检验的有限样本性质，并将我们的方法应用于金融数据集。最后，我们指出如何使用这个框架有效的点估计的文件。
2014-04-08 math.ST stat.ME stat.TH
Multivariate Density Estimation via Adaptive Partitioning (I): Sieve MLE
本文研究了多元密度估计的非参数方法。估计量是由二进制分区支持的分段常数密度函数。样本空间的分区通过最大化该分区上的对应直方图的似然来学习。本文分析了筛分极大似然估计的收敛速度，并得出结论：对于一类相对丰富的密度函数，筛分极大似然估计的收敛速度并不直接依赖于密度函数的维数。这表明，在某些条件下，这种方法不受维数灾难的影响，在这个意义上，即使在高维中也有可能接近参数率。我们还将此方法应用于几种特殊情况，并分别计算了显式的收敛速度。
2015-08-19 math.ST stat.ME stat.TH
New Multivariate Discrete Distributions UGAT Distributions and Their Applications in Reliability
本文引入了一种新的多元离散分布，称为多元统一广义Apostol型分布（UGAT）。研究了矩、概率母函数等性质.并介绍了配电网的可靠性研究。最大似然法用于估计参数，数值方法用于获得（MLE）。
2015-06-08 math.ST stat.TH
A Probabilistic Spectral Analysis of Multivariate Real-Valued Nonstationary Signals
引入了一类实值非平稳随机变量的多元谱表示，其特征为一般复高斯分布。通过这种方式，时间信号特性-谐波性，广义平稳性和循环平稳性-分别由相关的时间-频率表示（TFR）的平均值，埃尔米特方差和伪方差指定。为了严格起见，TFR分布参数的估计量是在最大似然框架内得出的，并且由于所提出的分布参数化的统计可识别性，在统计上是一致的。借助于假设的概率模型，还提出了一种用于非平稳检测的广义似然比检验（GLRT）。直观的例子表明，在低信噪比环境下的频谱分析的概率框架的效用。
2020-07-27 eess.SP math.SP math.ST
Neural Likelihoods via Cumulative Distribution Functions
University College London（伦敦大学学院）；The Alan Turing Institute（艾伦·图灵研究所）
我们利用神经网络作为单调函数的通用逼近器来构建条件累积分布函数（CDF）的参数化。通过应用自动微分的响应变量，然后到这个CDF表示的参数，我们能够建立黑盒CDF和密度估计。一套家庭介绍作为替代建设的多元情况下。在一个极端，最简单的构造是与最先进的深度学习方法相比具有竞争力的密度估计器，尽管它不能提供多变量CDF的易于计算的表示。在另一个极端，我们有一个灵活的结构，可以通过深度神经网络中的简单前向传递来获得多变量CDF评估和边缘化，但其中似然的计算随维度呈指数级增长。两个极端之间的替代品进行了讨论。我们评估不同的代表经验上的各种任务，涉及尾面积的概率，尾依赖和（部分）密度估计。
2020-06-06 cs.LG stat.ML
Multivariate, Heteroscedastic Empirical Bayes via Nonparametric Maximum Likelihood
本研究将非参数最大似然估计扩展到多元异方差误差，提出一种经验贝叶斯去噪方法，具有近最优性能，并应用于天文学和层次线性模型，展示了其自适应性和优势。
2023-12-29 math.ST stat.TH
Multiple Comparisons using Composite Likelihood in Clustered Data
本文研究了多维数据中存在相关性时的多重假设检验问题。多重比较问题在许多应用中很常见。当数据是多变量的和相关的，现有的多重比较程序的基础上极大似然估计可能是令人望而却步的计算密集型。我们建议构建基于复合似然统计的多重比较程序。我们专注于三种普遍存在的情况下产生的数据：多变量高斯，概率单位，二次指数模型。为了帮助从业者评估我们提出的方法的质量，我们通过蒙特卡罗模拟评估他们的经验表现。结果表明，复合似然为基础的程序保持良好的控制familywise I型差错率在集群内相关性的存在下，而忽略相关性导致不稳定的性能。使用从糖尿病肾病研究中获得的数据，我们展示了我们的复合似然方法如何使难以处理的分析成为可能。
2015-05-29 math.ST stat.TH
Hazard models with varying coefficients for multivariate failure time data
多变量失效时间数据的变系数边际风险模型的统计估计和推断是生存分析中的重要课题。提出了一种局部伪偏似然估计方法。为了提高估计器的效率，本文还提出了一种加权平均估计器。建立了估计量的相合性和渐近正态性，推导了估计系数的标准误差公式，并进行了经验检验。为了减少最大局部伪偏似然估计的计算量，提出了一种简单实用的一步估计方法。建立了一步估计的统计性质，并进行了模拟研究，比较性能的一步估计的最大局部伪偏似然估计。结果表明，一步估计可以在不影响性能的前提下节省计算量，且最优加权平均估计比最大局部伪偏似然估计更有效.从Busselton人口健康调查的数据集进行分析，以说明我们提出的方法。
2007-08-03 math.ST stat.TH
Maximum Likelihood Estimation of the Vector AutoRegressive To Anything (VARTA) model
本文提出了一种基于高斯向量自回归模型的通用方法，通过最大似然估计改进预测分布估计，适用于非高斯分布的预测需求。
2025-11-29 stat.ME
Consistency, breakdown robustness, and algorithms for robust improper maximum likelihood clustering
鲁棒非正常极大似然估计（RIMLE）是一种寻找近似高斯聚类的鲁棒多元聚类新方法。它最大化的伪似然定义添加一个组件与不适当的恒定密度，以适应离群值的高斯混合。RIMLE的一个特例是多元有限高斯混合模型的MLE。在本文中，我们将全面对待存在性，一致性和故障理论的RIMLE。在非光滑协方差阵约束下证明了RIMLE的存在性。结果表明，这些可以通过计算上可行的期望条件最大化算法来实现。
2018-02-13 stat.ME
Information matrix equivalence in the presence of censoring: A goodness-of-fit test for semiparametric copula models with multivariate survival data
该研究证明了多变量删失生存数据下半参数copula模型的信息矩阵等价性，提出基于该等价性的copula函数设定信息比检验，推导其渐近分布并给出有限样本P值计算的参数bootstrap程序，通过模拟与真实数据验证了检验性能。
2023-07-23 stat.ME
A class of skew-multivariate distributions for spatial data
University of Melbourne（墨尔本大学）
本文提出了一种基于多元帕累托混合分布的copula模型，用于空间数据，能够捕捉尾部依赖性和渐近独立性，并通过模拟和实际数据验证其有效性。
2026-01-27 stat.ME
Global Rates of Convergence of the MLE for Multivariate Interval Censoring
在一类“区间删失”数据情形下，我们建立了多元分布函数的最大似然估计（MLE）的全局收敛速度。主要的发现是，在Hellinger度量的MLE收敛速率并不比$n^{-1/3} (\log n)^γ$为$γ= (5d - 4)/6$。
2012-12-27 math.ST stat.TH
Finite Mixtures of Multivariate Skew Laplace Distributions
在本文中，我们提出了有限的混合多元斜拉普拉斯分布模型的偏态和重尾的异质数据集。利用EM算法得到了感兴趣参数的极大似然估计。我们给出了一个小的模拟研究和一个真实的数据例子来说明所提出的混合模型的性能。
2017-02-02 math.ST stat.TH
Dependence Properties of Multivariate Max-Stable Distributions
对于一个m维多元极值分布，存在2^{m}-1个指数测度，它们相互联系并完全覆盖分布及其所有低维边界的依赖性.本文推广了Schlather和Tawn（2002）关于极值系数集的不等式，并构造了高阶指数测度与低阶指数测度一致所需满足的界.随后，我们构造指数测度的非参数估计，通过一个基于似然的过程，新的依赖约束，并提供了一个改进的无约束估计。
2012-10-31 math.ST stat.CO stat.TH
