Simple Confidence Intervals for MCMC Without CLTs
这个简短的说明认为，即使不建立CLT，MCMC估计值的95%置信区间也可以通过将其宽度乘以2.3来获得。
2018-12-01 math.PR stat.ME
Confidence Intervals for the Generalisation Error of Random Forests
包外误差通常用作基于集合的学习模型（如随机森林）中泛化误差的估计。我们目前的置信区间，这个数量使用delta方法后引导和刀后引导技术。这些方法不需要种植任何额外的树木。我们表明，这些新的置信区间有改善的覆盖性能的天真置信区间，在真实和模拟的例子。
2022-01-26 stat.ME
Easy confidence interval formulas for network meta-analysis and adjustment of confidence intervals for a small number of studies
我们提出了简单的公式的置信区间的Wald统计量，似然比统计量，得分统计的网络荟萃分析。此外，我们还考虑了对少数研究的网络荟萃分析不能保持名义置信水平的担忧的解决方案。对于少量研究分析中的偏倚调整，Bartlett型调整是一种众所周知的方法。许多Bartlett型调整型方法都是基于极大似然估计量。然而，网络元分析往往使用限制极大似然估计，没有广泛讨论的Bartlett型调整。在本文中，我们提出了一个Bartlett型调整方法的Wald统计量，似然比统计量，得分统计量时，滋扰参数估计不仅极大似然方法，而且限制极大似然方法。此外，我们提出了一个高阶调整，通过应用自助方法的Bartlett型调整统计量。使用计算机模拟，我们确认调整后的置信区间保持在名义置信水平。此外，我们证实，置信区间的似然比检验的基础上的限制极大似然方法执行良好，无需进一步的自助调整。最后，我们证明了置信区间是调整实际的网络荟萃分析。
2022-01-10 stat.ME
The shortest confidence interval for the weighted sum of two Binomial proportions
考虑了二项模型中成功概率的区间估计。Zielienski（2018）表明，使用样本非均匀性信息的置信区间优于经典置信区间。本文构造了非齐次样本的最短置信区间。
2019-03-27 math.ST stat.ME stat.TH
A Pivot-Based Improvement to Sandwich-Based Confidence Intervals
在可能错误指定的模型背景下，当前置信区间构建的标准是使用基于方差的三明治估计的区间。这些区间提供了渐近正确的覆盖率，但小样本覆盖率已知是差的。通过消除一个插件的假设，我们得到了一个基于统计量的方法，置信区间的建设可能误指定的模型。当与方差的夹心估计值生成的置信区间相比时，该方法在小样本量下提供了更准确的伪真参数覆盖率。这一点在几项模拟研究的结果中得到了证实。渐近结果表明，我们的区间的大样本效率等于基于三明治估计的方差的区间。
2015-12-29 stat.ME
Valid and Approximately Valid Confidence Intervals for Current Status Data
我们引入了一个新的框架，用于创建逐点置信区间的事件时间分布的当前状态数据。现有的方法是基于渐近性。我们的框架是基于二项属性和激励置信区间，这是非常简单的应用和有效的，即，保证名义上的覆盖范围。尽管这些置信区间对于小样本量而言必然是保守的，但它们的覆盖率逐渐接近标称值。该二项框架还激励近似有效的置信区间，并且模拟显示这些近似区间通常具有比现有区间更接近标称水平的覆盖率，并且具有更短的长度，包括基于似然比的置信区间。与以往的渐近方法，需要不同的渐近分布的连续或基于网格的评估，二项式框架可以应用于任何类型的评估分布。
2018-05-16 stat.ME
On randomized confidence intervals for the binomial probability
假设X_1，X_2，. X_n是独立同分布的.还假设我们的目标是找到theta的精确置信区间，该置信区间是1-α/2上置信区间和1-α/2下置信区间的交集。Clopper-Pearson区间是theta的标准置信区间，在实践中广泛使用。我们考虑Stevens，1950的随机置信区间，并给出一些扩展，包括伪随机置信区间。我们还考虑了“数据随机化”的置信区间的Korn，1987年，并指出了一些额外的有吸引力的功能，这个区间。我们还有助于讨论这种置信区间的实际应用。
2013-02-27 math.ST stat.TH
Confidence Interval Construction for Multivariate time series using Long Short Term Memory Network
IIT Guwahati（印度理工学院古瓦哈蒂分校）
在本文中，我们提出了一个新的程序来构建一个置信区间的多元时间序列预测使用长短期记忆网络。该构造使用了一些新颖的块自举技术。我们还提出了一个创新的块长度选择程序，这些计划。两个新的基准帮助我们比较不同的自举技术的置信区间的建设。我们通过S\&P $500$和道琼斯指数数据集说明了整个结构。
2022-11-25 cs.LG q-fin.CP stat.CO
Discussion of "Causal inference using invariant prediction: identification and confidence intervals" by Peters, Bühlmann and Meinshausen
贡献的文件“因果推断使用不变的预测：识别和置信区间“的讨论彼得斯，Bühlmann和Meinshausen，出现在皇家统计学会杂志，系列B。
2016-05-24 stat.ME
Two sources of poor coverage of confidence intervals after model selection
我们比较了以下两个模型选择后置信区间覆盖率差的来源：基于初步数据的模型选择有时会选择错误的模型，以及用于选择模型的数据被重新用于构建置信区间。
2017-11-06 math.ST stat.ME stat.TH
Rank conditional coverage and confidence intervals in high dimensional problems
在低维设置中使用的置信区间程序通常不适合于高维应用。当估计大量参数时，与最显著估计值相关的边际置信区间具有非常低的覆盖率：它们太小并且集中于有偏估计值。在高维环境中形成置信区间的问题以前已经通过选择调整的镜头进行了研究。在这个框架中，目标是控制所选参数形成的非覆盖区间的比例。在本文中，我们接近的问题，考虑秩和覆盖概率之间的关系。边缘置信区间对重要参数的覆盖率非常低，而对具有更无聊估计的参数的覆盖率很高。许多选择调整的间隔显示相同的图案。这种联系促使我们提出一种新的多重检验/覆盖问题中置信区间的覆盖准则--秩条件覆盖（RCC）。这是给定相关估计量的显著性排名的区间的预期覆盖率。我们建议通过自举区间建设产生小的间隔，并有一个等级条件覆盖接近标称水平。这些方法在R包rcc中实现。
2017-02-22 stat.ME
Strong confidence intervals for autoregression
在这篇短文中，我应用博弈论概率的方法来计算一个简单的一阶标量自回归模型系数的非渐近置信区间。所提出的程序的最显着的特点是，它产生的置信区间，总是覆盖真正的参数值时，顺序应用的高概率。
2007-07-04 math.ST stat.ME stat.TH
Confidence Interval for Quantile Ratio of the Dagum Distribution
在经济研究中，基于分位数比率的不平等度量经常被用于分析收入分配。本文在Dagum分布下构造了这类测度的一个置信区间，并在计算机模拟的基础上研究了它的性质。将构建的置信区间应用于2015年波兰收入不平等的分析。
2019-03-11 stat.ME
A novel algorithm for confidence sub-contour box estimation: an alternative to traditional confidence intervals
对于非线性模型，因子估计过程是一项非常具有挑战性的任务。即使研究人员成功地估计了模型因子，他们仍然必须估计它们的置信区间，这可能需要很高的计算成本才能将它们转化为信息度量。文献中的一些方法试图估计估计搜索空间内的区域，其中因子可能共同存在并拟合真实数据（置信度轮廓），然而，随着因子数量的增加，其估计过程提出了几个问题。因此，在本文中，我们专注于估计的一个子区域内的置信轮廓，我们称之为置信子轮廓盒（CSB）。我们提出了两个主要的算法CSB估计，以及其解释和验证。考虑到我们估计CSB的方式，我们期望并验证了这种新的置信区间的一些有用的性质：用户定义的不确定性水平，非对称区间，与每个因素的区间长度相关的敏感性评估，以及识别真正的影响因素。
2019-10-08 stat.ME
Coverage-adjusted confidence intervals for a binomial proportion
本文研究了基于二项抽样的比例$p$的区间估计问题。已知$p$的“精确”Clopper-Pearson置信区间不必要保守。我们建议覆盖调整的Clopper-Pearson间隔使用$p$的先验和后验分布。调整后的间期具有更好的覆盖范围，并且通常比文献中发现的竞争间期更短。使用新的热图类型图比较置信区间，我们发现覆盖率调整的区间特别适合接近0或1的$p$。
2012-07-10 math.ST stat.ME stat.TH
Towards replicability with confidence intervals for the exceedance probability
包括心理学在内的几个科学领域正在经历一场复制危机。造成这个问题的原因有很多，其中之一就是p值的误用。有几个替代p值，在本文中，我们描述了一个补充，是面向复制。特别是，我们专注于置信区间的概率，参数估计将超过一个指定的值，在一个精确的复制研究。这些区间以p值和标准置信区间所不具备的方式传达了不确定性，并且可以帮助研究人员得出更合理的科学结论。在简要回顾了p值和一些替代方案的背景之后，我们描述了我们的方法，并提供了模拟和真实数据的例子。对于线性模型，我们还描述了不一致概率的置信区间如何与参数的p值和置信区间相关。
2019-08-25 stat.ME
New Confidence Intervals and Bias Comparisons Show that Maximum Likelihood Can Beat Multiple Imputation in Small Samples
在分析不完全数据时，使用多重插补（MI）还是全信息极大似然（ML）更好？在大样本情况下，ML显然更好，但在小样本情况下，ML的有用性受到限制，因为ML通常使用正态检验统计量和置信区间，这需要大样本。我们提出了小样本的基于t的ML置信区间，具有良好的覆盖率，并短于基于t的置信区间下MI。我们还表明，ML点估计是更少的偏见和更有效的比MI点估计在小样本的二元正态数据。使用我们新的置信区间，ML应优于MI，即使在小样本中，只要两种选择都可用。
2015-08-20 stat.ME
A New Confidence Interval for the Mean of a Bounded Random Variable
College of Information and Computer Sciences（信息与计算机科学学院）；University of Massachusetts（马萨诸塞大学）
本文提出了一种由随机变量的样本构造有界随机变量均值的置信区间的新方法。我们推测置信区间具有保证的覆盖率，即，它包含有界区间上所有分布、所有样本量和所有置信水平的高概率均值。这种新方法提供的置信区间与使用Student t统计量产生的置信区间具有竞争力，但不依赖于正态性假设。特别地，它唯一的要求是分布在已知的有限区间上有界。
2020-11-04 cs.LG math.PR math.ST
Variable-width confidence intervals in Gaussian regression and penalized maximum likelihood estimators
硬阈值、LASSO、自适应LASSO和SCAD点估计器已经被建议用于当回归参数向量的大多数分量被认为是零（稀疏型假设）时的线性回归上下文中。Potscher和Schneider，2010年，Electronic Journal of Statistics，考虑了固定宽度置信区间的属性，其中包括这些点估计量之一（对于所有可能的数据值）。他们认为一个正常的线性回归模型与正交回归，并表明，这些置信区间是长于标准置信区间（基于极大似然估计）时，这些点估计的调整参数选择，导致保守或一致的模型选择。我们将这种分析扩展到可变宽度置信区间的情况，其中包括这些点估计（对于所有可能的数据值）。与Potscher和Schneider的这些发现一致，我们发现这些置信区间与标准置信区间相比表现不佳，当选择这些点估计的调谐参数以导致一致的模型选择时。然而，当这些点估计的调整参数被选择，导致保守的模型选择，我们的结论不同于Potscher和Schneider。我们考虑Farchione和Kabaila，2008，Statistics & Probability Letters中的可变宽度置信区间，在稀疏性假设中存在信念的情况下，它比标准置信区间具有优势。这些可变宽度的置信区间，包括硬阈值，LASSO，自适应LASSO和SCAD估计（所有可能的数据值），这些估计的调谐参数被选择属于一个适当的区间。
2010-08-25 stat.ME
Rigorous Confidence Intervals on Critical Thresholds in 3 Dimensions
本文将Balister，Bollobás和Walters的方法推广到三维格点，并给出了二维格点临界阈值的严格置信区间.我们描述了一种方法，用于确定一个完整的置信区间，并将其应用于表明，键渗流的临界阈值在简单立方晶格是0.2485和0.2490之间的99.9999%的置信度，和网站渗流的临界阈值在同一个晶格是0.3110和0.3118之间的99.9999%的置信度。
2013-12-02 math.CO math.PR stat.ME
Confidence intervals centered on bootstrap smoothed estimators
Bootstrap平滑（袋装）参数估计已被提出作为一个改进的估计后发现初步的基于数据的模型选择。Efron（2014）的关键结果是一个非常方便且广泛适用的公式，用于delta方法近似自助平滑估计量的标准差。这种近似提供了一个容易计算的指南，这个估计的准确性。此外，Efron（2014）提出了一个以自助平滑估计量为中心的置信区间，其宽度与该近似值对标准差的估计成正比。我们在两个嵌套线性回归模型（完整模型和简单模型）的情况下评估此置信区间，并对简单模型正确的原假设进行初步检验。我们推导出计算方便的表达式的理想自举平滑估计和覆盖概率和预期长度的置信区间。在覆盖概率方面，该置信区间优于具有相同标称覆盖率且基于相同初步检验的模型选择后的置信区间。我们还比较了性能的置信区间为中心的自举平滑估计，在预期的长度，通常的置信区间，具有相同的最小覆盖概率，基于完整的模型。
2018-10-29 stat.ME
Rejoinder: On nearly assumption-free tests of nominal confidence interval coverage for causal parameters estimated by machine learning
这是对Kennedy、Balakrishnan和Wasserman在《统计科学》上发表的论文“关于机器学习估计的因果参数的标称置信区间覆盖率的近无干扰测试“的反驳。
2020-08-07 stat.ME stat.ML
Finite sample properties of the Buckland-Burnham-Augustin confidence interval centered on a model averaged estimator
本文研究了以频率派模型平均估计量为中心的 Buckland-Burnham-Augustin 置信区间，在包含两个线性回归模型的测试床情境下推导出覆盖率与缩放期望长度的精确表达式，探究了其精确有限样本性能，并与已有渐近覆盖率结果进行了比较。
2019-06-19 stat.ME
Simultaneous adjustment of bias and coverage probabilities for confidence intervals
提出了一种新的方法，用于校正置信区间时，原始区间不具有正确的名义覆盖概率在频率意义下。所提出的方法是通用的，不需要任何分布假设。它可以应用于频率论和贝叶斯推断的区间估计是必要的。我们提供了所提出的估计的一致性的理论结果，并给出了两个复杂的例子，复合似然估计的置信区间校正和近似贝叶斯计算（ABC），以证明新方法的广泛适用性。并与双自举法和其他提高置信区间覆盖率的方法进行了比较。
2013-08-29 stat.CO stat.ME
The effect of a Durbin-Watson pretest on confidence intervals in regression
针对回归参数线性组合的置信区间估计，提出了计算Durbin-Watson预检验两阶段程序与FGLS估计置信区间覆盖概率函数图形的新工具，以在观测数据前选择更优区间。
2018-05-16 stat.ME
Confidence intervals in general regression models that utilize uncertain prior information
我们考虑一个一般的回归模型，没有尺度参数。我们的目标是构建一个置信区间的标量参数的兴趣$θ$，利用不确定的先验信息，一个不同的标量参数$τ$采取指定的值$t$。该置信区间应具有良好的覆盖特性。它还应该具有缩放的预期长度，其中缩放是相对于通常的置信区间的，（a）当先验信息正确时基本上小于1，（b）具有不太大的最大值，以及（c）当数据和先验信息高度不一致时接近1。极大似然估计量$θ$和$τ$的渐近联合分布类似于具有已知方差的正态分布误差的线性回归的特定情况下这些估计量的联合分布。这种相似性被用于通过使用置信区间来构建具有期望属性的置信区间，该置信区间是使用R包ciuupi计算的，该R包ciuupi在这种特定的线性回归情况下利用了不确定的先验信息。这个置信区间的一个重要的实际应用是比较两种相似化合物的定量生物测定。在这种背景下，不确定的先验信息是“平行”假设成立。我们提供了大量的数值结果，说明了在这种情况下该置信区间的属性。
2020-09-16 stat.ME
Optimal and fast confidence intervals for hypergeometric successes
我们提出了一个有效的方法来计算精确的置信区间的超几何参数表示的数量的“成功”，或“特殊项目，”在人口。该方法在移动最小宽度接受区间后将其反转，使其端点不减，同时保持其水平。得到的一组置信区间达到了最小可能的平均大小，即使与不要求是区间的置信集相比，它也在大多数时间达到了最小可能的基数，并且总是在$1$内。该方法与现有的方法相比，不仅在间隔的大小，而且在计算它们所需的时间。可用的\textsf{R}包\texttt{hyperMCI}实现了所提出的方法。
2022-04-28 math.ST stat.ME stat.TH
A note on confidence intervals for parameter estimates of a spatio-temporal Ornstein-Uhlenbeck process
本文比较了高斯时空Ornstein-Uhlenbeck过程矩匹配参数估计的两种构造置信区间的方法。结果发现，通过成对似然近似获得的覆盖率较低，更容易出现维数灾难，而不是从参数引导程序。
2017-07-24 stat.ME
Simple Buehler-optimal confidence intervals on the average success probability of independent Bernoulli trials
给出了不同伯努利参数平均值的单侧置信区间。这些置信区间表示为伯努利博弈获胜总数、回合数和置信水平的分析函数。在Buehler意义上的这些界限的紧密性，即作为最严格的可能的单调区间，证明了所有置信水平。一个简单的区间有效的所有置信水平也提供了一个紧密的保证。最后讨论了所提出的置信区间在序贯抽样中的应用。
2022-12-23 math.ST quant-ph stat.TH
Confidence Intervals that Utilize Uncertain Prior Information about Exogeneity in Panel Data
考虑由包含时变协变量的线性随机截距模型建模的面板数据。假设我们有不确定的先验信息，这个协变量是外生的。我们提出了一个新的置信区间的斜率参数，利用这种不确定的先验信息。该区间具有非常接近其标称覆盖的最小覆盖概率。假设该新置信区间的缩放预期长度为其预期长度除以置信区间的预期长度，具有相同的最小覆盖率，使用固定效应模型构建。这个新的间隔具有缩放的预期长度，其（a）当先验信息正确时基本上小于1，（b）具有不太大于1的最大值，以及（c）当数据与先验信息强烈矛盾时接近1。我们说明了这个新的间隔使用机票数据集的属性。
2017-08-31 stat.ME
Inference for penalized spline regression: Improving confidence intervals by reducing the penalty
惩罚样条回归是一种常用的散点图平滑方法，但如何构造惩罚样条拟合的置信区间一直存在争议。由于惩罚，拟合的平滑曲线是目标函数的有偏估计。许多方法，包括贝叶斯区间和简单移位偏差减少，已被提出来提升置信区间的覆盖率，但这些方法通常不能充分改善预测值的情况下，函数是急剧弯曲。在本文中，我们开发了一种新的方法来提高置信区间，使用更小的平滑强度比样条拟合。通过仔细选择平滑强度的减少量，置信区间实现了几乎标称的覆盖范围，而不会过宽或波动。通过仿真实验研究了该方法的覆盖性能，并与Hodges（2013）和Kuusela和Panaretos（2015）提出的偏差校正技术进行了比较。
2017-06-02 stat.ME
CoinDICE: Off-Policy Confidence Interval Estimation
University of Alberta（阿尔伯塔大学）；DeepMind（深度思维）；Google Research（谷歌研究院）
我们研究了强化学习中的高置信度行为不可知的偏离策略评估，其目标是估计目标策略值的置信区间，仅允许访问未知行为策略收集的静态经验数据集。从$Q$ -函数的线性规划公式的函数空间嵌入出发，我们得到了一个具有广义估计方程约束的优化问题。通过将广义经验似然方法应用于所得到的拉格朗日量，我们提出了CoinDICE，一种新的和有效的算法计算置信区间。理论上，我们证明了所得到的置信区间是有效的，在渐近和有限样本制度。从经验上讲，我们在各种基准测试中表明，置信区间估计比现有方法更严格，更准确。
2020-10-22 cs.LG stat.ML
A Fuzzy Approach for Randomized Confidence Intervals
Universidade Estadual de Campinas (UNICAMP)（坎皮纳斯州立大学）
本文提出基于Neyman-Pearson引理的随机置信区间方法，用于更广泛地适用于不满足正则条件的分布，并在高方差情况下表现出更好的性能。
2025-12-29 stat.ME
Hybrid Confidence Intervals for Informative Uniform Asymptotic Inference After Model Selection
我提出了一种新的类型的置信区间正确的渐近推断后，使用数据来选择一个模型的兴趣，而不假设任何模型是正确的指定。该混合置信区间是通过结合选择性推理和选择后推理文献的技术构建的，以在广泛的数据实现范围内产生短的置信区间。我证明了混合置信区间具有正确的渐近覆盖，均匀分布在一个大类的概率分布，不绑定缩放模型参数。我说明了使用这些置信区间的推理问题后，使用LASSO目标函数来选择一个回归模型的兴趣，并提供证据，其理想的长度和覆盖范围的属性在小样本通过一组蒙特卡罗实验，需要各种不同的数据分布以及经验应用到糖尿病疾病进展的预测。
2021-11-24 math.ST stat.ME stat.TH
Comparison of Confidence Interval Estimators: an Index Approach
在许多统计问题中，一个参数的区间估计通常有多个估计量，因此，选择合适的估计量是很重要的。一个好的估计量的标准是具有接近标称水平的高覆盖概率和较短的区间长度。然而，这两个概念是相互对立的：高覆盖率和低覆盖率分别与较长和较短的间隔长度相关联。一些方法，如自举校准，修改标称水平，以提高覆盖率，从而允许仅基于间隔长度选择间隔。然而，这些方法在计算上是昂贵的。在本文中，我们提出了一个指数，它提供了一个易于计算的方法比较置信区间估计之间的妥协的基础上的覆盖概率和置信区间长度。我们说明了置信区间指数具有在覆盖概率范围[0，1]的邻域内的值的范围。此外，好的置信区间估计量具有接近1的指标值;而坏的置信区间具有接近0的指标值。进行了模拟研究，以评估有限样本的性能的指数。建议的指数说明了一个实际的例子，从文献
2018-10-09 stat.CO stat.ME
Confidence Intervals for Testing Disparate Impact in Fair Learning
Institut de Mathématiques de Toulouse（图卢兹数学研究所）；Universidad de Valladolid（巴利亚多利德大学）
我们提供了统计文献中用于量化机器学习中不同处理的主要指标的渐近分布。我们的目标是促进使用置信区间时，测试所谓的组不同的影响。我们在一些例子中说明了使用置信区间而不是单个值的重要性。
2018-07-17 cs.LG math.ST stat.ML
Confidence intervals of ruin probability under Lévy surplus
本文的目的是在保险盈余由Lévy过程驱动的情况下，构造最终破产概率的置信区间.假设Lévy测度是一个参数族，我们利用剩余数据估计参数，并利用delta方法估计破产概率。然而，渐近方差包含破产概率对参数的导数，这通常不是明确给出的，并且即使破产概率被很好地估计，置信区间也不是直接的。本文给出了该导数的Cramér型逼近，并给出了破产概率的一个渐近置信区间.
2021-12-14 math.PR stat.AP stat.ME
Publication Bias in Meta-Analysis: Confidence Intervals for Rosenthal's Fail-Safe Number
本文的目的是评估Rosenthal故障安全数的置信区间的有效性。虽然Rosenthal估计量被研究人员广泛使用，但其统计特性在很大程度上未被探索。首先，我们发展了统计学理论，使我们能够为罗森塔尔的故障安全数产生置信区间，这是通过辨别荟萃分析中分析的研究数量是固定的还是随机的来产生的。每种情况下产生不同的方差估计。对于给定数量的研究和给定的分布，我们提供了五个方差估计。置信区间采用正态近似和非参数bootstrap检验。不同的置信区间估计的准确性，然后通过模拟方法在不同的分布假设进行了测试。半正态分布方差估计量具有最好的概率覆盖。最后，我们提供了一个表的下置信区间罗森塔尔的估计。
2015-09-04 stat.ME stat.OT
Construction of Confidence Intervals
统计学的介绍性文本通常只涵盖了经典的“两西格玛”置信区间的平均值，并没有描述方法来获得置信区间的其他估计。本技术报告填补了这一空白，首先定义了不同的方法来构建置信区间，然后将其应用于二项比例、平均值和任意估计量。除了频率论的方法，似然比和最高后验密度的方法进行了解释。本文介绍了一般极大似然估计量的方差估计的两种方法（Hessian，Jackknife），并对任意估计量提出了自助法。对于三个例子，通过蒙特卡罗模拟的覆盖概率和间隔长度的不同方法进行评估。所有方法都有R代码，实践者可以获得在哪些情况下应该使用哪个方法的指导方针。
2018-07-10 stat.ME
Selective Sign-Determining Multiple Confidence Intervals with FCR Control
给定$m$未知参数和相应的独立估计器，Benjamini-Hochberg（BH）过程可以用于对参数的符号进行分类，使得错误方向决策（方向FDR）的预期比例被控制在预设水平$q$。更雄心勃勃的是，我们的目标是构建符号确定置信区间--而不是只分类的符号--这样的预期比例的非覆盖构造区间（FCR）的控制。我们建议一个有效的程序，调整边际置信区间，以构建一个最大数量的符号确定置信区间。我们提出了一个新的边际置信区间，专门为我们的程序，它允许平衡的权力和长度之间的权衡构建的间隔，事实上，往往享受（几乎）两全其美。我们应用我们的方法来检测一项高度公开的社会神经科学研究中相关性的迹象，并在第二个例子中，检测GWAS数据中SNP与2型糖尿病的关联方向。在这两个例子中，我们比较我们的程序与现有的方法，并获得令人鼓舞的结果。
2018-05-23 stat.ME
Bootstrap Confidence Intervals Using the Likelihood Ratio Test in Changepoint Detection
针对Bootstrap抽样下的似然比检验在变点检测中的功效问题，提出了一种基于Bootstrap置信区间长度的假设检验方法。假设误差为独立同分布的正态分布，利用Bootstrap方法，估计了变点抽样分布。此外，本研究描述了一种方法来估计无变点的数据集，形成零抽样分布。利用零抽样分布和估计的变点分布，可以在置信区间的长度上进行临界值和功效计算。
2020-11-07 stat.ME
Calculation of sample size guaranteeing the required width of the empirical confidence interval with predefined probability
任何估计研究的目标都是对感兴趣的参数进行区间估计。这些估计主要使用基于相应参数的样本点估计的经验置信区间来表示。相反，计算必要的样本量通常使用基于参数预期值的预期置信区间。至少自1989年以来，保证经验置信区间所需宽度的所需概率的方法就已为人所知。然而，到目前为止，这种方法并没有实现大多数软件，甚至没有在许多现代论文和教科书中描述。在这里，我们提出了简洁的描述的方法来计算样本量，以获得经验的置信区间所需的宽度与预定义的概率，并给出了一个框架，其一般实施。我们在正态分布、泊松分布和二项分布中举例说明该方法。数值结果表明，使用$0.8$或$0.9$的标准概率获得经验置信区间所需宽度所需的样本量可能比为参数预期值计算的样本量大20%以上。
2018-07-01 stat.ME
Empirical Likelihood Confidence Intervals for Nonparametric Functional Data Analysis
本文考虑了用经验似然法构造非参数函数数据分析的置信区间的问题。在这个双重无限维的背景下，我们证明了威尔克斯的现象，并提出了一个偏差校正的建设，既不需要欠平滑，也不直接偏置估计。我们还将我们的结果扩展到涉及函数数据的部分线性回归。我们的数值结果表明，经验似然的渐近正态近似的基础上改进的性能。
2009-04-06 stat.ME
The impact of a Hausman pretest on the coverage probability and expected length of confidence intervals
在聚类和纵向数据的分析中，其中包括在聚类之间和聚类内变化的协变量（例如，纵向数据中的时变协变量），Hausman预检验通常用于决定是否使用线性随机截距模型或固定效应模型进行后续推断。我们评估了该预检验对斜率参数的覆盖概率和置信区间的预期长度的影响。我们的研究结果表明，对于应用中常用的Hausman预检验的小显著性水平，该置信区间的最小覆盖概率可以远低于标称值。此外，平均而言，该置信区间的预期长度大于基于具有相同最小覆盖率的固定效应模型的斜率参数的置信区间的预期长度。
2015-06-12 stat.ME
Simulation Study Comparing Two Tests of Second-order Stationarity and Confidence Intervals for Localized Autocovariance
本报告通过模拟比较了二阶平稳性的两种检验。它还提供了几个本地化的自协方差和他们的近似置信区间不同的真实和模拟数据集的例子。一个渐近高斯性结果的实证验证也表明。还描述了用于在配套文件中生成图形的命令。
2016-03-21 stat.ME
Adaptive Robust Confidence Intervals
本文研究污染比例未知时Huber模型下自适应稳健置信区间的构造，证明其最优长度需比非自适应情形指数级更宽，并通过同时量化所有分位数的不确定性实现最优构造，进而推广到一般稳健假设检验。
2025-06-03 math.ST stat.ME stat.TH
Locally correct confidence intervals for a binomial proportion: A new criteria for an interval estimator
为二项比例形成“置信区间”的推荐方法给出的区间估计实际上并不满足置信区间的定义，因为它们的覆盖率有时低于标称置信水平。这些方法受到青睐，因为它们的区间平均长度比Clopper-Pearson（金标准）方法短，Clopper-Pearson方法的区间实际上是置信区间。对这些方法进行比较是很棘手的--最好的方法也许应该是给出最短间隔（平均而言）的方法，但什么时候一种方法的覆盖率如此之低，以至于不应该将其归类为形成置信区间的方法？由于未遵守置信区间的定义，因此需要另一个标准来形成二项式比例的区间估计值。在本文中，我们提出了一个新的标准，满足该标准的方法被称为产生$\textit{locally correct confidence intervals}$。我们提出了一种方法，产生这样的间隔，并证明其间隔具有较短的平均长度比任何其他方法，满足标准。与Clopper-Pearson方法相比，该方法给出的区间平均长度明显较小。中间$p$方法也满足新的准则，并具有自己的最优性。
2021-06-29 math.ST stat.TH
Discussion of "On nearly assumption-free tests of nominal confidence interval coverage for causal parameters estimated by machine learning"
我们祝贺作者发表了一篇激动人心的论文，该论文介绍了一种评估因果估计中估计偏差的新想法。双稳健估计量现在是因果推断中标准工具集的一部分，但典型的分析仅限于估计量和置信区间。作者给出了一种独特类型的模型检查方法，允许用户检查偏差相对于标准误是否足够小，这通常是置信区间可靠所需的。
2020-06-17 stat.ME
Confidence intervals for the current status model
讨论了当前状态模型中分布函数的逐点置信区间的构造方法。置信区间基于平滑最大似然估计（SMLE），并使用自助法构建。其他方法来构建置信区间，使用非标准极限分布的（限制）极大似然估计，我们的方法相比，通过模拟和实际数据的应用。
2017-03-24 math.ST stat.TH
On split sample and randomized confidence intervals for binomial proportions
分裂样本方法最近被提出作为一种方法，以减少覆盖率振荡困扰的置信区间的参数的点阵分布，如二项和泊松分布。我们研究分裂样本区间的二项式设置，显示这些间隔可以被看作是基于添加离散随机噪声的数据。结果表明，它们可以通过使用噪声与连续分布，而不是改善，无论是由数据或外部来源的随机性的随机化。我们比较分裂样本间隔的随机史蒂文斯间隔，完全消除了覆盖振荡，并发现后者的间隔有几个优点。
2014-02-26 stat.ME
Differentially Private Confidence Intervals
正态分布数据的总体均值的置信区间是人们可能希望从数据库中获得的一些最标准的统计输出。在这项工作中，我们给这个任务的实际差分隐私算法。我们提供了五种算法，然后将它们相互比较，并与以前的工作进行比较。我们给具体的，实验分析其准确性，并发现我们的算法提供了更准确的置信区间比以前的工作。例如，在一个设置中（ε = 0.1，n = 2782），我们的算法产生的区间仅为先前工作标准集大小的1/15。
2020-01-07 cs.CR stat.ME
Tighter confidence intervals for quantiles of heterogeneous data
Tilburg University（蒂尔堡大学）；Eastern Institute of Technology, Ningbo（宁波东方理工大学）
本文提出了一种新的方法，用于估计异质数据中分位数的减少渐近方差，从而生成更短且更准确的置信区间。
2026-01-24 math.ST stat.ME stat.TH
A Unified Approach for Constructing Confidence Intervals and Hypothesis Tests Using h-function
本文介绍了一种统一构造水平α精确检验和1-α精确置信区间的一般方法--h-函数法。使用该方法，任何置信区间如下改进：i）近似区间，包括点估计，被修改为精确区间; ii）精确区间被细化为是前一个的子集的区间。两个真实的数据集被用来说明该方法。
2021-08-26 math.ST stat.TH
Reply to Comment by Schilling on their paper "Optimal and fast confidence intervals for hypergeometric successes"
该文针对 Schilling 对 Bartroff、Lorden 和 Wang 关于超几何成功次数最优快速置信区间论文的评论作出正式回应。
2024-01-19 stat.ME
