On point estimators for Gamma and Beta distributions
令$X_1,\ldots,X_n$为来自密度为$f(x)=λ^αx^{α-1}e^{-λx}/Γ(α)$,$x>0$的Gamma分布的随机样本,其中$α>0$(形状参数)和$λ>0$(倒数尺度参数)均未知。主要结果表明,形状参数$α$的一致最小方差无偏估计(UMVUE)存在的充要条件是$n\geq 4$,且UMVUE具有有限方差的充要条件是$n\geq 6$ .更精确地,对于所有参数函数$α$、$λ$、$1/α$和$1/λ$给出UMVUE的形式。此外,还给出了双参数Beta分布的一种高效估计方法。这是基于Beta分布的Stein型协方差等式,然后应用$U$统计理论和Delta方法。MSC:初级62 F10; 62 F12;次级62 E15。关键词和短语:无偏估计;伽玛分布;贝塔分布; Ye-Chen型闭型估计量;渐近有效性; $U$统计量; Stein型协方差恒等式; delta方法。
2022-05-22 math.ST stat.ME stat.TH
Order preserving property of moment estimators
Balakrishnan和Mi [1]考虑了极大似然估计的保序性。本文给出了矩估计量具有保随机序性质的条件。一般的随机序和似然比序都具有保序性。主要给出了单参数分布族、指数分布族、位置分布族和尺度分布族的充分条件。
2011-10-25 math.ST stat.OT stat.TH
Bias analysis of a linear order-statistic inequality index estimator: Unbiasedness under gamma populations
University of Brasilia(巴西利亚大学);Federal University of Pelotas(佩洛塔斯联邦大学)
本文研究了基于线性组合预期顺序统计量的秩类不平等指标,统一了经典基尼系数、第m个基尼指数等,并通过积分表示连接到谱不等式度量。通过分析自然U统计量型估计器的有限样本行为,推导出一般偏倚分解,并证明在伽马分布总体下估计器的无偏性。
2026-05-01 math.ST stat.ME stat.TH
Consistency of the MLE under a two-parameter gamma mixture model with a structural shape parameter
有限Gamma混合模型通常用于描述收入数据、保险数据和来自其他应用程序的数据中的随机性。然而,流行的似然方法不适用于这种模型,因为似然函数是无界的,因此最大似然估计量没有很好地定义。已经有许多研究的方法,以确保一致的估计的混合分布,包括放置上界的形状参数或添加惩罚的对数似然函数。本文证明了如果有限Gamma混合模型中的形状参数是结构性的,则混合分布的极大似然估计是定义良好的和强相合的。我们还提出了模拟结果证明的估计的一致性。我们说明了应用的模型与结构尺度参数的家庭收入数据。拟合的混合分布导致几个可能的亚人口结构的水平的可支配收入。
2020-11-08 math.ST stat.TH
Shrinkage Estimation for the Diagonal Multivariate Exponential Families
研究了一类协协方差阵的对角元是均值参数的某个二次函数的多元分布均值参数的收缩估计。这类分布包括对角多元自然指数族。我们提出了两类半参数收缩估计的均值和相应的风险构造无偏估计。我们建立了这些收缩估计的渐近一致性和收敛速度下的平方误差损失的$n$,样本量,和$p$,尺寸,趋于无穷大。接下来,我们将这些结果专门用于对角多元自然指数族,这些自然指数族已被分类为由正态分布、泊松分布、伽玛分布、多项式分布、负多项式分布和混合分布组成。我们建立了我们的估计的一致性,在正常的,伽玛,负多项式的情况下,条件是$p n^{-1/3} (\log{n})^{4/3} \to 0$,并在泊松和多项式的情况下,如果$p n^{-1/2} \to 0$,作为$n,p \to \infty$。模拟研究提供了我们的估计的性能进行评估,我们说明,在伽马和泊松的情况下,我们的估计实现比最大似然估计的风险更低,从而证明了我们的估计的优越性,在最大似然估计。
2022-07-01 math.ST stat.TH
Local Nonparametric Estimation for Second-Order Jump-Diffusion Model Using Gamma Asymmetric Kernels
讨论了基于Gamma非对称核的二阶跳跃扩散模型中未知一阶和二阶无穷小矩的局部线性光滑估计。在较弱的条件下,我们得到了这些估计在内点和边界点的弱相合性和渐近正态性。基于Gamma非对称核函数的局部线性平滑方法除了具有局部线性估计的简单偏差表示和边界偏差校正等标准性质外,还具有可变带宽、方差减小和抗稀疏设计等优点,并通过有限样本仿真研究进行了验证。最后,我们使用的估计一些高频金融数据的回报。
2017-07-06 math.ST stat.TH
Minimax properties of gamma kernel density estimators under $L^p$ loss and $β$-Hölder smoothness of the target
Université du Québec à Trois-Rivières(魁北克特鲁瓦河大学)
本文研究了在β-Hölder空间中,非修改的gamma核密度估计在L^p损失下的渐近行为,特别是在目标可能有有限有效或真实上端点但估计器本身未截断并将其支持视为[0,∞)的情况下。通过将有限端点作为函数类和风险定义中的分析工具,而非作为估计器的信息,选择的功能类使得目标密度在上端点处平滑地趋于零,从而隔离了原点处的行为并避免了额外的上端点泄漏偏差。证明了当(p,β)∈[1,3)×(0,2]或当3≤p<4且(p-3)/(p-2)<β≤2时,该估计器可以实现极小大率,而当p∈[4,∞)或β∈(2,∞)时则无法实现极小大。剩余区域{(p,β):3<p<4,0<β≤(p-3)/(p-2)}仍是一个开放问题。
2026-09-15 math.PR math.ST stat.TH
Adaptive density estimation based on a mixture of Gammas
考虑了正半线上可能无界密度的贝叶斯密度估计问题。我们提出了一个分层贝叶斯估计的基础上的伽玛混合先验,可以被看作是一个位置的混合。我们研究了基于这种混合的贝叶斯密度估计的收敛速度。我们构造了局部Hölder密度的近似,以及它们对无界密度的扩展,使其成为Γ分布的连续混合,从而得到了有限混合密度的近似。然后,这些结果被用来获得后验浓度率,与先验的基础上,这些混合模型。率是极小极大(最多对数n项),因为先验是独立的平滑率是自适应的平滑。
2017-09-16 math.ST stat.TH
The Pólya sum kernel and Bayes estimation
我们认为一个特定的Cox过程从贝叶斯的观点和贝叶斯估计的强度措施是所谓的Pólya和内核,最近发生的背景下,建设的所谓的Papangelou过程。更准确地说,如果先验,考克斯过程的直接测度,是泊松-伽马随机测度,那么后验也是泊松-伽马随机测度,强度的贝叶斯估计是波利亚和核。此外,我们将这一结果扩展到双随机Poisson-Gamma先验,并给出了条件下,人们可以确定的贝叶斯估计的强度。
2012-05-10 math.PR math.ST stat.TH
Uniform strong consistency of a frontier estimator using kernel regression on high order moments
本文考虑Girard,S.,Guillou,A.,Stupfler,G.(2012年)。{ \it高阶矩核回归前沿估计}。本文证明了当条件累积分布函数属于Hall类分布函数时,该估计在紧集上是强一致相合的,并给出了其收敛速率.
2013-07-16 math.ST stat.TH
Method of Moments Estimators and Multu-step MLE for Poisson Processes
在非齐次Poisson过程观测的情况下,我们引入了有限维参数的两类估计。这些是矩量法和多步MLE的估计量。证明了矩量法的估计是相合的且渐近正态的,多步极大似然估计是相合的且渐近有效的。多步MLE过程的构造分两步完成。首先,我们构造了一个一致的估计,然后使用该估计的一步和两步MLE的建设。所提出的方法的主要优点是其计算简单。
2018-06-17 math.ST stat.TH
On moments of Pitman estimators: the case of fractional Brownian Motion
在一些非正则统计估计问题中,极限似然过程是分数布朗运动(fBm)的泛函,其Hurst参数为H; 0 < H <=?1.在本文中,我们提出了几个分析和数值结果的Pitman估计的时刻表示的积分泛函的fBM的形式。我们还提供了Monte Carlo模拟结果的皮特曼和渐近最大似然估计方差。
2014-06-05 math.ST stat.TH
Novel Closed-form Point Estimators for the Beta Distribution
本文提出并研究了β分布的新的封闭形式点估计。第一个估计量是皮尔逊矩量法的修改版本。其基本思想是涉及充分统计量,即,在矩估计方程中引入对数矩,同时求解混合型矩方程。第二个估计量基于对费舍尔似然原理的近似。其思想是求解由广义β分布的对数似然函数导出的两个得分方程。这两个估计都是封闭的,强相合的,渐近正态的。此外,通过大量的模拟,所提出的估计量在小样本和大样本中的表现非常接近ML估计量,并且它们显着优于矩估计量。
2022-10-11 math.ST stat.TH
Change point detection based on method of moment estimators
提出了一种利用矩估计量的变点检测方法。检验统计量基于适当的$Z$过程。在原假设和备择假设下建立了该过程的渐近性态,并证明了检验的相合性。给出了变点的估计量,并证明了其相合性。文中给出了这种方法应用于参数族随机变量的一些例子。
2020-10-07 math.ST stat.TH
Modification of Moment-Based Tail Index Estimator: Sums versus Maxima
本文继续研究了$γ>1/2$的极值指标$γ$(或尾指标$α=1/γ$)的SRCEN估计,该估计是在\cite{MCE}中提出的.我们提出了一个新的估计的基础上的局部极大值。事实上,这是SRCEN估计器对$γ>0$情况的修改。我们建立了新提出的独立同分布估计的相合性和渐近正态性。数据此外,还包括对估计量的比较的简短讨论。
2017-10-09 math.ST stat.TH
Moment convergence of $Z$-estimators and $Z$-process method for change point problems
建立统计估计量的渐近分布和矩收敛性是高等统计理论中的一个重要问题。本文的主要目的之一是提出一种方法来推导$Z$ -估计量的矩收敛性,因为它已经完成了$M$ -估计量。本文的另一个目的是发展一种通用的、统一的方法,基于我们称之为“$Z$ -过程”的部分估计函数,来处理遍历模型以及Fisher信息矩阵是随机的和时间上非齐次的模型的变点问题。最后讨论了它在某些扩散过程模型和Cox回归模型中的应用。
2012-06-29 math.ST stat.TH
The Empirical Saddlepoint Estimator
我们定义了一个基于矩的估计,最大限度地提高经验鞍点(ESP)的经验矩条件下的解决方案的分布近似。我们称之为ESP估计器。我们证明了它的存在性、相合性和渐近正态性,并提出了新的检验统计量。我们还表明,ESP估计量对应于MM(矩量法)估计收缩对参数值估计方差较低,所以它减少了现有的基于矩量的估计记录的不稳定性。在刚刚确定的时刻条件下,这是我们关注的情况下,ESP估计是从MM估计不同,不像最近提出的替代方案,如概率似然型估计。
2019-05-16 econ.EM math.ST stat.TH
Generalized Method of Moments Estimator Based On Semiparametric Quantile Regression Imputation
在这篇文章中,我们考虑一种插补方法来处理基于半参数分位数回归估计的缺失响应值。在所提出的方法中,缺失的响应值生成使用估计的条件分位数回归函数在给定的协变量值。我们采用广义矩量法估计的参数定义通过一个一般的估计方程。我们证明了所提出的估计,它结合了半参数分位数回归插补和广义矩方法,具有竞争优势,对一些最广泛使用的参数和非参数插补估计。证明了估计量的相合性和渐近正态性,并给出了方差估计。有限的模拟研究和实证研究的结果,显示所提出的方法的充分性。
2014-04-11 math.ST stat.TH
Moment analysis of the Delaunay tessellation field estimator
Campbell-Mecke定理用于推导Schaap和Van de Weygaert的Delaunay曲面细分场估计的均值和方差的显式表达式。特别注意泊松过程。
2009-10-08 math.ST stat.ME stat.TH
Exact finite-sample bias, variance, and MSE of normalized scale-invariant inequality indices under Gamma mixture models
Department of Statistics, University of Brasilia(巴西利亚大学统计系);University of Brasilia(巴西利亚大学)
本研究针对Gamma混合模型下的归一化尺度不变不平等指数,推导了估计量的精确有限样本偏差、方差和均方误差公式,并证明其渐近无偏性、强相合性和渐近正态性,为异质总体下的估计提供了统一框架。
2026-10-06 math.PR math.ST stat.ME
Moment estimators of the extreme value index for randomly censored data in the Weibull domain of attraction
本文讨论了随机截尾情形下威布尔吸引区域分布的极值指标的估计问题。在重尾情况下,[Worms(2014)]中介绍的方法在这里适用于负极值指数框架,从而定义了具有任意指数的相对过剩的流行矩的加权版本。这导致了两个家庭的定义的估计(适应所谓的矩估计作为一个特殊的情况下),其中的一致性证明下的一阶条件。他们的表现,从一个广泛的模拟研究发出的插图,提供。
2015-06-11 math.ST stat.TH
An unbiased estimator for the ellipticity from image moments
利用图像矩给出了噪声图像中物体椭圆度的无偏估计。提出了三个假设:i)像素噪声是正态分布的,尽管具有任意协方差矩阵,ii)图像矩是关于固定中心取得的,以及iii)点扩散函数是已知的。然后图像矩的相关组合是联合正态的,并且可以计算它们的协方差矩阵。构造了联合正态变量均值比的一个特殊估计量,并用于提供椭圆度的无偏估计量。此外,还给出了新估计量协方差的无偏估计.
2017-06-14 astro-ph.CO math.ST stat.TH
Moment estimator for an AR(1) model with non-zero mean driven by a long memory Gaussian noise
本文考虑了长记忆平稳高斯过程驱动的一阶非零均值自回归过程的一个推断问题。假设当$k$趋于无穷大时,噪声的协方差函数可以表示为$|k|^{2H-2}$乘以一个正常数,分数高斯噪声和分数ARIMA模型是满足该假设的特例。我们提出了矩估计,并证明了强相合性、渐近正态性和联合渐近正态性。
2022-08-03 math.ST stat.TH
On the moments of the variance-gamma distribution
本文推导 variance-gamma 分布矩及绝对矩的新闭式公式,并据此给出两个相关零均值正态随机变量乘积对应矩的新表达式。
2023-06-04 math.PR math.ST stat.TH
A generalized Catoni's ${\rm M}$-estimator under finite {$α$-th moment assumption} with $α\in (1,2)$
本文将Catoni在他的开创性论文[C12]中提出的{ ${\rm M}$ -估计量}推广到样本具有有限${\rm M}$-阶矩的情况,即样本具有$α\in (1,2)$而不是有限方差,我们的方法是通过对其中的影响函数$φ$稍加修改。新的影响函数的选择受到了[C-N-X]中发展的泰勒式展开的启发。我们得到了估计量的偏差界,即$α\rightarrow 2$,这个界与[C12]中的界相同。实验表明,我们的广义${\rm M}$ -估计器比经验均值估计器性能更好,$α$越小,性能越好。作为应用,我们研究了Zhang等人[Z-Z]所考虑的$\ell_{1}$回归,他们假设样本具有有限的方差,并用$α\in (1,2)$将他们的假设放松为有限的{ $α$ -th}矩。
2020-10-10 math.ST stat.TH
Method of moments estimators for the extremal index of a stationary time series
极值指数$θ$是区间$[0,1]$中的一个数,是分析平稳时间序列极值的重要性度量。新的秩为基础的估计$θ$提出依赖于建设近似样本的指数分布的参数$θ$,然后通过矩量法进行拟合。新的估计量进行了分析,无论是理论上,以及经验,通过大规模的模拟研究。在特定的情况下,特别是时间序列模型与$θ\approx 1$,他们被发现优于最近的竞争对手的文献。
2020-06-27 math.ST stat.TH
The Vector Poisson Channel: On the Linearity of the Conditional Mean Estimator
本文研究了向量泊松噪声中条件均值估计的性质。重点研究了导致条件均值估计线性化的先验分布条件。本文包括两个主要结果。第一个结果表明,唯一的分布,导致线性的条件均值估计是一个产品伽玛分布。此外,它表明,条件均值估计不能是线性的泊松噪声的暗电流参数为非零时。第二结果产生第一结果的定量细化。具体来说,它表明,如果条件均值估计是接近线性的均方误差意义上,那么先验分布必须接近产品伽玛分布的特征函数。最后,将其结果与高斯对应的结果进行比较。
2020-03-19 cs.IT eess.SP math.IT
Moment convergence of the generalized maximum composite likelihood estimators for determinantal point processes
讨论了参数模型的最大复合似然估计。由于这些点过程的联合强度是由正定核的行列式给出的,因此我们得到了每一阶联合强度的显式表示。这一事实使我们能够考虑任何阶的广义极大复合似然估计。本文介绍了两步广义复合似然估计,并在平稳性下证明了该估计的矩收敛性。此外,我们的研究结果可以产生的信息标准的统计模型选择的DPP。
2019-09-03 math.PR math.ST stat.TH
Second Moment Estimator for An AR(1) Model Driven by A Long Memory Gaussian Noise
本文考虑了长记忆平稳高斯过程驱动的一阶自回归过程的一个推断问题。假设噪声的协方差函数可以表示为$\abs{k}^{2H-2}$乘以在无穷远处缓慢变化的函数。分数阶高斯噪声和分数阶ARIMA模型以及其他一些高斯噪声是满足这一假设的特例。我们提出了一个二阶矩估计,证明了强相合性,并给出了渐近分布。此外,当极限分布为高斯分布时,利用四阶矩定理给出了Berry-Berryéen上界.
2020-12-02 math.ST stat.TH
On consistency of the likelihood moment estimators for a linear process with regularly varying innovations
1975年,James Pickands III证明了超过高阈值的超额近似于广义帕累托分布。从那以后,人们研究了cdf参数的各种估计,但总是假设基础数据是独立的。在本文中,我们考虑的特殊情况下,基础数据来自一个线性过程,经常变化(即重尾)的创新。利用这种设置,我们证明了张(2007)引入的似然矩估计是广义Pareto分布参数的相合估计。
2016-05-25 math.ST stat.AP stat.TH
A Bias-reduced Estimator for the Mean of a Heavy-tailed Distribution with an Infinite Second Moment
我们使用偏置减少估计的高分位数,重尾分布,介绍了一个新的估计的情况下,无限的二阶矩。在模拟研究中,通过四种最流行的适合不同样本量的拟合优度检验,建立并检查了所提出的估计量的渐近正态性。此外,我们比较,在偏差和均方误差,我们的估计与彭的估计(彭,2001年),我们评估的准确性,一些得到的置信区间。
2012-01-10 math.ST stat.CO stat.ME
Asymptotic normality of the likelihood moment estimators for a stationary linear process with heavy-tailed innovations
各种估计的参数的广义帕累托分布,超过一个高阈值的近似分布,已被提出,总是假设的基础数据是独立的。我们最近证明了似然矩估计量是广义Pareto分布的参数的相合估计量的情况下,基础数据来自于一个(平稳)的线性过程与重尾的创新。在本文中,我们在一些附加的假设下得到了二元渐近正态性,并给出了一个明确的例子,说明如何使用渐近展开检查这些条件。
2016-05-25 math.ST stat.AP stat.TH
Moment Estimator-Based Extreme Quantile Estimation with Erroneous Observations: Application to Elliptical Extreme Quantile Region Estimation
针对极值理论中关注变量含观测误差的问题,量化误差对基于矩的极值指数及极端分位数估计的影响,推导误差渐近可忽略条件,并将方法应用于多元椭圆分布下仿射等变极端分位数区域估计。
2025-02-12 math.ST stat.TH
Large deviations for method-of-quantiles estimators of one-dimensional parameters
我们考虑未知参数的分位数估计方法,即通过匹配经验和理论分位数在(0,1)中的某个概率水平λ获得的矩估计方法的模拟。目的是在样本量趋于无穷大时,为这些估计量提供大偏差结果。我们详细研究了几个例子,对于特定的模型,我们讨论了选择的最优值的lambda和我们比较的方法的分位数和矩估计的收敛性。
2018-11-19 math.ST stat.TH
On the Estimation of Gaussian Moment Tensors
Eric and Wendy Schmidt Center, Broad Institute of MIT and Harvard(埃里克和温迪·施密特中心,麻省理工学院与哈佛大学生物工程研究所);Committee on Computational and Applied Mathematics, University of Chicago(芝加哥大学计算与应用数学委员会);Department of Statistics, University of Chicago(芝加哥大学统计系)
本文研究高斯矩张量的两种估计量,建立无维数非渐近误差界,证明伊塞利斯估计量在偶数阶张量上的优势,适用于对称和非对称情形。
2025-10-28 math.PR math.ST stat.TH
A study of seven asymmetric kernels for the estimation of cumulative distribution functions
在Mombeni等人(2019)中,引入了Birnbaum-Saunders和Weibull核估计量,用于估计半线$[0,\infty)$上支持的累积分布函数(c.d.f.s)。他们是第一个在c.d.f.的上下文中使用非对称内核的作者。估计。它们的估计量在数值上比传统方法(如基本核方法和Tenreiro(2013)的边界修改版本)表现得更好。在本文中,我们补充他们的研究,通过引入五个新的非对称核c.d. f。估计量,即Gamma、逆Gamma、对数正态、逆高斯和倒数逆高斯核c.d.f.估计器。对于这五个新的估计,我们证明了渐近正态性,我们发现以下数量的渐近表达式:偏差,方差,均方误差和平均综合平方误差。然后,一项数值研究比较了五种新c.d.f.的性能估计对传统的方法和Birnbaum-Saunders和Weibull核c.d.f. Mombeni et al.(2019)的估计值。通过使用相同的试验设计,我们证明了对数正态和Birnbaum-Saunders核c.d.f.估计器总体上执行得最好,而其他非对称核估计器有时更好,但总是至少与边界核方法竞争。
2020-11-30 math.PR math.ST stat.TH
Stein's Method of Moments on the Sphere
本文利用 Stein 特征刻画为 Fisher-Bingham、von Mises-Fisher 和 Watson 三种球面分布提出新的矩型估计量,其渐近性质接近有效,并通过模拟和手写数字潜在表示的真实数据验证了其实用性。
2024-06-15 math.ST stat.TH
A method of moments estimator of tail dependence
在多变量极值的世界中,依赖结构的估计仍然是一个挑战和有趣的问题。一个程序的二元情况下,开辟了道路,以类似的方式处理问题,在一个真正的多元设置。我们考虑一个半参数模型,其中稳定的尾部依赖函数是参数化的。给定一个来自二元分布函数的随机样本,问题是估计未知参数。提出了一种矩估计方法,其中稳定尾部依赖函数的非参数、基于秩的估计的某个积分与相应的参数版本匹配。在很弱的条件下,证明了该估计是相合的且渐近正态的。此外,参数和非参数估计之间的比较导致半参数模型的拟合优度检验。估计的性能示出了一个离散的谱测度,出现在一个因素型模型,并为基于似然的方法打破。第二个例子是某些亚椭圆分布的稳定尾部依赖函数族。
2008-11-14 math.ST stat.TH
Modeling Stock Returns and Volatility Using Bivariate Gamma Generalized Laplace Law
University of Nevada, Reno(内华达大学雷诺分校)
本文提出双变量伽马广义拉普拉斯分布模型,通过最大似然估计简化估计过程,并展示其在金融数据中的应用。
2026-04-30 math.PR math.ST q-fin.ST
Stein's Method of Moments
本文提出Stein矩量法(SMOM),利用Stein算子为平稳遍历过程的边际参数构造显式、相合且渐近正态的点估计量,并证明其在独立同分布情形下可渐近有效甚至逼近MLE,模拟与降雨实例显示小样本表现优异。
2024-12-03 math.ST stat.TH
Asymptotic Moments Matching to Uniformly Minimum Variance Unbiased Estimation under Ewens Sampling Formula
Ewens抽样公式是与正整数的随机划分有关的分布。在本研究中,我们研究了分布下参数估计的非存在解问题。在此基础上,利用Ewens抽样公式,得到了一致最小方差无偏估计量的一阶矩和二阶矩匹配估计量。蒙特卡洛模拟研究进行评估的效率所产生的估计。
2021-05-24 math.ST stat.TH
Uniformly consistent proportion estimation for composite hypotheses via integral equations: "the case of Gamma random variables"
针对两类复合零假设的Gamma随机变量,提出基于Lebesgue-Stieltjes积分方程与调和分析的一致相合比例估计方法,无需p值,可用于高维模型稀疏度估计等场景。
2025-03-19 math.PR math.ST stat.TH
Sub-Gaussian High-Dimensional Covariance Matrix Estimation under Elliptical Factor Model with 2 + εth Moment
针对具有2+εth矩的椭圆因子模型下的高维协方差矩阵估计问题,提出异质性投影自归一化(IPSN)方法消除重尾影响,构建了达到次高斯收敛速率的稳健散布矩阵初始估计量,其协方差矩阵估计量比通用POET估计量收敛更快。
2024-06-26 math.ST stat.TH
Componentwise Equivariant Estimation of Order Restricted Location and Scale Parameters In Bivariate Models: A Unified Study
当两个分布之间的顺序已知时(比如$θ_1\leq θ_2$),估计两个分布的位置(尺度)参数$θ_1$和$θ_2$的问题在文献中得到了广泛的研究。许多这些研究都集中在推导估计,占主导地位的最佳位置(规模)的同变估计,为无限制的情况下,利用先验信息,$θ_1 \leq θ_2$。其中一些研究考虑了特定的分布,使得相关的随机变量在统计上是独立的。本文考虑了一般的二元模型和一般的损失函数,统一了文献中已证明的各种结果。我们还考虑应用这些结果的一个双变量正常和Cheriyan和Ramabhadran的双变量伽玛模型。模拟研究也被认为是比较各种估计的风险表现下的二元正常和Cheriyan和Ramabhadran的二元伽玛模型。
2022-07-02 math.ST stat.TH
Bayesian Prediction in Gamma Models: Admissibility and Infinitesimal Prediction
The University of Tokyo(东京大学);RIKEN Center for Brain Science(理化学研究所脑科学中心)
研究Gamma模型中形状参数已知、尺度参数未知时的估计与预测问题,证明基于Jeffreys先验的贝叶斯预测密度对所有α>0是可容许的,并建立无穷小预测框架。
2026-06-18 math.ST stat.TH
Moment varieties from inverse Gaussian and gamma distributions
本文研究逆高斯与伽马分布及其混合的矩簇,将其刻画为行列式簇,确定次数与奇点,并分析混合的代数可辨识性、可辨识次数和欧氏距离次数。
2024-08-02 math.AC math.AG math.ST
Robust parameter estimation of regression model under weakened moment assumptions
本文给出了当协变量或响应具有较弱矩条件时几种回归模型参数阵估计的一些推广结果。本文研究了Fan等(Ann Stat 49(3):1239- 1266,2021)关于具有$(1+ε)$阶矩噪声的矩阵完备化模型的$M$估计.观察到了相应的相变现象。当采用$1> ε>0$时,鲁棒估计器具有比以往文献慢的收敛速度.对于高维多指标系数模型,利用逐元截断方法处理有限四阶矩重尾数据,提出了一种改进的估计。大量的仿真研究验证了我们的理论结果。
2022-09-07 math.ST stat.TH
Moment varieties of the inverse Gaussian and gamma distributions are nondefective
该研究利用 Terracini 曲面分类、矩簇相交理论及 Massarenti–Mella 割簇结果,证明逆高斯与伽马 k 元混合参数可分别由前 3k−1 和 3k+2 阶矩实现代数与有理辨识。
2025-06-07 math.AG math.ST stat.TH
The geometry of Stein's method of moments: A canonical decomposition via score matching
The Graduate University for Advanced Studies, SOKENDAI(advanced studies 高等研究院);The Institute of Statistical Mathematics(统计数学研究所)
本文探讨了Stein方法的几何结构,通过分数匹配构建了改进的估计器,分析了Stein方法与Wasserstein几何的关系,并讨论了分数匹配估计器的渐近效率条件。
2026-03-13 math.ST stat.ME stat.TH
Stein's method of moments for truncated multivariate distributions
本文利用 Stein 特征刻画为 i.i.d. 情形下的多种截断多元分布构造显式矩型估计量,证明其渐近性质,并通过模拟与 MLE 及 score matching 比较性能。
2024-06-15 math.ST stat.TH
A Proof of Orthogonal Double Machine Learning with $Z$-Estimators
Microsoft Research(微软研究院)
我们考虑两阶段估计,其中第一阶段为非参数估计,第二阶段为广义矩量法,其设置比(Rizhzhukov et al. 2016)更简单。我们给出了(Escherzhukov et al. 2016)中给出的定理的另一种证明,即第一阶段的正交第二阶段矩,样本分裂和$n^{1/4}$ -一致性,意味着第二阶段估计的$\sqrt{n}$ -一致性和渐近正态性。我们的证明是为他们的估计,这是基于经验版本的矩条件(Z-估计),而不是一个最小化的范数的经验向量的时刻(M-估计)的变体。本说明主要是为了简要说明,而不是作为一项新的技术贡献。
2017-04-14 cs.LG math.ST stat.ML
Berry-Esseen bounds of second moment estimators for Gaussian processes observed at high frequency
设$Z:=\{Z_t,t\geq0\}$为平稳高斯过程。本文研究了$\mathbb{E}[Z_0^2]$的两个估计,即$\widehat{f}_T(Z):= \frac{1}{T} \int_{0}^{T} Z_{t}^{2}dt$和$\widetilde{f}_n(Z) :=\frac{1}{n} \sum_{i =1}^{n} Z_{t_{i}}^{2}$,其中$ t_{i} = i Δ_{n}$,$ i=0,1,\ldots, n $,$Δ_{n}\rightarrow 0$和$ T_{n} := n Δ_{n}\rightarrow \infty$ .我们证明了这两个估计是强相合的,并建立了涉及$\widehat{f}_T(Z)$和$\widetilde{f}_n(Z)$的中心极限定理的Berry-Esseen界。我们将这些结果应用于渐近平稳高斯过程,并估计高斯Ornstein-Uhlenbeck过程的漂移参数。
2021-02-09 math.PR math.ST stat.TH
Moment based estimation for the multivariate COGARCH(1,1) process
对于多变量COGestival过程,我们获得了显式表达式的二阶结构的“平方收益”的过程中观察到的等距网格。在此基础上,给出了其参数的广义矩估计方法。在适当的矩和强混合条件下,我们证明了所得到的估计是相合的和渐近正态的。详细讨论了模型参数强混合、平稳和可辨识的充分条件。我们在模拟研究中研究了估计量的有限样本行为。
2021-02-02 math.ST stat.ME stat.TH
Moments estimators and omnibus chi-square tests for some usual probability laws
对于许多概率定律,在参数模型中,参数的估计可以在极大似然方法的框架中进行,或者在矩估计方法的框架中进行,或者通过使用插入方法等。通常,对于估计多个参数,使用相同的框架。本文重点研究矩估计方法。我们使用Lo(2016)中的函数经验过程(fep)工具来展示如何以几乎代数的方式推导出联合分布高斯定律并从中推导出综合卡方渐进定律。我们选择了四个分布来说明该方法(Gamma定律,Beta定律,Uniform定律和Fisher定律),并尽可能完整地描述矩估计量的渐近定律。进行模拟研究,以调查每种情况下获得的统计检验可验证的最小尺寸。一般来说,这里提出的综合卡方检验在样本量为50左右时效果良好
2021-12-08 math.ST stat.ME stat.TH