A simple and efficient profile likelihood for semiparametric exponential family
Ning等人(2017)提出的半参数指数族是参数指数族在非参数基测度函数情况下的扩展。这样的分布族在高维数据分析等领域具有潜在的应用价值。然而,实现半参数效率的方法还没有在现有的文献中提出。本文提出了一种剖面似然估计方法,可以有效地估计参数函数和非参数函数。由于在轮廓似然估计过程中采用了最不利曲线,因此成功地实现了半参数效率,并显著降低了估计偏差。此外,通过充分利用半参数指数族的结构信息,得到了最不利曲线的估计量的显式表达式。它确保了新提出的轮廓似然可以实现,并且计算简单。仿真研究表明,我们的建议是比现有的方法更好的大多数情况下研究,是强大的不同的模型条件。
2017-11-30 stat.ME
Automatic selection of hyper-parameters via the use of softened profile likelihood
University of Waterloo(滑铁卢大学)
本文提出了一种扩展方法,用于自动选择高维数据的超参数,通过软化轮廓似然在scree图中识别肘部,并在弹性网络、支持向量机和神经网络中验证了该方法,同时进行了小规模模拟研究以检验假设的稳健性。
2026-05-19 stat.ME
Profile likelihoods for parameters in Gaussian geostatistical models
针对高斯地质统计学模型中方差矩阵分解计算负担大导致剖面似然难以应用的问题,提出利用Matern相关函数族、重新参数化与GPU并行计算的剖面似然方法,证明其参数置信区间覆盖率优于传统Wald型区间。
2023-07-03 stat.CO stat.ME
On the Population Size Estimation from Dual-record System: Profile-Likelihood Approaches
基于各种应用的需要,我们考虑了双记录系统(DRS)(等价于两样本捕获-再捕获实验)中的齐次人口规模(N)估计问题。独立捕获-再捕获模型Mt的似然估计在这种情况下被广泛使用,尽管行为依赖模型Mtb的适当性得到一致认可。我们的主要目的是调查使用几个相关的伪似然方法剖析N,明确的模型Mtb。提出了一种调整轮廓似然的方法。通过与Lee等人(Statistica Sinica,2003,vol.13)提出的一般捕获-再捕获实验的贝叶斯估计进行比较,对所提方法的性能进行了仿真研究。我们还分析了可能的模型误指定的影响,由于使用模型山,在效率和鲁棒性。最后,两个现实生活中的例子,具有不同的特点,说明所讨论的方法。
2015-04-05 stat.ME
A Profile Likelihood Approach to Semiparametric Estimation with Nonignorable Nonresponse
无应答的统计推断是相当具有挑战性的,特别是当应答机制不可解释时。现有的方法往往需要正确的模型规格的结果和响应模型。然而,由于无响应,这两个模型不能直接从数据中验证,模型错误指定可能导致严重偏倚的推断。为了克服这一局限性,我们开发了一个强大的和有效的半参数方法的基础上的轮廓似然。该方法采用稳健半参数响应模型,其中假设研究变量的函数完全未知。提出了一种基于分数插补的有效计算算法。一个准似然的方法来测试可扩展性也被开发。证明了该方法的相合性和渐近正态性。有限样本的性能进行了检查,在广泛的模拟研究和韩国劳动和收入面板研究数据集的应用。
2018-09-11 stat.ME
Fletcher-Turek Model Averaged Profile Likelihood Confidence Intervals
我们评估了Fletcher和Turek(2011)在一个简单的情况下提出的模型平均轮廓似然置信区间,其中有两个线性回归模型,我们对它们进行平均。我们得到精确的表达式的覆盖范围和缩放的预期长度的间隔,并使用这些来计算这些数量在特定的情况下。我们发现,Fletcher-Turek置信区间可以有覆盖率远低于标称覆盖率和预期的长度大于标准的置信区间的覆盖率等于相同的最小覆盖率。在这些情况下,不幸的是,Fletcher-Turek置信区间并不比在模型选择后使用的标准置信区间更好,但忽略了模型选择过程。
2014-04-28 stat.ME
Maximum profile binomial likelihood estimation for the semiparametric Box--Cox power transformation model
Box-Cox转换模型已被广泛应用多年。该模型的参数版本假设随机误差遵循参数分布,即正态分布,并使用极大似然方法估计模型参数。半参数版本假设随机误差的分布是完全未知的;现有方法要么需要强假设,要么当随机误差的分布显著偏离正态分布时效果较差。我们采用半参数假设,并提出了最大轮廓二项似然方法。从理论上建立了模型参数估计量的联合分布。通过大量的数值研究,我们证明了我们的方法具有优于现有的方法,特别是当分布的随机误差偏离正态分布。此外,我们比较了我们的方法和现有的方法在HIV数据集上的性能。
2021-05-19 stat.ME
Learning Optimal Test Statistics in the Presence of Nuisance Parameters
最优检验统计量的设计是频率统计学中的一项关键任务,并且对于许多场景,最优检验统计量例如轮廓-似然比是已知的。通过扭转这一论点,我们可以找到配置文件的似然比,即使在无可能性的情况下,其中只有来自模拟器的样本是可用的,通过优化这些场景中的检验统计量。我们提出了一种无似然训练算法,该算法产生的检验统计量相当于在已知后者是最佳的情况下的配置文件似然比。
2022-03-24 physics.data-an stat.ME
Maximum likelihood estimation of parameters of spherical particle size distributions from profile size measurements and its application for small samples
显微镜研究往往需要恢复颗粒尺寸分布在三维从只有几个(10 - 200)剖面测量。这个问题是特别相关的岩相学和矿物学研究,其中参数假设是合理的,并找到分布参数的微观研究的小部分是必不可少的。本文讨论了粒子近似为球形的特殊情况(即Wicksell问题)。本文提出了一种新的近似的概率密度的球形颗粒的轮廓尺寸。这种近似使用矿物颗粒的实际非光滑性,而不是完美的球体。新的近似有利于数值上有效地使用的极大似然方法,一般强大的方法,提供了分布参数估计的最小方差在大多数实际情况下。最大似然法估计的方差和偏差进行了数值比较的几个典型的粒度分布与替代参数的方法(矩量法和最小距离估计),和极大似然估计被认为是更可取的小样本和大样本。极大似然法和建议的近似法也可用于选择模型,用于使用所有分布图(无随机抽样)构建分布参数的窄置信区间,以及用于包括由截面边界覆盖的分布图的测量值。该方法的实用性说明使用一个例子,从冰川冰岩相学。
2022-02-15 stat.AP stat.ME
Monte Carlo profile confidence intervals
蒙特卡罗方法来评估和最大化的似然函数,使置信区间和假设检验的建设,促进科学调查使用模型的似然函数是棘手的。当蒙特卡罗误差可以通过充分详尽的计算变得很小时,则基于可能性的推理的标准理论和实践适用。随着数据变得更大,模型变得更复杂,出现了没有合理的计算量可以使蒙特卡罗误差可以忽略不计的情况。我们开发配置文件的可能性方法,以提供频率论的推论,考虑到蒙特卡罗的不确定性。我们调查的作用,这种方法在促进计算上具有挑战性的动态潜变量模型的推理。我们提出了三个例子中出现的传染病传播的研究。这三个例子展示了我们的方法推断非线性动态模型,使用基因序列数据,面板时间序列数据,时空数据。我们还讨论了非线性时间序列分析的适用性。
2017-02-09 stat.ME
Efficient Estimation For The Cox Proportional Hazards Cure Model
在分析至事件发生时间数据时,可能有一定比例的受试者将永远不会经历感兴趣的事件,并且他们被认为是治愈的。当考虑到生存模型的这一特征时,这些模型通常被称为治愈模型。在存在协变量的情况下,可以通过使用治愈模型来对群体的条件生存函数进行建模,治愈模型取决于未治愈的概率(发生率)和未治愈受试者的条件生存函数(潜伏期),并且使用逻辑斯谛回归和Cox比例风险(PH)回归的组合分别对发生率和潜伏期进行建模。本文通过对剖面似然的渐近展开,证明了剖面似然估计的渐近正态性,并得到了剖面似然中含有隐函数的方差估计的显式形式。我们还证明了基于投影理论的有效得分函数与轮廓似然得分函数是相等的。本文的贡献在于将有效信息矩阵表示为轮廓似然得分函数的方差。模拟研究表明,估计的标准误从自助样本(SMCURE包)和配置文件的可能性得分函数(我们的方法)提供了类似的和可比的结果。我们提出的方法的数值结果也通过使用来自SMCURE R-包的黑素瘤数据示出(Cai等人,2012),并将结果与SMCURE软件包的输出进行比较。
2020-01-24 stat.ME
The AI&M Procedure for Learning from Incomplete Data
Aalborg Universitet(奥尔堡大学)
我们研究的方法参数学习不完整的数据,是随机缺失。基于似然性的方法则需要考虑所有可能的缺失机制的简档似然性的优化。优化此配置文件的可能性提出了两个主要的困难:多个(局部)最大值,其非常高维的参数空间。在本文中,提出了一种新的方法来优化的轮廓可能性,解决了第二个困难:在建议的AI&M(调整插补和最大化)过程中的优化是通过在数据完成的空间中的操作,而不是直接在参数空间的轮廓可能性。我们将AI&M方法应用于贝叶斯网络的参数学习。该方法进行了比较保守的推断,考虑到每个可能的数据完成,并对EM。结果表明,基于似然的推理仍然是可行的,在未知的缺失机制的情况下,保守的推理是不必要的弱。另一方面,我们的结果也提供了证据,期望最大化算法仍然是相当有效的数据时,不是随机缺失。
2012-06-27 cs.AI cs.LG stat.ME
Maximum Likelihood Estimation for Semiparametric Regression Models with Interval-Censored Multi-State Data
区间删失多状态数据出现在许多慢性疾病的研究中,其中受试者的健康状况可以由有限数量的疾病状态来表征,并且任何两个状态之间的转换仅已知发生在较宽的时间间隔内。我们通过具有随机效应的半参数比例强度模型来描述潜在的时间相关协变量对多状态过程的影响。本文采用一般区间删失下的非参数极大似然估计(NPMLE),提出了一种稳定的期望最大化(EM)算法。我们证明了所得到的参数估计是一致的,有限维分量是渐近正态的,其协方差阵达到半参数有效界,并且可以通过轮廓似然一致估计。此外,我们通过广泛的模拟研究表明,所提出的数值和推理程序在现实环境中表现良好。最后,我们提供了一个主要的流行病学队列研究的应用程序。
2022-09-16 math.ST stat.ME stat.TH
Bias Correction and Modified Profile Likelihood under the Wishart Complex Distribution
Universidade Federal de Pernambuco(伯南布哥联邦大学);Universidade Federal de Alagoas(阿拉戈斯联邦大学)
本文提出了等价视数$L$的最大似然估计的改进方法。该参数在极化合成孔径雷达(PolSAR)图像的背景下有意义的解释。由于在其处理中存在相干照明,PolSAR系统生成的图像呈现称为散斑的颗粒噪声。作为减少这种干扰的潜在解决方案,参数$L$控制信噪比。因此,已经寻求用于$L$的有效估计方法的建议。为此,我们首先考虑,极化SAR图像很好地描述了缩放复Wishart分布。近年来,Anfinsen等人推导和分析了基于ML和迹统计矩的估计方法,用于获得这种概率定律的未标度版本的参数$L$。本文概括了这种方法。我们给出了Cox和Snell为该参数的ML估计量提出的二阶偏差表达式。讨论了Barndorff-Nielsen用$L$修正的轮廓似然公式。此类推导产生了参数$L$的两个新ML估计量,并将其与Anfinsen等人提出的估计量进行了比较。通过蒙特卡罗实验评估了这些估计量的性能,采用三种统计指标作为比较标准:均方误差、偏差和变异系数。等效的模拟研究,实际极化SAR数据的应用程序得出结论,建议的估计优于所有其他均匀的情况下。
2014-04-18 cs.CV stat.ME
Efficient Estimation For The Joint Model of Survival and Longitudinal Data
在生存研究中,重要的是记录关键纵向协变量的值,直到受试者事件发生。因此,必须使用联合模型研究纵向和事件发生时间结局之间的关联。本文应用剖面似然法估计了生存与纵向数据联合模型的累积危险度和回归参数。此外,我们通过对轮廓似然的渐近展开,证明了轮廓似然估计的渐近正态性,并得到了方差估计的显式形式。联合模型的回归参数的估计是半参数有效的。
2021-06-08 stat.ME
Bridged Posterior: Optimization, Profile Likelihood and a New Approach to Generalized Bayes
本文提出桥接后验这一广义贝叶斯框架,将优化子问题嵌入似然以保留计算效率与约束结构,并证明其参数后验渐近等价于积分后验,从而消除部分优化会低估不确定性的传统顾虑。
2025-07-22 stat.ME
A Matrix--free Likelihood Method for Exploratory Factor Analysis of High-dimensional Gaussian Data
提出了一种新的剖面似然估计方法,用于估计高维高斯数据集的探索性因子分析中的协方差参数,其观测值小于变量数。隐式重新启动的Lanczos算法和有限内存拟牛顿法实现开发一个无矩阵的框架似然最大化。仿真结果表明,我们的方法是大大快于期望最大化的解决方案,而不牺牲精度。我们的方法适用于自杀未遂者,自杀意念者和对照组的数据拟合因子模型。
2019-11-10 q-bio.QM stat.AP stat.CO
Adjusted Empirical Likelihood for Time Series Models
Monti(1997)通过Whittle估计方法将经验似然方法应用于相依观测。对于平稳的时间序列,导出了经验似然比统计量的相似渐近分布,以构造参数的置信区域。然而,计算剖面经验似然函数所需的数值问题涉及约束最大化,有时无解,这导致使用原始版本的经验似然比的缺点。在本文中,我们提出了一个调整后的经验似然比统计量修改蒙蒂提出的,使它保证所需的最大化问题的解决方案的存在性,同时保持类似的渐近性质蒙蒂得到。仿真结果表明,在不同的时间序列模型下,该模型的覆盖率优于Monti模型,特别是在小样本量下。
2016-02-29 stat.ME
Deep Neural Networks for Semiparametric Frailty Models via H-likelihood
Seoul National University(首尔国立大学);Pukyong National University(釜庆国立大学)
本文提出 DNN-FM,用负剖面 h-似然训练 gamma 脆弱模型,实现成组生存数据预测,并在实验和真实数据中优于现有方法及 DNN-Cox。
2023-07-13 cs.LG stat.ME stat.ML
Estimation of MIDAS Regressions with Errors-in-the-Variables
Panjab University(潘扎布大学);Reserve Bank of India(印度储备银行)
本文研究了在低频和高频变量均受测量误差影响时的MIDAS模型,提出了一种修正得分方法结合轮廓似然方法的参数估计方法,通过蒙特卡洛模拟检验了估计量的小样本和大样本性质。
2026-04-25 econ.EM stat.ME
High Order Adjusted Block-wise Empirical Likelihood For Weakly Dependent Data
经验似然比置信区域存在有限样本覆盖不足的问题,严重影响了它在统计推断中的应用。这种覆盖不足的根本原因是由用于构造轮廓经验似然的估计函数的凸包所施加的上限。对于i.i.d数据,已经提出了各种方法来通过修改凸包来解决这个问题,但是当数据不再独立时,这些方法的性能如何尚不清楚。在本文中,我们提出了一个调整的块经验似然,是专为弱相关的多元数据。我们证明了我们的方法不仅保持了著名的渐近$χ^2-$分布,但也提高了有限的样本覆盖概率,通过消除由凸包的上限。此外,我们表明,我们的方法也是Bartlett校正,从而能够实现高阶渐近覆盖精度。
2021-08-13 stat.ME
Single Gaussian Process Method for Arbitrary Tokamak Regimes with a Statistical Analysis
高斯过程回归(GPR)是一种基于输入数据推断轮廓的贝叶斯方法。该技术在融合领域越来越受欢迎,因为它比传统的拟合技术具有许多优点,包括内在的不确定性量化和对过拟合的鲁棒性。这项工作研究了使用一种新的方法,变点法,用于处理不同的托卡马克制度中发现的不同长度的尺度。使用的学生的t-分布的贝叶斯似然概率也进行了研究,并显示出在提供良好的拟合与许多离群值的配置文件是有利的。为了比较不同的方法,使用从分析概况生成的合成数据来创建数据库,从而能够对哪种方法表现最好进行定量统计比较。使用一个完整的贝叶斯方法与变点法,Matérn内核的先验概率,学生的t-分布的可能性,给出了最好的结果。
2022-02-23 physics.plasm-ph stat.ME
Semiparametric Relative-risk Regression for Infectious Disease Data
本文提出了基于接触间隔的传染病数据半参数相对风险回归模型,利用Cox偏似然和EM算法处理传染源已知与未知的情况,将生存分析中的核心回归模型扩展至传染病流行病学。
2012-10-17 q-bio.QM stat.ME
Object Depth Profile and Reflectivity Restoration from Sparse Single-Photon Data Acquired in Underwater Environments
本文提出了两种新的算法,用于联合恢复深度和反射率(DR)图像所构建的时间相关单光子计数(TCSPC)测量。考虑了两种极端情况:(i)减少采集时间,导致非常低的光子计数,以及(ii)高度衰减的环境(如混浊介质),这使得反射率估计在增加范围时更加困难。采用贝叶斯方法,泊松分布的观测值与有关参数的先验分布相结合,建立联合后验分布。更准确地说,两个马尔可夫随机场(MRF)先验执行空间相关性分配给DR图像。在一些合理的假设下,恢复问题(正则化的似然)减少到一个凸公式相对于每个感兴趣的参数。这个问题首先解决使用自适应马尔可夫链蒙特卡罗(MCMC)算法,近似的最小均方参数估计。该算法是全自动的,因为它调整的MRF的参数的最大边际似然估计。然而,基于MCMC的算法表现出相对较长的计算时间。第二个算法处理这个问题,是基于坐标下降算法。基于实验室的水下测量的单光子深度数据的结果表明,所提出的策略,提高了估计DR图像的质量的好处。
2016-08-22 stat.CO stat.ME
Likelihood-Based Inference for Semi-Parametric Transformation Cure Models with Interval Censored Data
本文研究了 BCTM 模型在区间删失数据下的统计特性,通过 EM 算法同时估计所有参数,并用模拟和戒烟研究数据验证了方法的稳健性与准确性。
2023-10-24 stat.CO stat.ME