Reliability Estimation in Coherent Systems
通常，评估系统可靠性的方法要求工程师量化每个系统组件的可靠性。对于串联和并联系统，有一些选项来处理每个组件的可靠性估计。我们将处理两类相干系统的复杂问题的可靠性估计：串并联，并串联。在这两种情况下，组件的可靠性可能是未知的。我们将提出估计的可靠性功能在所有级别的系统（组件和系统的可靠性）。导出了所有子分布和分布函数的非参数Bayes估计，并给出了一个Dirichlet多元过程作为先验分布.针对任意类型的系统，给出了基于威布尔模型的元件可靠度的参数估计。最后，讨论了在屏蔽数据系统中的一些思想。
2018-05-26 stat.ME
Fisher information matrix for three-parameter exponentiated-Weibull distribution under type II censoring
本文研究定数截尾情形下的三参数指数Weibull族。它首先以图形方式说明了风险函数的形状属性。然后，提出了一种计算极大似然估计量的简单算法，并导出了费舍尔信息矩阵。后者用风险函数的一个积分来表示，从而解决了极大似然估计量构造推断的计算困难问题。通过对实际数据的分析，说明了删失率对极大似然估计的影响。
2011-02-01 stat.ME
Bayesian Weapon System Reliability Modeling with Cox-Weibull Neural Network
Naval Surface Warfare Center – Corona（海军水面作战中心科罗纳分部）
本文提出将武器系统特征通过神经网络整合到Cox-Weibull可靠性模型中，并开发贝叶斯变体，利用区间删失似然和MCMC采样优化，在多项分类指标上优于XGBoost等传统模型。
2023-04-14 cs.AI cs.LG math.PR
Estimation of Component Reliability in Coherent Systems
相干系统统计可靠性研究的第一步是估计系统各部件的可靠性。对于并联和串联系统的情况，文献是丰富的。看来，本文是第一个提出的一般情况下，在连贯系统的组件推理。这里考虑的失效时间模型是三参数韦布尔分布。此外，独立性和同分布的故障时间都不是必需的限制。所提出的模型是通用的，在这个意义上，它可以用于任何相干系统，从最简单的到更复杂的结构。它可以被认为是所有类型的删失数据，包括区间删失数据。威布尔模型的一个重要性质是，即使对于非信息先验，后验分布也是正确的。通过几次仿真实验，验证了该模型的有效性.作为一个真实的例子，男孩第一次使用大麻被认为是显示的解决方案的效率，即使在审查数据发生。
2017-07-11 stat.ME
On Inference of Weitzman Overlapping Coefficient in Two Weibull Distributions
Yarmouk University（雅尔穆克大学）
本文在无参数限制条件下研究两个Weibull分布中Weitzman重叠系数Δ的估计，并通过模拟研究分析估计量的相对偏差和相对均方误差，验证了该估计量的重要性。
2024-08-30 stat.ME
A Proximal Point Algorithm for Minimum Divergence Estimators with Application to Mixture Models
从发散准则（如$φ-$发散）导出的估计量通常比极大似然估计量更稳健。我们特别感兴趣的是所谓的MD $φ$ DE，一个估计建立使用的双重表示$φ$ -分歧。本文提出了一种迭代邻近点算法，它允许计算这样的估计。该算法通过其构造包含公知的期望最大化算法。我们的工作是基于\citep{Tseng}关于似然函数的论文。我们给出了该算法产生的序列的几个收敛性质，并通过放宽最近项的可识别性条件改进了已有的结果，该条件对于大多数混合模型是无法验证的，而对于非混合模型是很难验证的.由于收敛性分析使用的正则条件（连续性和可微性）的目标函数，它有一个上确形式，我们发现这是有用的，提出一些分析方法来研究这样的功能。这里再次讨论了期望最大化算法在高斯和威布尔混合的精神，我们的方法的收敛。仿真结果证实了我们的工作的有效性和鲁棒性对离群值的估计。
2016-06-12 stat.CO stat.ME
From Minimax Shrinkage Estimation to Minimax Shrinkage Prediction
在一个显着的一系列文件开始于1956年，查尔斯斯坦设置阶段的未来发展的极小极大收缩估计的多元正态平均二次损失。最近，平行的发展已经看到了Kullback-Leibler风险下的多元正态预测密度的极小极大收缩估计的出现。我们在这里描述这些平行强调贝叶斯程序和推导的超调和条件的minimaxity以及进一步发展的新的minimax收缩预测密度估计，包括多个收缩估计，经验贝叶斯估计，正常的线性模型回归估计和非参数回归估计的重点。
2012-03-26 stat.ME
General Form Moment-based Estimator of Weibull, Gamma, and Log-normal Distributions
本文提出一种基于任意阶矩对的统一估计框架，用于 Weibull、Gamma 和对数正态分布，并给出可证明收敛的数值算法，推广了现有估计方法并提升统计建模的灵活性与鲁棒性。
2025-05-03 stat.AP stat.ME
A class of regression models for parallel and series systems with a random number of components
本文将威布尔幂级数（WPS）分布类进行了扩展，并将其命名为扩展威布尔幂级数（EWPS）分布类。EWPS分布与具有随机数量组件的串联和并联系统相关，而WPS分布（Morais和Barreto-Souza，2011）仅与串联系统相关。与WPS分布不同，威布尔分布是一种限制性的特殊情况，威布尔定律是EWPS分布的一种特殊情况。我们证明了这类分布在一个简单的假设下是可识别的。我们还证明了随机和危险率顺序的结果，并强调，EWPS分布的形状是显着更灵活的WPS分布的形状。我们为EWPS响应随机变量定义了一个回归模型来模拟尺度参数及其分位数。我们给出了极大似然估计，并证明了它的相合性和正态渐近分布。虽然这个类的构建是由串行和并行系统驱动的，但EWPS分布适用于对广泛的正数据集进行建模。为了说明这个模型的潜在用途，我们将其应用到椰子纤维的抗拉强度的真实数据集，并提出了一个简单的设备用于诊断目的。
2014-07-31 stat.ME
Nonparametric kernel estimation of Weibull-tail coefficient in presence of the right random censoring
研究了右随机截尾情形下条件威布尔尾系数的非参数估计。本文还提出了条件极值分位数的Weissman型估计。此外，进行了模拟研究，以评估有限样本的行为所提出的估计和替代策略的比较。最后，使用一个真正的数据集的男性患有喉癌的方法的实用性。
2021-10-10 math.ST stat.CO stat.ME
Two Iterative Proximal-Point Algorithms for the Calculus of Divergence-based Estimators with Application to Mixture Models
从期望最大化算法导出的估计是不稳健的，因为它们是基于似然函数的最大化。在期望最大化算法的基础上，提出了一种以最小化发散准则为目标的近似点算法。由此产生的估计一般是强大的离群值和误指定。EM型邻近点算法也被引入，以产生混合模型的鲁棒估计。这两个算法的收敛性。我们放松了可识别性条件施加在文献中的近端项，这是一个条件，一般不满足混合模型。所介绍的算法的收敛性进行了讨论的两个组件的威布尔混合和两个组件的高斯混合，需要一个条件上的初始化的期望最大化算法，以便后者收敛。使用不同的统计偏差的混合模型上的模拟，以确认我们的工作的有效性和鲁棒性的估计对离群值相比，期望最大化算法。
2016-07-07 stat.CO
Point and Interval Estimation of Weibull Parameters Based on Joint Progressively Censored Data
逐步删失数据的分析在过去几年中受到了相当大的关注。本文考虑两个总体的联合逐步截尾方案。假设来自两个总体的项目的寿命分布服从形状相同但尺度参数不同的韦布尔分布。基于联合逐步截尾方案，我们首先考虑未知参数的极大似然估计。在形状和尺度参数具有相当一般的先验条件下，给出了未知参数的贝叶斯推断。贝叶斯估计和相关的可信区间不能得到封闭的形式，我们建议使用重要性抽样技术来计算相同的。此外，我们考虑的问题时，它是已知的先验，一个人口的预期寿命小于其他。给出了未知参数的阶限制经典推断和贝叶斯推断。进行蒙特卡罗模拟，以观察不同的估计和相关的置信度和可信区间的性能。为了说明的目的，一个真实的数据集进行了分析。
2017-06-23 stat.AP stat.ME
Asymptotic properties of parallel Bayesian kernel density estimators
在这篇文章中，我们对Neiswanger，Wang和Xing（2014）引入的贝叶斯并行核密度估计进行了渐近分析。我们推导了全数据后验估计的均方误差的渐近展开，并研究了渐近最优带宽参数的性质。我们的分析表明，分区数据到子集需要一个非平凡的选择带宽参数，优化估计误差。
2017-03-26 math.ST stat.TH
Likelihood-Based Regression for Weibull Accelerated Life Testing Model Under Censored Data
Indian Statistical Institute（印度统计研究所）；Moody’s Ratings（穆迪评级）；Department of Mathematics, Indian Institute of Technology Delhi（德里印度理工学院数学系）；Department of Management Sciences, Indian Institute of Technology Kanpur（坎普尔印度理工学院管理科学系）
本文提出了一种基于Weibull分布的似然回归方法，用于在删失数据下建模应力依赖的可靠性行为。
2026-01-11 stat.ME
Median Based Unit Weibull Distribution (MBUW): Do the Higher Order Probability Weighted Moments (PWM) Add More Information over the Lower Order PWM in Parameter Estimation
Department of Mathematical Statistics, Faculty of Graduate Studies for Statistical Research, Cairo University（开罗大学统计研究研究生院数学统计系）
本文针对MBUW分布的参数估计问题，对比一阶与高阶PWM方法的表现，推导PWM估计量的渐近分布，结合真实数据分析验证高阶PWM是否能提供更多有效信息。
2025-11-18 math.PR stat.ME
Asymptotic properties and approximation of Bayesian logspline density estimators for communication-free parallel computing methods
针对分布式无通信场景，本文提出并行贝叶斯对数样条密度估计及直接数值归一化程序，推导MISE误差界并给出最优参数选择，兼顾精度与计算成本。
2023-07-16 math.ST stat.TH
Bias-Corrected and Variance-Corrected MLE for the New Median Based Unit Weibull Distribution (MBUW)
针对小到中等样本量下新中位数单位威布尔分布（MBUW）的极大似然估计（MLE）存在偏差及参数高相关性导致方差膨胀的问题，提出偏差校正方法并应用于实际数据分析，同时阐述基于负对数似然重参数化的方差校正方法。
2025-02-14 math.PR stat.ME
Robust Rao-type tests for step-stress accelerated life-tests under interval-monitoring and Weibull lifetime distributions
本文针对区间删失数据下的Weibull步进应力加速寿命试验，基于密度功率散度提出稳健限制性估计量，并构建稳健Rao型检验以检验模型参数的复合原假设。
2024-02-09 math.ST stat.ME stat.TH
Interval Estimation of the Common Shape Parameter and Coefficient of Variation of Several Weibull Populations under Progressive Censoring
National Institute of Technology Meghalaya（梅加拉亚邦国家技术学院）
本文针对逐步II型删失下多个Weibull总体的公共形状参数与变异系数，采用多种统计方法开展区间估计比较研究，提出最优删失方案，经模拟与实例验证推荐贝叶斯及方差估计恢复类区间估计方法。
2026-08-17 stat.ME
Estimation of the Coefficient of Variation of Weibull Distribution under Type-I Progressively Interval Censoring: A Simulation-based Approach
National Institute of Technology Meghalaya（梅加拉亚邦国家技术学院）
本文提出基于模拟的方法，在I型逐步区间删失下估计Weibull分布的系数变异及其二阶替代量，通过多种统计方法比较了估计器的性能。
2025-11-20 math.ST stat.ME stat.TH
Unbiased estimation of log normalizing constants with applications to Bayesian cross-validation
后验分布通常具有难以处理的归一化常数，称为边缘似然或证据，这对于通过贝叶斯因子进行模型比较很有用。这激发了许多方法来估计统计学中归一化常数的比率。在计算物理学中，这些比率的对数对应于自由能差。结合无偏马尔可夫链蒙特卡罗估计与路径抽样，也称为热力学积分，我们提出了新的无偏估计量的比值归一化常数的对数。作为副产品，我们提出了贝叶斯交叉验证准则的无偏估计量。所提出的估计是一致的，渐近正态的，可以很容易地受益于并行处理设备。考虑各种示例用于说明。
2018-10-02 stat.CO stat.ME
Bayesian estimation of Unit-Weibull distribution based on dual generalized order statistics with application to the Cotton Production Data
本文在双广义次序统计量框架下研究Unit-Weibull分布的贝叶斯估计，采用Lindley、Tierney-Kadane和MCMC方法，结合对称与非对称损失函数，并通过模拟和美国棉花产量数据验证估计量性能。
2025-02-05 math.ST stat.ME stat.OT
Parallel Bayesian Global Optimization of Expensive Functions
我们考虑了无导数代价函数的并行全局优化，并提出了一种基于随机逼近的有效方法，用于实现Ginsbourger等人（2007）提出的概念性贝叶斯优化算法。该算法的核心是最大化称为“多点预期改善”或q-EI的信息标准。为了实现这一点，我们使用无穷小扰动分析（IPA），构建一个随机梯度估计，并证明该估计是无偏的。我们还表明，使用构造的梯度估计的随机梯度上升算法收敛到一个平稳点的q-EI表面，因此，作为梯度上升算法的多个开始的数量和每个开始的步骤的数量变大，一步贝叶斯最优点集被恢复。我们在数值实验中表明，我们的方法最大化的q-EI是更快的方法，基于封闭形式的评价，使用高维集成，考虑许多并行功能的评价时，速度相当，当考虑很少。我们还表明，由此产生的一步贝叶斯优化算法并行全局优化发现高质量的解决方案，比启发式的基础上，大约最大化的q-EI的评价更少。该算法的高质量开源实现可在开源的MySQL优化引擎（MoE）中获得。
2019-05-05 math.OC stat.ML
A network-constrain Weibull AFT model for biomarkers discovery
提出网络约束的 Weibull AFT 生存分析方法 AFTNet，利用双重惩罚实现稀疏与分组变量选择，证明估计一致性并给出近似梯度算法，用于生物标志物发现。
2024-02-28 math.ST stat.ME stat.ML
Robust Estimation in Step-Stress Experiments under Weibull Lifetime Distributions
UNED, Madrid, Spain（西班牙国立远程教育大学）；Complutense University of Madrid, Spain（马德里康普顿斯大学）
本文提出在Weibull寿命分布下使用最小密度幂分歧估计器进行步应力试验的稳健估计，以提高在存在异常或污染数据时的鲁棒性。
2026-03-28 math.ST stat.ME stat.TH
Analysis of Left Truncated and Right Censored Competing Risks Data
本文在潜在失效时间模型的假设下，对左截尾右截尾竞争风险数据进行了分析。假设有两个相互竞争的故障原因，虽然大多数结果可以扩展到两个以上的故障原因。假设失效竞争原因对应的寿命服从形状参数相同但尺度参数不同的韦布尔分布。讨论了模型参数的极大似然估计方法，并利用Bootstrap方法给出了模型参数的置信区间。当形状参数已知时，给出了尺度参数的极大似然估计的显式表达式;当形状参数未知时，给出了计算形状参数的极大似然估计的简单迭代方法.贝叶斯估计和相关的可信区间的未知参数也解决了一个非常灵活的先验的形状和尺度参数。广泛的蒙特卡罗模拟进行比较不同的方法的性能。为了说明的目的，提供了数值示例。最后，当两个相互竞争的失效原因被假定为具有不同形状参数的独立韦布尔分布时，结果得到了推广。
2020-08-18 stat.ME
Change-point estimation for Weibull time series with copula-based Markov models
National Central University（中央大学）；University of Tennessee Health Science Center（田纳西健康科学中心）；Texas A&M University（德克萨斯农工大学）
针对具有非线性序列依赖的时间序列，提出基于Copula的马尔可夫链模型（威布尔边缘分布），通过Clayton和Joe copula捕捉非对称尾部依赖，利用牛顿-拉夫逊算法进行最大似然估计变点，并采用参数自助法构建置信区间。
2026-05-28 q-fin.ST stat.ME
Closing the Evidence Gap: reddemcee, a Fast Adaptive Parallel Tempering Sampler
Instituto de Estudios Astrofísicos, Facultad de Ingeniería y Ciencias, Universidad Diego Portales（迪亚斯·波塔莱斯大学工程与科学学院天体物理研究所）；Centro de Astrofísica y Tecnologías Afines (CATA)（天体物理学及相关技术中心）
reddemcee通过自适应并行退火技术提升采样效率和证据估计精度，实现高效且准确的贝叶斯推断。
2025-12-30 astro-ph.IM stat.AP
A Pooled Quantile Estimator for Parallel Simulations
分位数是量化随机系统随机行为的重要风险度量。本文研究了一种混合分位数估计量，它是将独立样本路径直接混合在一起后的详细模拟输出的样本分位数。我们得到了混合分位数估计的渐近表示，并进一步证明了它的正态性。通过与随机模拟中经典分位数估计的比较，理论和实证研究都证明了该方法在并行模拟环境下的优越性。
2019-10-13 stat.ME
Noniterative Likelihood-Derived Estimation through Auxiliary Estimating Equations
Pontificia Universidad Católica de Chile（智利天主教庞蒂菲亚大学）；University of São Paulo（圣保罗大学）
本文提出一种通过辅助估计方程构造非迭代似然导出估计量的方法，得到闭式估计量，并建立其理论性质，通过多种模型和模拟验证了其有效性。
2026-09-22 stat.ME
Reliability estimation in dependent stress-strength model with Clayton copula and modified Weibull margins
本文研究了在依赖框架下压力-强度可靠性模型，使用Clayton copula和修改Weibull分布，提出了一种灵活的七参数结构，并通过蒙特卡洛模拟评估了估计方法的性能。
2026-04-13 math.ST stat.AP stat.CO
Comparative analysis of two new wind speed T-X models using Weibull and log-logistic distributions for wind energy potential estimation in Tabriz, Iran
本文提出基于T-X族的WE3-LL3和LL3-WE3两种新型风速分布模型，通过最大似然估计与多种检验，在伊朗大不里士数据上验证其优于传统PDF，用于风能潜力估计。
2024-02-02 stat.AP stat.ME
A parallel algorithm for penalized learning of the multivariate exponential family from data of mixed types
研究了多元指数族分布惩罚估计的计算有效性。这些分布包括马尔可夫随机场等与混合型变量（如二进制和连续）作为特殊情况下的利益。模型参数的估计通过最大化的伪似然增广凸惩罚。估计量是一致的。考虑到世界上的多核计算机，一个计算效率高的并行牛顿-拉夫森算法的数值评估的估计，其收敛的条件。量化包括将参数向量划分为子向量，这些子向量被同时估计并且随后被聚合以形成原始参数的估计。这种方法也可以使其他高维估计的有效数值评估。所提出的估计和算法的性能进行评估和比较，在模拟研究。最后，本文的结论与说明所提出的方法在重建的条件独立网络的数据的综合组学研究。
2020-12-25 stat.ME
How should parallel cluster randomized trials with a baseline period be analyzed? A survey of estimands and common estimators
本文在具有信息性群集规模的PB-CRT中定义了pATE和cATE两个估计目标，理论推导了四种常用估计量的收敛性，发现独立性估计方程和固定效应模型一致，且可交换混合效应模型对偏差具有意外稳健性。
2024-08-01 stat.ME
Parallel subgroup analysis of high-dimensional data via M-regression
在实际生活中，由于总体可能是异质的，如何识别数据分析中的子群结构成为一个有趣的问题。在本文中，我们考虑M-估计与凹和成对融合惩罚，它可以处理高维数据包含一些离群。对协变量和处理效应均应用惩罚，其中估计预期同时实现变量选择和数据聚类。提出了一种基于并行计算的处理较大数据集的算法。我们建立了该算法的收敛性分析，惩罚M-估计的预言性质，以及所提出的标准的选择一致性。我们的数值研究表明，所提出的方法是有希望的，以有效地识别隐藏在高维数据中的子群。
2020-05-01 stat.ME
Divergence based Robust Estimation of the Tail Index through An Exponential Regression Model
极值理论在金融学、经济学、水文学等应用科学中有着广泛的应用。在单变量极值理论中，我们从一般的最大吸引域（MAD）中选择一个合适的分布来模拟数据，该分布由尾部指数表征;尾部有三大类--帕累托型、威布尔型和冈贝尔型。最简单和最常见的尾部指数估计量是希尔估计量，它只适用于帕累托型尾部，并且具有很高的偏差;在假设模型存在离群值的情况下，它也是高度非鲁棒的。最近有一些尝试产生渐近无偏或鲁棒的替代希尔估计;然而，所有的鲁棒替代品工作的任何一种类型的尾巴。本文提出了一种新的一般估计的尾部指数，这是既稳健，并具有较小的偏差下的所有三种尾部类型相比，现有的稳健估计。这实质上产生了Matthys和Beirlant（2003）在相同模型近似下通过使用密度幂发散的适当指数回归框架提出的估计量的鲁棒推广。估计的鲁棒性的文件中推导出随着广泛的模拟研究。文中还提出了一种偏差校正方法，并应用于一些实际数据实例。
2016-07-01 stat.AP stat.ME
Propensity weighting plus adjustment in proportional hazards model is not doubly robust
本研究证明在比例风险模型中结合倾向性评分加权与调整无法实现双重稳健估计，仅在无因果效应零假设下一致，并提出两种对生存差异及一种对完整生存曲线的双重稳健替代估计方法。
2025-05-30 stat.ME
A formal approach to variable selection in difference-in-differences
Harvard Medical School（哈佛医学院）；NORC at the University of Chicago（芝加哥大学NORC）
本文提出一种基于图形标准的正式方法，用于选择支持条件平行趋势的变量，揭示了无条件和平行趋势可能冲突，并讨论了协变量选择对识别的影响。
2026-05-01 stat.ME
Enhanced Lepage-type test statistics for location-scale shifts with right-skewed data
针对右偏数据，提出结合稳健位置与尺度组件的增强型Lepage检验，提升10%-25%功效，并在生物医学数据中验证有效性。
2025-10-18 stat.ME
Establishing the Parallels and Differences Between Right-Censored and Missing Covariates
本文建立右删失协变量与缺失协变量在不同删失和缺失假设下的联系，提出并分析六种估计量，并通过模拟和亨廷顿病数据验证。
2024-09-07 stat.AP stat.ME
Consistency of an Intercept-Shifted Synthetic-Control Estimator under Weighted Parallel Trends
本文提出截距平移合成控制估计量，在加权平行趋势和温和正则条件下证明其一致性，允许重尾冲击，并扩展了有效数据生成过程池。
2025-08-07 math.ST stat.ME stat.TH
Communication-efficient Distributed Newton-like Optimization with Gradients and M-estimators
在现代数据科学中，大规模数据在大量位置上存储和处理是很常见的。出于保密等原因，只有来自每个平行中心的有限数据信息才有资格被传输。为了更有效地解决这些问题，正在积极开发一组通信高效的方法。我们提出了两个通信效率的牛顿型算法，结合M-估计和从每个数据中心收集的梯度。它们是通过构建两个费舍尔信息估计全球与这些通信有效的统计。享受更高的收敛速度，这个框架改进了现有的牛顿类方法。此外，我们提出了两个偏差调整的一步分布估计。当中心样本量的平方大于中心总数时，它们与全局$M$估计量一样有效。我们的方法的优点是说明了广泛的理论和经验证据。
2022-07-13 cs.DC stat.ME
Adaptive Robust Large Volatility Matrix Estimation Based on High-Frequency Financial Data
针对高频金融数据中异质性重尾分布问题，本文提出自适应稳健预平均已实现波动率（ARP）估计量，证明其最优性并结合POET方法实现大规模积分波动率矩阵估计。
2023-08-14 math.ST stat.ME stat.TH
Should We Adjust for the Test for Pre-trends in Difference-in-Difference Designs?
差异中差异（DiD）设计的常见做法是在处理分配之前检查平行趋势，但典型的估计和推断并不能解释该检验已经发生的事实。我分析了传统的DiD估计的属性条件已通过（即不拒绝）的测试并行预趋势。当DiD设计有效且预趋势检验证实了这一点时，典型的DiD估计量是无偏的，但传统的标准误差过于保守。此外，存在一种替代的无偏估计量，其在平行趋势下比传统的DiD估计量更有效。然而，当总体中存在非零前趋势但我们未能拒绝平行前趋势的假设时，DiD估计量通常相对于总体DiD系数有偏。此外，如果趋势是单调的，那么在合理的假设下，条件处理的偏倚会加剧相对于真实处理效应的偏倚。我提出了新的估计和推理程序，占并行趋势的测试，并比较其性能的传统估计的蒙特卡罗模拟。
2018-05-02 econ.EM math.ST stat.ME
On Modeling Cylindrical Data with a Discrete Circular Component and Its Environmental Applications
Indian Institute of Technology Madras（印度马德拉斯理工学院）；Indian Statistical Institute（印度统计研究所）
针对离散圆形变量与连续线性变量的联合依赖建模问题，提出一种结合包裹对称几何分布、威布尔分布和三角连接函数的灵活可解析模型，给出闭合形式的联合、边际和条件分布，并应用于环境数据分析。
2026-06-27 math.ST stat.ME stat.TH
Estimating Monte Carlo variance from multiple Markov chains
针对并行MCMC中方差估计低估问题，提出多元复制批量均值（RBM）估计器，利用多链信息纠正偏差，在弱混合条件下具有强一致性和更优理论性质，小样本下表现显著优越。
2024-07-21 stat.CO stat.ME
Causal Panel Analysis under Parallel Trends: Lessons from a Large Reanalysis Study
Stanford University（斯坦福大学）；New York University（纽约大学）；University of California, Berkeley（加州大学伯克利分校）
本文通过重新分析49项研究，揭示了双向固定效应模型在异质处理效应和平行趋势假设下的局限性，强调了研究设计和假设验证的重要性。
2026-01-31 econ.EM stat.AP stat.ME
Identifying and estimating effects of sustained interventions under parallel trends assumptions
本文在平行趋势假设下推导了持续干预人群效应的识别结果，开发了基于逆概率加权、结果回归和目标最大似然的双重稳健估计量，并应用于估计美国COVID-19期间居家令对全因死亡率的影响。
2022-09-29 math.ST stat.ME stat.TH
Clarifying identification and estimation of treatment effects in the Sequential Parallel Comparison Design
New York University Grossman School of Medicine（纽约大学格罗斯曼医学院）
本文通过因果推断澄清了序列平行比较设计中治疗效应的识别条件，并指出常规估计器在第二阶段受安慰剂反应误分类影响较大。
2026-01-13 stat.AP stat.ME
Noise Estimation in the Spiked Covariance Model
研究了Frobenius损失下高维加样协方差阵的估计问题和加样PCA中噪声估计的并行问题。我们提出了一个估计的噪声参数最小化的无偏估计的不变Frobenius风险使用变分法。由此产生的估计，使用随机矩阵理论，是强一致的，基本上是渐近正常和极小极大的噪声估计问题。我们应用该构造构造了一个特征值一致的鲁棒尖峰协方差阵估计。
2014-08-27 math.ST stat.ME stat.TH
Empirical sandwich variance estimator for iterated conditional expectation g-computation
针对ICE g计算中方差估计计算量大问题，提出基于堆叠估计方程的经验三明治方差估计量，模拟与应用示例表明该方法准确且比bootstrap更快。
2024-08-19 stat.CO stat.ME
Model Uncertainty and Selection of Risk Models for Left-Truncated and Right-Censored Loss Data
针对保险损失数据的左截断右删失特性，研究参数风险模型的不确定性与选择方法，推导估计量渐近性质，通过模拟和真实数据集评估多种模型验证工具的选择效果。
2024-01-31 math.ST stat.ME stat.TH
A Semiparametric Instrumented Difference-in-Differences Approach to Policy Learning
本文提出一种半参数工具变量双重差分方法，利用二元工具变量在平行趋势假设不成立时识别并学习最优处理策略，构建了Wald、IPW及多重稳健估计量，并扩展到面板数据，通过模拟和真实数据验证了其有效性。
2023-10-14 econ.EM math.ST stat.ME
Proximal Estimation and Inference
Erasmus School of Economics, Erasmus University Rotterdam（伊拉斯姆斯大学鹿特丹经济学院）；Tinbergen Institute（丁伯根研究所）；Geneva Finance Research Institute, University of Geneva（日内瓦大学日内瓦金融研究院）；Swiss Finance Institute（瑞士金融研究院）；Collegio Carlo Alberto, University of Turin（都灵大学卡洛阿尔贝托学院）
本文构建了一个统一的凸分析框架，用于描述大规模惩罚估计器的统计特性，提出了惩罚估计器作为近似估计器的定义，并推导了其渐近分布的闭式公式，同时提出了具有Oracle性质的新Ridgeless型估计器。
2026-08-05 math.ST stat.ME stat.TH
