pyStoNED: A Python Package for Convex Regression and Frontier Estimation
形状约束非参数回归是计量经济学、统计学、运筹学、机器学习和相关领域中一个不断发展的领域。在生产率和效率分析领域,最近发展的多元凸回归和相关技术,如凸分位数回归和凸期望回归,弥补了传统的确定性非参数和随机参数方法之间的长期差距。不幸的是,沉重的计算负担和缺乏强大的,可靠的,完全开放的计算包已经减缓了这些先进的估计技术的扩散到经验的做法。Python包pyStoNED的目的是通过为多变量凸回归、凸分位数回归、凸期望回归、保序回归、数据的随机非参数化以及相关方法提供免费可用且用户友好的工具来解决这一挑战。本文介绍了pyStoNED软件包的教程,并说明了其应用,重点是前沿成本和生产函数的估计。
2021-09-27 stat.AP stat.CO stat.ME
An R package for nonparametric inference on dynamic populations with infinitely many types
Duke University(杜克大学);USI-SUPSI(瑞士意大利语大学-SUPSI);University of Torino(都灵大学);Collegio Carlo Alberto(卡洛·阿尔贝托学院)
本文提出了一种R软件包,用于动态人口非参数推断,解决了Fleming-Viot扩散模型的计算挑战。
2024-09-23 math.PR q-bio.PE q-bio.QM
pvEBayes: An R Package for Empirical Bayes Methods in Pharmacovigilance
State University of New York at Buffalo(纽约州立大学布法罗分校)
pvEBayes是一个R包,提供非参数经验贝叶斯方法用于药物警戒,包含后处理工具和图形摘要,通过实际数据集展示其应用。
2025-11-30 stat.AP stat.CO
Iterative bias reduction multivariate smoothing in R: The ibr package
在多元非参数分析中,协变量的稀疏性也称为维数灾难,迫使人们使用大的平滑参数。这会导致一个有偏的平滑器。而不是专注于最佳选择平滑参数,我们将其固定为某个合理的大值,以确保数据的过度平滑。生成的基础平滑器的方差很小,但偏差很大。在本文中,我们提出了一个R软件包名为ibr迭代校正的初始偏差的(基地)估计的偏差通过平滑残差获得的估计。在简单描述了迭代偏差减少平滑器之后,我们研究了包中实现的基本平滑器:Nadaraya-Watson内核平滑器和薄板样条平滑器。然后,我们解释包中可用的停止规则及其实现。最后,我们用两个例子来说明这个包:RxR中的一个玩具例子和原始的洛杉矶臭氧数据集。
2011-05-18 stat.CO
Multimode: An R Package for Mode Assessment
在一些应用领域,多模态评估是一个重要的任务,作为一个以前的探索工具或确定某些分布的适用性。本文的目标是提出实用程序的R包多模,它收集不同的探索性和测试非参数的方法来确定模式的数量和估计的位置。具体地,提供了一些图形工具,允许基于核密度估计识别模式模式(SiZer图、模式树或模式森林)。本文介绍了几种用于确定模式数的正式测试程序,并在多模封装中实现,包括基于临界带宽、多余质量或两者结合的思想的方法。该软件包还包括一个功能,用于估计模式的位置和不同的经典数据的例子,已被认为是在模式测试文献。
2018-03-01 stat.CO
MaxSkew and MultiSkew: Two R Packages for Detecting, Measuring and Removing Multivariate Skewness
偏度在多变量统计技术中起着重要的作用。有时它用于恢复数据特征,如聚类分析。在其他情况下,偏度会损害统计方法的性能,如霍特林单样本检验。在这两种情况下,都需要通过目视检查或正式测试来检查潜在分布的对称性。R软件包MaxSkew和MultiSkew通过测量、测试和从多变量数据中去除偏度来解决这些问题。偏度由第三多元累积量及其函数来评估。对称性假设的检验可以是非参数化的自助法,也可以是参数化的正态性假设。通过将数据投影到适当的线性子空间上来消除或至少减轻偏斜。MaxSkew和MultiSkew的用法在Iris数据集上进行了说明。
2019-03-25 stat.CO
Hhsmm: An R package for hidden hybrid Markov/semi-Markov models
本文介绍了hhsmm R包,其中包括初始化,拟合和预测的隐混合马尔可夫/半马尔可夫模型的功能。这些模型都是灵活的马尔可夫和半马尔可夫状态,适用于情况下,该模型涉及吸收或宏观状态的模型。从左到右模型和串/并联网络模型是两种具有马尔可夫和半马尔可夫状态的模型。hhsmm还包括马尔可夫/半马尔可夫切换回归模型以及自回归HHSMM、使用惩罚B样条的排放分布的非参数估计、未来状态的预测以及预测函数中的剩余使用寿命估计。商业模块化航空推进系统模拟(C-MAPSS)数据集也包括在该包中,用于说明该包功能的应用。最后介绍了该软件包在西班牙能源需求分析和预测中的应用。
2022-05-29 stat.CO
saCI: An R Package for Stochastic Approximation Confidence Intervals for Correlation Coefficients
本文介绍了一个R包saCI,它实现了随机逼近方法,用于构建Pearson相关系数的非参数置信区间,并提供了与BCa自助法的比较及交互式Shiny应用。
2026-06-03 stat.CO stat.ME
regMMD: An R package for parametric estimation and regression with maximum mean discrepancy
本文介绍R包regMMD,它利用最大均值差异(MMD)作为目标函数进行参数估计和回归,提供多种核函数与优化过程,并展示模拟及真实数据应用。
2025-04-24 stat.CO stat.ME
dirichletprocess: An R Package for Fitting Complex Bayesian Nonparametric Models
University of Edinburgh(爱丁堡大学);University College London(伦敦大学学院);IIT Kanpur(坎普尔印度理工学院)
该研究介绍了一个R包,提供灵活的Dirichlet过程对象,允许用户无需编程即可进行非参数贝叶斯分析,支持自定义模型和MCMC采样。
2026-05-02 stat.CO
hermiter: R package for Sequential Nonparametric Estimation
本文介绍了R包hermiter,该包利用基于Hermite级数的估计器实现单变量和双变量概率密度、累积分布、分位数及相关系数的估计,特别适用于序贯和大数据单遍批量估计,并支持并行与分布式计算。
2023-07-02 stat.CO
iprior: An R Package for Regression Modelling using I-priors
这是R软件包iprior的概述,它实现了拟合参数和非参数回归模型的统一方法,包括加法模型、多水平模型和具有一个或多个函数协变量的模型。基于最大熵原理,I先验是协方差核等于费舍尔信息的回归函数的客观高斯过程先验。回归函数由I先验下的后验均值估计,超参数由极大边缘似然估计。I-prior模型的估计简单,推理简单,而小样本和大样本的预测性能与类似的领先的最先进的模型相当,而且往往更好。我们通过分析模拟玩具数据集以及三个真实数据的例子,特别是,一个多层次的数据集,一个纵向数据集,和一个数据集,涉及一个功能协变量的iprior包的使用。
2019-11-30 stat.CO stat.ME
CrossCarry: An R package for the analysis of data from a crossover design with GEE
University of the Balearic Islands(巴利阿里群岛大学);Artificial Intelligence Research Institute of the Balearic Islands (IAIB)(巴利阿里群岛人工智能研究所);Health Research Institute of the Balearic Islands (IdISBa)(巴利阿里群岛健康研究所)
CrossCarry是一个用于分析交叉设计数据的R包,通过结合参数和非参数方法,提供灵活的统计建模工具,适用于医学、农业等领域的交叉实验研究。
2025-12-17 stat.CO
elicito: A Python Package for Expert Prior Elicitation
本文介绍elicito,一个基于模拟的模块化Python包,用于专家先验启发式提取,支持结构性和预测性方法,提供透明度、可复现性和可比性,并通过案例研究验证其功能。
2025-06-20 stat.CO stat.ME
DepthProc An R Package for Robust Exploration of Multidimensional Economic Phenomena
数据深度概念为多变量社会经济现象的稳健探索和推理提供了各种强大且用户友好的工具。所提供的技术可以成功地用于在缺乏我们的知识的情况下,参数模型生成数据,由于其非参数性质。本文介绍了R软件包DepthProc,它可以在GPL-2许可证下在CRAN和R-forge服务器上用于Windows,Linux和OS X平台。该软件包包括多变量分位数-分位数图、多变量散点估计、多变量和函数数据的局部Wilcoxon检验、稳健回归等几种数据深度技术的成功实现。为了显示该软件包的能力,使用了关于联合国第四个千年目标和互联网用户活动的真实数据集。
2019-02-19 stat.AP stat.CO
PyChEst: a Python package for the consistent retrospective estimation of distributional changes in piece-wise stationary time series
我们介绍PyChEst,一个Python包,它提供的工具,同时估计多个变化点的分布分段平稳时间序列。实现的非参数算法是可证明一致的一般框架:当样本是由未知的分段平稳过程。在这种情况下,样本可能具有任意形式的长程依赖性,并且在变化点之前和之后的任何(未知)固定大小的有限维边缘可能相同。该软件包中包含的算法的优势在于它们能够一致地检测变化,而不会对底层过程分布施加任何超出平稳性的假设。我们说明了这一显着的特点,通过比较的性能包对国家的最先进的模型设计的设置中的样本是独立和相同的分布。
2021-12-20 cs.MS stat.AP stat.CO
phylodyn: an R package for phylodynamic simulation and inference
我们介绍了一个基于基因谱系的基因动态分析的R软件包RSDYN。该软件包的主要功能是对有效种群大小随时间的波动进行贝叶斯非参数估计。我们的实现包括几个马尔可夫链蒙特卡洛为基础的方法和集成的嵌套拉普拉斯近似为基础的方法,近年来已开发的动态推理。系谱数据描述了从感兴趣的群体中取样的个体的定时祖先关系。这里,假设个体在同一时间点(等距采样)或在不同时间点(异序采样)采样;此外,采样事件可以用优先采样建模,这意味着采样事件的强度允许取决于有效种群大小轨迹。我们假设合并和顺序马尔可夫合并过程的生成模型的系谱。我们包括几个聚结模拟功能,这是有用的,通过模拟研究来测试我们的聚结动力学方法。我们比较的性能和输出的各种方法在Escherdyn和概述他们的优点和缺点。R软件包Rightdyn可在https://github.com/mdkarcher/phylodyn上获得。
2016-10-18 q-bio.PE stat.CO
quantreg.nonpar: An R Package for Performing Nonparametric Series Quantile Regression
R包quantreg.nonpar实现了非参数分位数回归方法来估计部分线性分位数模型并进行推断。quantreg.nonpar基于对模型的非参数部分的系列近似来获得条件分位数函数及其导数的点估计。它还提供了逐点和均匀的置信区间的协变量值和/或分位数指数的相同功能,使用分析和重新排序方法的区域。本文介绍了该软件包,并展示了其中包含的函数的基本功能。
2016-10-26 econ.EM stat.CO
krippendorffsalpha: An R Package for Measuring Agreement Using Krippendorff's Alpha Coefficient
R包krippendorffsalpha提供了使用Krippendorff的Alpha系数测量一致性的工具,这是一种众所周知的非参数一致性测量(也称为评分者间可靠性和其他各种名称)。本文首先以一种自然的方式发展了Krippendorff的Alpha,并将Alpha置于统计过程中。然后,通过分析两个数据集,其中后者是在髋关节软骨的成像研究过程中收集的包krippendorffsalpha的使用说明。该软件包允许用户应用Alpha方法,使用内置的距离函数进行标称,有序,间隔或比率水平的测量。还支持用户定义的距离函数。拟合函数可以容纳任意数量的单元、任意数量的编码器和缺失。支持Bootstrap推理,Bootstrap计算可以并行进行。
2021-03-22 stat.ME
KernSmoothIRT: An R Package for Kernel Smoothing in Item Response Theory
项目反应理论(IRT)模型是一类用于描述个体对一组具有一定数量选项的项目的反应行为的统计模型。它们被社会科学的研究人员采用,特别是在心理学,教育,医学,市场营销和其他旨在测量潜在结构的领域中分析表现或态度数据。大多数IRT分析使用的参数模型依赖于经常不被满足的假设。在这种情况下,非参数方法可能更可取;然而,允许使用该方法的软件应用程序并不多。为了解决这个问题,本文提出了R包KernSmoothIRT。它实现了对期权特征曲线的估计的核平滑,并增加了几个绘图和分析工具来评估整个测试/问卷,项目和主题。为了显示该软件包的功能,使用了两个真实的数据集,一个采用多项选择响应,另一个采用缩放响应。
2014-04-15 stat.AP stat.CO stat.ME
Adaptive Nonparametric Psychophysics
我们介绍了一套新的模型和自适应心理测量测试方法的多维心理物理学。与PEST和QUEST等传统自适应阶梯方法相比,该方法是多维的,不需要上下文维度上的网格,保留了刺激维度数量的亚指数缩放。与最近的多维自适应方法相比,我们的基础模型不需要关于强度和附加维度之间的相互作用的参数假设。此外,我们引入了一种新的主动采样策略,该策略明确针对心理测量检测阈值估计,并且比尝试估计完整心理测量函数的策略快得多(尽管它仍然提供了函数的估计,尽管准确度较低)。最后,我们介绍AEPsych,一个用户友好的非参数心理物理学的开源软件包,使这些技术上具有挑战性的方法可供更广泛的社区。
2021-04-19 q-bio.NC stat.ME
ebnm: An R Package for Solving the Empirical Bayes Normal Means Problem Using a Variety of Prior Families
本文提出 R 包 ebnm,通过统一接口整合多种先验假设并实现高效稳定的经验贝叶斯正态均值拟合,以促进统计与遗传学等领域的新方法发展。
2024-03-29 stat.CO stat.ME
A Menu-Driven Software Package of Bayesian Nonparametric (and Parametric) Mixed Models for Regression Analysis and Density Estimation
大多数应用统计学涉及数据的回归分析。本文介绍了一个独立的和菜单驱动的软件包,贝叶斯回归:非参数和参数模型。目前,该软件包为用户提供了83个贝叶斯模型的选择,用于数据分析。它们包括47个贝叶斯非参数(BNP)无限混合回归模型; 5个用于密度估计的BNP无限混合模型;以及31个正态随机效应模型(HLM),包括正态线性模型。78个回归模型中的每一个都处理连续、二元或有序因变量,并且可以处理多水平(分组)数据。所有83个贝叶斯模型都可以处理加权观测的分析(例如,对于荟萃分析),以及左删失、右删失和/或区间删失数据的分析。每个BNP无限混合模型具有分配了各种BNP先验分布之一的混合分布,包括由Dirichlet过程、Pitman-Yor过程(包括归一化稳定过程)、beta(双参数)过程、归一化逆高斯过程、几何权重先验、相关Dirichlet过程或相关无限概率先验定义的先验。软件用户可以点击鼠标选择贝叶斯模型,并通过马尔可夫链蒙特卡罗(MCMC)抽样进行数据分析。采样完成后,软件自动打开文本输出,报告模型后验分布的基于MCMC的估计值和模型对数据的预测拟合。通过鼠标单击其他菜单选项可以生成其他文本和/或图形输出。这包括MCMC收敛分析的输出,以及选定泛函和协变量值的模型后验预测分布的估计。用MATLAB语言编制了BNP回归分析软件,并对实际数据进行了BNP回归分析。
2015-07-14 stat.CO
GaussianProcesses.jl: A Nonparametric Bayes package for the Julia Language
高斯过程是一类灵活的非参数贝叶斯工具,广泛用于科学和工业中,以模拟复杂的数据源。应用高斯过程模型的关键是开发良好的开放源码软件的可用性,该软件可用于许多编程语言。在本文中,我们提出了一个教程的GaussianProcesses.jl包,已开发的Julia编程语言。GaussianProcesses.jl利用Julia语言固有的计算优势,包括多重分派和即时编译,以生成快速,灵活和用户友好的高斯过程包。该软件包提供了许多均值和核函数以及支持推理工具来拟合精确的高斯过程模型,以及一系列替代似然函数来处理非高斯数据(例如二进制分类模型)和可扩展高斯过程的稀疏近似。该软件包有效地利用了现有的Julia软件包,为用户提供了一系列优化和绘图工具。
2019-06-30 stat.CO stat.ML
BKP: An R Package for Beta Kernel Process Modeling
East China Normal University(华东师范大学)
该研究介绍了R包BKP,用于从多种响应数据估计概率曲面。它实现了贝塔核过程等模型,支持多种功能,如核加权证据借用等,通过可重现示例展示了在概率曲面估计、分类及实际数据建模等方面的应用。
2026-10-06 stat.CO stat.ML
ROCnReg: An R Package for Receiver Operating Characteristic Curve Inference with and without Covariate Information
受试者工作特征(ROC)曲线是最常用的工具,用于评估在区分两种替代疾病状态(例如,患病和未患病)时在连续标度上测量的诊断测试/生物标志物的区分能力。在某些情况下,测试的性能和它的区分能力可能会有所不同,根据受试者的具体特点或不同的测试设置。在这种情况下,需要特定于信息的准确性测量,例如协变量特定和协变量调整的ROC曲线,因为忽略协变量信息可能会导致偏倚或错误的结果。本文介绍了R软件包ROCnReg,它允许通过不同的方法,从(半)参数和非参数的角度以及贝叶斯和频率主义范式估计合并(未调整)ROC曲线,协变量特定ROC曲线和协变量调整的ROC曲线。从估计的ROC曲线(合并的、协变量特异性的或协变量调整的),可以获得几个准确性的汇总测量,例如ROC曲线下的(部分)面积和Youden指数。该软件包还提供了使用几个标准(即,约登指数标准和为假阳性分数设置目标值的标准)来获得基于ROC的最佳阈值的功能。对于贝叶斯方法,我们提供了通过后验预测检查评估模型拟合的工具,而模型选择可以通过几个信息标准进行。为所有方法提供数值和图形输出。该软件包是通过内分泌研究的数据分析,其目的是评估身体质量指数的能力,以检测是否存在心血管疾病的风险因素。该软件包可在https://CRAN.R-project.org/package=ROCnReg上从CRAN获得。
2021-03-19 stat.AP stat.CO stat.ME
SLGP: An R Package for Spatial Conditional Density Estimation
DTIS, ONERA, Université Paris-Saclay(DTIS,ONERA,巴黎萨克雷大学)
SLGP包通过空间逻辑高斯过程实现条件密度场的非参数估计,采用随机傅里叶特征和凸优化,提供MAP、拉普拉斯和MCMC三种模式,并在斐济-汤加地震数据上验证。
2026-09-29 stat.AP stat.ME
Recursive bias estimation for multivariate regression smoothers
本文提出了一种实用而简单的完全非参数多元平滑方法,它适用于真实回归函数的基本平滑性。我们的估计是很容易计算的连续应用现有的基础平滑(而不需要选择一个最佳的平滑参数),如薄板样条或内核平滑。对于小维度(3 < d < 8)和中等样本量(n < 800),所得平滑器具有比基础平滑器或竞争结构约束模型(GAM)更好的样本外预测能力。此外,我们的估计仍然是有用的,当(d> 10),据我们所知,没有其他自适应完全非参数回归估计是可用的,没有约束的假设,如加性。在一个真实的例子,波士顿住房数据,我们的方法减少了20%的样本预测误差。CRAN提供了一个R软件包ibr,用R语言实现了所提出的多变量非参数方法。
2011-06-07 stat.ME
Deep Nonparametric Conditional Independence Tests for Images
Humboldt-Universität zu Berlin(柏林洪堡大学);Hasso-Plattner-Institut for Digital Engineering(哈索·普拉特纳数字工程研究所)
针对图像等高维变量,提出深度非参数条件独立性检验(DNCITs),结合嵌入映射与非参数检验,并在模拟、UKB脑影像数据及混杂控制研究中验证其有效性,提供R包实现。
2024-11-09 cs.LG eess.IV math.ST
Nonparametric Monitoring of Spatial Dependence
本文提出基于空间序数模式(SOPs)的非参数控制图,无需Phase-I分析即可监测空间依赖性,并结合Box-Pierce统计量揭示高阶依赖,在非线性、双边依赖及含离群值场景下优于传统参数方法,并通过德国降雨、乌克兰火灾和纺织品缺陷等真实数据验证其广泛实用性。
2025-05-04 stat.AP stat.ME
Positive data kernel density estimation via the logKDE package for R
核密度估计(KDEs)是概率密度函数(PDF)的非参数估计的常用工具,当数据由未知的数据生成过程获得时。通常在软件包中可用的KDE被定义和设计为估计实值数据。当应用于正数据时,这些典型的KDE不会产生真正的PDF。对数转换方法可以应用于产生适当的非参数估计,并在正支持下产生适当的PDF。我们将通过这种转换获得的KDE称为log-KDE。我们推导出通过各种核函数得到的log-KDE的逐点偏差、方差和均方误差的表达式。平均积分平方误差(MISE)和渐近MISE结果也提供了一个插件规则的日志KDE带宽的推导。我们通过我们的R包logKDE演示了log-KDE方法。真实的数据案例研究提供了证明log-KDE的方法。
2018-08-05 stat.CO
metasignal: A Python Package for Comprehensive Metacognitive Analysis and Decision-Making
University of Florida(佛罗里达大学);Brown University(布朗大学);University of Missouri(密苏里大学)
metasignal是实现17种元认知测量及相关指标的Python包,支持二元辨别任务,提供多种分析工具,旨在推动元认知与决策研究的应用。
2026-08-03 cs.AI q-bio.NC stat.AP
FastJM: An R Package for Efficient Implementation of Semiparametric Joint Models for Longitudinal and Survival Data
Beijing Normal–Hong Kong Baptist University(北京师范大学-香港浸会大学联合国际学院);University of California at Riverside(加州大学河滨分校);University of California at Los Angeles(加州大学洛杉矶分校)
FastJM是用于高效实现三类半参数联合模型的R包,采用定制线性扫描算法解决计算瓶颈,提供统一接口支持模型相关操作及动态预测等功能。
2026-08-17 stat.AP stat.ME
BNPqte: A Bayesian Nonparametric Approach to Causal Inference on Quantiles in R
在本文中,我们介绍了BNPqte R包,该包实现了Xu,Daniels和Winterstein(2018)的贝叶斯非参数方法,用于估计观察性研究中的分位数处理效应。该方法提供了潜在结局分布的灵活建模,因此能够捕获结局、治疗和混杂因素之间的各种潜在关系,并同时估计多个分位数处理效应。具体而言,该方法使用贝叶斯加性回归树(BART)模型来估计倾向得分,并且使用多变量正态模型的狄利克雷过程混合(Dirichlet process mixture,DNR)来估计潜在结果的条件分布,给出估计的倾向得分。BNPqte R软件包通过设计有效的R函数用于联合和条件密度估计中的多元正态模型的拟合,为这种方法提供了快速实现。与流行的DP包相比,这些R函数极大地提高了密度估计中的RMM模型的效率。BNPqte R包中与BART相关的R函数继承自BART R包,并对变量重要性和分裂概率进行了两次修改。为了最大限度地提高计算效率,每个模型的实际采样和计算都在C++代码中进行。Armadillo C++库还用于快速线性代数计算。
2021-06-28 stat.CO stat.ME
Shape Modeling with Spline Partitions
Institute of Mathematical Sciences, ShanghaiTech University(上海科技大学数学科学研究所);Department of Statistics and Actuarial Science, Simon Fraser University(西蒙弗雷泽大学统计与精算学系)
形状建模(输出形状的方法)是贝叶斯非参数和生物信息学中一个新的重要任务。在这项工作中,我们专注于贝叶斯非参数方法捕捉形状分区使用曲线的空间。在相关的工作中,经典的蒙德里安过程被用来递归地划分空间与轴对齐的切割,并广泛应用于多维和关系数据。蒙德里安过程输出超矩形。最近,随机镶嵌过程被引入作为蒙德里安过程的推广,在任意维空间中用非轴对齐的切割分割域,并输出多面体。受这些过程的启发,在这项工作中,我们提出了一种新的并行贝叶斯非参数方法来划分一个域的曲线,使复杂的数据形状被收购。我们将我们的方法应用于HIV-1感染的人类巨噬细胞图像数据集,并模拟数据集来说明我们的方法。我们比较支持向量机,随机森林和最先进的计算机视觉方法,如简单的线性迭代聚类超像素图像分割。我们开发了一个R包,可在\url{https://github.com/ShufeiGe/Shape-Modeling-with-Spline-Partitions}上获得。
2022-11-07 cs.LG stat.ML
BNPdensity: Bayesian nonparametric mixture modeling in R
在潜在的模型错误设定下,稳健的统计数据建模通常需要将参数世界留给非参数世界。在后者中,参数是无限维对象,例如函数、概率分布或无限向量。在贝叶斯非参数方法中,为这些参数设计了先验分布,这为在实践中管理非参数模型的复杂性提供了一个手柄。然而,大多数现代贝叶斯非参数模型似乎往往遥不可及的从业者,推理算法需要精心设计,以处理无限数量的参数。这项工作的目的是通过提供贝叶斯非参数推理的计算工具来促进旅程。介绍了\R软件包BNPdensity中的一组可用函数,以便对无限混合模型(包括所有类型的删失数据)进行密度估计。该软件包提供了一个大类的这种模型的基础上规范化的随机措施,这代表了一个普遍的狄利克雷过程的混合物。这种推广的一个显著优点是,它提供了比狄利克雷更强大的聚类数先验。另一个关键的优点是在指定集群的规模和位置参数的先验的完全灵活性,因为共轭是不需要的。推理是使用一个理论接地近似抽样方法称为弗格森和克拉斯算法。该软件包还提供了几个拟合优度诊断,如QQ图,包括交叉验证标准,条件预测坐标。所提出的方法是说明一个经典的生态风险评估方法,称为物种敏感性分布(SSD)的问题,展示贝叶斯非参数框架的好处。
2021-10-20 stat.CO stat.ME
kdecopula: An R Package for the Kernel Estimation of Bivariate Copula Densities
我们描述了R包kdecopula(当前版本0.9.0),它提供了各种内核估计的copula密度的快速实现。由于有多种可用的绘图选项,它对于依赖结构的探索性分析特别有用。它还可以进一步用于Copula密度的精确非参数估计和回归。该实现的特点是样条插值的估计,以允许快速评估的密度估计和积分。我们利用这一快速重整化方案,确保估计是真正的copula密度,并提高估计的准确性。仿真结果表明了该方法的有效性。
2017-05-15 stat.CO
COBRA: A Combined Regression Strategy
介绍了一种组合回归函数的多个初始估计的新方法。我们不是在基本估计量$r_1,\dots,r_M$的集合上构建线性或凸优化组合,而是将它们用作训练数据和测试观察之间的接近度的集体指标。这种局部距离方法是无模型的,并且非常快。更具体地说,所得到的非参数/非线性组合估计渐近执行至少以及在$L^2$意义上的最佳组合的基本估计在集体。提供了一个名为\cobra(代表ComBined Regression Alternative)的配套R包(可在\url{http://cran.r-project.org/web/packages/COBRA/index.html}上下载)。大量的数值证据提供了合成和真实的数据集,以评估我们的方法在各种各样的预测问题的优异性能和速度。
2019-05-23 math.ST stat.ME stat.TH
Kernel Estimator and Bandwidth Selection for Density and its Derivatives: The kedd Package
kedd软件包为R统计系统提供了额外的平滑技术。尽管Comprehensive R Archive Network(CRAN)上的各种软件包提供了对非参数统计有用的函数,但kedd旨在作为更具体的非参数函数和数据集的中心位置。该软件包的当前功能集可以分为四个主要类别:计算核函数的卷积和导数,计算概率密度及其导数的核估计量,使用不同方法计算带宽选择器,显示核估计量和带宽选择函数。此外,这个包遵循了R语言处理模型对象的一般原则。这意味着不是仅仅返回,比如说,密度的r阶导数的核估计,许多函数将返回一个包含对象的函数是S3类(S3方法)。然后可以使用各种提取、汇总或绘图功能按个人意愿操纵对象。只要有可能,我们就把图形用户界面的各个功能开发成一个连贯的整体,方便使用这个软件包。
2020-12-11 stat.CO stat.ME
Nonparametric likelihood based estimation of linear filters for point processes
我们考虑模型的多变量点过程的强度给出非参数的再生核希尔伯特空间中的函数。该似然函数涉及时间积分,因此不是在有限数量的内核评价方面。主要结果是对数似然的梯度的表示,我们使用它来获得可计算的近似的对数似然和梯度的时间离散化。然后,这些近似值被用来最小化近似惩罚对数似然。对于时间和内存效率的实现依赖于使用稀疏矩阵。作为一个例子,我们考虑神经元网络建模,我们使用这个例子来研究近似的计算成本如何取决于时间离散化的分辨率。该实现在R包ppstat中提供。
2014-02-12 stat.CO
nprobust: Nonparametric Kernel-Based Estimation and Robust Bias-Corrected Inference
非参数核密度估计和局部多项式回归估计在统计学、经济学和许多其他学科中非常流行。它们通常用于应用工作,或者作为主要经验分析的一部分,或者作为进入其他估计或推理程序的初步成分。本文介绍了软件包nprobust的主要方法和数值特征,该软件包提供了一系列基于非参数核密度和局部多项式回归方法的估计和推理程序,可在R和Stata统计平台上实现。该软件包不仅包括经典的带宽选择,估计和推断方法(Wand和Jones,1995; Fan和Gijbels,1996),还包括统计学和计量经济学文献的其他最新发展,如稳健的偏差校正推断和覆盖误差最佳带宽选择(Calonico,Cattaneo和Farrell,2018,2019)。此外,本文还提出了一种简单的方法来估计最佳带宽在实践中,总是提供最佳的均方误差收敛速度,而不管特定的评估点,也就是说,无论它是在边界或内部点实现。数值性能说明了使用经验的应用程序和模拟数据,与其他R软件包的详细数值比较。
2019-06-01 econ.EM stat.CO stat.ME
SoftBart: Soft Bayesian Additive Regression Trees
贝叶斯加性回归树(BART)模型作为一种通用的非参数建模技术,近年来受到越来越多的关注。BART将现代机器学习技术的灵活性与贝叶斯推断的原则性不确定性量化相结合,它已被证明是唯一适合解决许多科学领域(包括医学和社会科学)中常见的高噪声问题的方法。本文介绍了用于拟合Linero和Yang(2018)的Soft BART算法的SoftBart包。除了改进其他BART软件包的预测性能外,该软件包的主要目标是促进将BART纳入更大的模型中,使其成为贝叶斯统计研究人员的理想选择。我展示了如何使用这个包进行标准预测任务,以及如何将BART模型嵌入到更大的模型中;我通过使用SoftBart实现非参数概率单位回归模型、半参数变系数模型和部分线性模型来说明。
2022-10-28 stat.CO stat.ME stat.ML
Nonparametric Estimation for a Log-concave Distribution Function with Interval-censored Data
针对混合案例区间删失数据下的潜在事件时间估计问题,提出对数凹分布函数假设下的非参数极大似然方法,建立估计量性质并开发R包,相比现有方法更具灵活性与平衡性能。
2024-11-29 stat.CO stat.ME
Semiparametric Discovery and Estimation of Interaction in Mixed Exposures using Stochastic Interventions
本文提出InterXshift方法,利用随机位移干预和集成机器学习,以非参数方式发现并高效估计混合暴露中的交互效应,并通过模拟和实际数据验证了其有效性。
2024-06-28 stat.ME
On an Auxiliary Function for Log-Density Estimation
本文给出了对数密度非参数估计中一个特殊函数的显式表达式和展开式。该函数返回任意维度的单形上的对数线性函数的积分。特别是Cule等人(2007年)在R包“LogCondDEAD”中使用。
2016-02-12 math.ST stat.CO stat.TH
lspartition: Partitioning-Based Least Squares Regression
基于非参数划分的最小二乘回归是实证研究中的一个重要工具。常见的例子包括基于样条、小波和分段多项式的回归。本文讨论了R软件包lspartition的主要方法和数值特性,该软件包实现了基于划分的最小二乘(系列)回归估计的现代估计和推断结果。本文讨论了R软件包lspartition的主要方法和数值特征,该软件包实现了Cattaneo和Farrell(2013)以及Cattaneo,Farrell和Feng(2019)基于分区的最小二乘(系列)回归估计和推断的结果。这些结果包括多元回归函数及其导数。首先,该软件包提供了数据驱动的方法,根据综合均方误差,最佳地选择分区节点的数量,产生最佳的点估计。其次,鲁棒的偏差校正实现结合这个点估计与有效的推断。第三,该软件包提供了对未知函数的估计和推断,包括条件变量的逐点估计和一致估计。特别是,提供了有效的置信带。最后,扩展到两个样本分析,它可以用于治疗对照比较和相关问题
2019-08-08 econ.EM stat.CO stat.ME
Conditional Density Estimation Tools in Python and R with Applications to Photometric Redshifts and Likelihood-Free Cosmological Inference
在天文学中众所周知,在测光红移估计中传播非高斯预测不确定性是减少下游宇宙学分析中偏差的关键。同样,似然自由推理方法,这是开始出现作为一种工具,宇宙学分析,需要一个完整的不确定性景观的参数给定观测数据的特征。然而,大多数机器学习(ML)或基于训练的方法与开源软件的目标点预测或分类,因此无法量化复杂回归和参数推断设置中的不确定性。作为专注于从特征$\mathbf{x}$预测响应(或参数)$\mathbf{y}$的方法的替代,我们提供了非参数条件密度估计(CDE)工具,用于近似和验证给定的$\mathbf{y}$的整个概率密度函数(PDF)$\mathrm{p}(\mathbf{y}|\mathbf{x})$(即,条件是)$\mathbf{x}$。由于没有一种通用的CDE方法,因此这项工作的目标是为非参数CDE和方法评估提供一系列全面的统计工具和开源软件,这些工具和软件可以适应不同类型的设置,并且可以轻松地适应手头的问题。具体来说,我们介绍了四个CDE软件包在$\texttt{Python}$和$\texttt{R}$的基础上ML预测方法调整和优化CDE:$\texttt{NNKCDE}$,$\texttt{RFCDE}$,$\texttt{FlexCode}$,和$\texttt{DeepCDE}$。此外,我们提出了$\texttt{cdetools}$包,其中包括计算CDE损失函数的…
2019-12-21 astro-ph.IM stat.CO stat.ML