Nonparametric quasi-maximum likelihood estimation for Gaussian locally stationary processes
本文讨论高斯局部平稳过程的非参数极大似然估计。我们的非参数极大似然估计是通过最小化一类函数的频域似然来构造的。研究了所得估计量的渐近性质。结果取决于丰富的功能类。筛估计和整体估计。我们的研究结果适用于，特别是形状约束下的估计。作为一个例子，自回归模型拟合单调方差函数进行了详细讨论，包括算法的考虑。一个关键的技术工具是由函数索引的时变经验谱过程。对于这一过程，得到了一个Bernstein型指数不等式和一个中心极限定理.经验谱过程的这些结果是独立的利益。
2007-08-01 math.ST stat.TH
Nonparametric regression for locally stationary random fields under stochastic sampling design
在这项研究中，我们开发了一个渐近理论的局部平稳随机场（LSRF）$\{{\bf X}_{{\bf s}, A_{n}}: {\bf s} \in R_{n} \}$在$\mathbb{R}^{p}$观察到的不规则间隔的位置在$R_{n} =[0,A_{n}]^{d} \subset \mathbb{R}^{d}$的非参数回归。首先给出了一般核估计的一致收敛性速度，然后给出了模型均值函数估计的渐近正态性。此外，我们考虑加性模型，以避免维数灾难所产生的估计的收敛速度的协变量的数量的依赖。随后，我们得到了可加函数估计的一致收敛性速度和联合渐近正态性。我们还介绍了近似$m_{n}$依赖的RF提供的LSRF的例子。我们发现，这些RF包括一个广泛的类Lévy驱动的移动平均RF。
2022-07-06 math.ST stat.TH
Specification testing in semi-parametric transformation models
在转换回归模型中，在将回归模型拟合到协变量和转换的响应之前，先转换响应。我们假设这样一个模型，其中误差与协变量无关，并且回归函数是非参数建模的。我们建议一个测试的拟合优度的参数转换类的基础上的非参数转换估计和参数类之间的距离。我们提出的渐近理论下的半参数模型的有效性的原假设和当地的替代品。一个自举算法建议，以适用于测试。我们还考虑相关的假设来区分大的和小的距离的参数变换类的“真”的变换。
2020-02-14 math.ST stat.TH
Nonparametric statistical inference for the context tree of a stationary ergodic process
考虑了在不附加条件的情况下，估计有限字母表平稳遍历过程的上下文树的问题。作为出发点，我们在不可约上下文树空间中引入了一个Hamming度量，并利用遍历平稳过程空间中的弱拓扑的性质，证明了如果Hamming度量是无界的，则上下文树不存在相容估计.即使在有界的情况下，我们表明，不存在双边的置信界限。然而，我们证明，片面的推断是可能的，在这个一般的设置，我们构造了一个一致的估计，这是一个下界的上下文树的过程中的覆盖概率的明确公式。我们开发了一个有效的算法来计算的下界，我们应用该方法来测试的语言假设的编纂书面文本在欧洲葡萄牙语的上下文树。
2015-08-20 math.ST stat.TH
Nonparametric estimation in functional linear models with second order stationary regressors
考虑函数线性回归中斜率参数的估计问题，其中标量响应Y1，.，Yn依赖于二阶平稳随机函数X1，.，Xn.一个正交系列估计的功能斜率参数与额外的阈值在傅立叶域中的建议和其性能的测量相对于广泛的加权风险覆盖作为示例的均方预测误差和平均积分平方误差的衍生估计。本文在斜率参数的不同正则性空间和协方差算子的不同连接条件下，导出了估计量在一大类正则性空间上的极小极大最优收敛速率。这些一般结果通过著名的周期函数的索伯列夫空间作为斜率参数的正则性空间以及有限或无限平滑协方差算子的情况的具体例子来说明。
2009-01-27 math.ST stat.TH
Some Theoretical Results Concerning Time-varying Nonparametric Regression with Local Stationary Regressors and Error
关于李和游在Journal of Applied Statistics and Management中提出的一个三步估计方法，对于具有时变回归函数、局部平稳回归变量和时变AR（p）（tvAR（p））误差过程的非参数回归模型，我们建立了每个估计的所有必要的渐近性质.给出了非参数回归函数初估计的收敛速度和渐近正态性，建立了误差项中时变系数函数的渐近分布，并给出了非参数回归函数加细估计的渐近性质.此外，对于变量选择的ULASSO方法和误差项结构的常系数检测，我们证明了ULASSO估计能够一致地识别真实的误差项结构.我们进行了两个模拟研究，以说明有限样本性能的估计和验证我们的理论讨论的性质的估计。
2020-10-24 math.ST stat.ME stat.TH
Nonparametric density estimation for stationary processes under multiplicative measurement errors
本文针对乘性测量误差模型下的强混合平稳过程，提出非参数密度估计新方法，处理非独立数据，给出收敛速度、极小极大风险下界及渐近正态性，并通过模拟验证有效性。
2024-03-20 math.ST stat.TH
Expansion for moments of regression quantiles with application to nonparametric testing
我们讨论回归分位数参数规格的非参数检验。该检验基于这些分位数的参数和非参数拟合的比较。非参数拟合是Nadaraya-Watson分位数平滑估计量。检验统计量的渐近处理需要发展新的数学论证。仅使用非参数估计的Bahadur展开式的方法是不令人满意的。它对维数和带宽的选择要求太高。我们的替代数学方法需要计算Nadaraya-Watson分位数回归估计的矩。该计算通过应用高阶Edgeworth展开来完成。
2017-07-14 math.ST stat.TH
A model specification test for the variance function in nonparametric regression
在完全非参数回归模型中考虑了条件方差参数形式的检验问题。提出了一种基于原假设和备择假设下残差经验特征函数之间加权$L_2$ -距离的检验统计量，并进行了理论研究。得到了检验统计量的零渐近分布，并用来逼近临界值。在几个蒙特卡罗实验中数值研究了所提出的测试的有限样本特性。开发的结果假设独立的数据。它们的扩展相关的意见进行了讨论。
2018-07-23 stat.ME
On nonparametric inference for spatial regression models under domain expanding and infill asymptotics
在Lu and Tj \ostheim（2014）的基础上，发展了空间回归模型的非参数推断，该模型在区域扩展和填充（DEI）渐近条件下，发展了平稳空间过程的密度函数的非参数推断。特别地，我们得到了非参数空间回归模型的均值和方差函数的多元中心极限定理。基于这些结果，我们提出了一种方法来构建均值和方差函数的置信带。
2019-07-11 math.ST stat.TH
Nonparametric two sample test of spectral densities
University of Vienna（维也纳大学）；University of Poitiers（普瓦捷大学）
本文提出一种非参数方法，用于检验两个高斯平稳过程的谱密度相等性，并在模拟和真实数据中验证了其有效性。
2026-02-11 math.ST stat.TH
Nonparametric volatility density estimation for discrete time models
我们考虑具有平稳波动过程的资产价格的离散时间模型。我们的目标是在一组连续的时刻估计这个过程的多元密度。提出了一种基于平方过程对数的傅立叶型反卷积核密度估计器来估计波动率密度。扩展的偏差和界限的方差。
2002-06-14 math.ST stat.TH
Uniform Convergence Rate of the Nonparametric Estimator for Integrated Diffusion Processes
本文研究积分扩散过程系数的非参数估计，首次在观测区间趋于消失、长时间跨度及无界支撑条件下，为 Nadaraya-Watson 估计量建立一致收敛速度。
2025-03-19 math.PR math.ST stat.TH
Nonparametric estimation of the stationary density for Hawkes-diffusion systems with known and unknown intensity
本文研究 Hawkes-扩散系统二维平稳密度的非参数估计，在强度已知与未知时分别建立核估计量的收敛速率，并借助 Girsanov 变换和指数矩界完成证明及数值验证。
2025-09-30 math.ST stat.TH
Two-sample Bayesian nonparametric goodness-of-fit test
近年来，贝叶斯非参数统计得到了极大的关注。尽管如此，相对较少的工作已经花费在贝叶斯非参数假设检验。本文提出了一种新的两样本问题的贝叶斯非参数方法。确切地说，给定两个样本$\mathbf{X}=X_1,\ldots,X_{m_1}$ $\overset {i.i.d.} \sim F$和$\mathbf{Y}=Y_1,\ldots,Y_{m_2} \overset {i.i.d.} \sim G$，其中$F$和$G$是未知的连续累积分布函数，我们希望检验零假设$\mathcal{H}_0:~F=G$。该方法是基于柯尔莫哥洛夫距离和近似样本的狄利克雷过程集中在标准正态分布和浓度参数1。结果表明，建议的测试是强大的狄利克雷过程的任何先前的规格。与几个著名的测试的功率比较被纳入。特别是，建议的测试占主导地位的标准Kolmogorov-Smirnov测试在所有的情况下检查的文件。
2015-05-07 math.ST stat.TH
Asymptotic Theory for Kernel Estimators under Moderate Deviations from a Unit Root, with an Application to the Asymptotic Size of Nonparametric Tests
我们提供了新的渐近理论的核密度估计，当这些被应用到自回归过程表现出中度偏离单位根。这填补了现有文献中的空白，迄今为止只考虑了近集成和平稳的自回归过程。这些结果有应用到非参数预测回归模型。特别地，我们证明了非参数t检验的零拒绝概率在回归变量的持续性程度上是一致控制的。这为通常的非参数推断程序的有效性提供了严格的理由，即使在回归变量可能高度持久的情况下。
2019-08-16 math.ST stat.TH
Local quasi-likelihood with a parametric guide
广义线性模型和拟似然方法扩展了普通回归模型，以适应更一般的响应条件分布。非参数方法不需要明确的参数规格，并且所得到的模型完全由数据本身决定。然而，非参数估计方案通常具有较慢的收敛速度，例如Fan，Heckman和Wand [J. Amer. Statist. Assoc.90（1995）141- 150]。在这项工作中，我们提出了一个统一的家庭参数引导的非参数估计方案。这结合了参数和非参数方法的优点，使我们能够结合先验知识。渐近结果和数值模拟表明，我们的新的估计方案比原来的非参数对应的改善。
2009-11-20 math.ST stat.TH
Nonparametric intensity estimation from noisy observations of a Poisson process under unknown error distribution
本文研究了圆形模型中Poisson点过程强度函数的间接观测非参数估计$N_1,\ldots,N_n$。这些观察出现从隐藏的点过程实现与目标强度通过污染与添加剂的错误。在误差分布只能从一个额外的样本$Y_1,\ldots,Y_m$估计的情况下，我们推导出极小极大收敛率相对于样本量$n$和$m$在抽象光滑条件下，并提出了一个正交系列估计，达到最佳的收敛速率。估计器的性能取决于维度参数的正确规范，其最佳选择取决于强度和误差密度的平滑特性。我们提出了一个基于模型选择的数据驱动的维度参数的选择，并表明自适应估计达到最小最大最优速率。
2019-02-17 math.ST stat.TH
Nonparametric M-estimation for right censored regression model with stationary ergodic data
研究了平稳遍历右删失回归模型的非参数M-估计。定义为隐函数，当协变量取值于R^d（d >= 1）且数据来自平稳遍历过程时，考虑了稳健回归族的核型估计.在较弱的假设下，证明了估计量的强相合性（含率）和渐近分布。此外，提供了一个可用的置信区间，它不依赖于任何未知量。我们的结果在没有任何混合条件下成立，并且不需要存在边缘密度。还提供了基于模拟数据的比较研究。
2016-04-29 stat.ME
Testing for a constant coefficient of variation in nonparametric regression
本文对一般非参数回归模型中变异系数为常数的假设提出了一种新的检验方法。该检验基于回归函数的平方与方差函数之间的$L^2$距离估计值。我们证明了在原假设和固定替代下该距离的标准化估计的渐近正态性，并通过模拟研究研究了相应的Bootstrap检验的有限样本性质。所得结果适用于一般混合条件下的平稳过程，并用于构造金融时间序列中平稳性假设的检验。
2008-09-29 math.ST stat.TH
Empirical process theory for locally stationary processes
我们使用函数相关测度为局部平稳过程的经验过程理论提供了一个框架。我们的结果扩展了已知的结果平稳马尔可夫链和混合序列的另一种常见的可能性，以衡量依赖性，并允许额外的时间依赖性。我们的主要结果是局部平稳过程的一个泛函中心极限定理。此外，还建立了和的期望的极大不等式。我们的理论在一些例子中的适用性，例如，我们提供了一致收敛性速度与局部平稳噪声的非参数回归。
2021-08-19 math.ST stat.TH
Nonparametric regression on hidden phi-mixing variables: identifiability and consistency of a pseudo-likelihood based estimation procedure
本文概述了一个新的非参数估计过程的不可观测φ-混合过程。假设关于平稳隐藏状态（Xk）的唯一信息由过程（Yk）给出，其中Yk是f（Xk）的噪声观测。本文介绍了一种利用长度为b的观测值块来估计函数f和隐态分布的极大伪似然方法。在特殊情况下，b=1和b=2的模型的可辨识性进行了研究。建立了f的估计量和隐状态的分布的一致性，因为观测的数量增长到无穷大。
2015-08-26 math.ST stat.TH
A recursive nonparametric estimator for the transition kernel of a piecewise-deterministic Markov process
在本文中，我们研究了一个非参数的方法来提供一个递归估计的非平稳分段确定的马尔可夫过程的转移密度，从只有一个观察的路径在一个很长的时间。在这个框架中，我们没有观察到一个马尔可夫链的过渡核的兴趣。幸运的是，我们可以将感兴趣的跃迁密度写为过程的两个嵌入链的不变分布之比。我们的方法包括估计这些不变测度。我们的状态的一致性和中心极限定理的主要特点的过程的一些一般假设下的结果。仿真研究表明了我们的估计量具有良好的渐近性态。
2013-05-06 math.ST stat.TH
Multivariate Nonparametric Volatility Density Estimation
考虑了一个连续时间随机波动率模型。该模型包含一个平稳的波动过程，我们的目标是估计的有限维分布的多元密度。我们假设我们在离散的时刻观察这个过程。采样时间将与消失距离等距。提出了一种基于平方过程对数的多元傅里叶型反卷积核密度估计器，用于估计多元波动率密度。的偏差和约束的方差的扩展。关键词：随机波动模型，多元密度估计，核估计，反褶积，混合
2009-10-22 math.ST stat.TH
Nonparametric Volatility Density Estimation
考虑了两类随机波动率模型。这两种模型都包含一个平稳的波动过程，在一个固定的时刻，我们的目标是估计其密度。我们讨论离散时间模型，例如，日志价格过程建模为产品的波动过程和独立同分布。噪声我们也考虑某些连续时间扩散过程的样本。采样的时刻将与消失距离等距。提出了一种基于平方过程对数的傅立叶型反卷积核密度估计器来估计波动率密度。扩展的偏差和界限的方差。
2002-06-16 math.ST stat.TH
Nonparametric estimation of a renewal reward process from discrete data
研究了更新奖励过程在[0，T]上离散可观测样本路径上跳密度的非参数估计.我们考虑的制度时，采样率为0。主要的困难是更新奖励过程不是Levy过程：增量是非平稳和依赖的。本文提出了一种自适应小波阈值密度估计器，并研究了它在Besov空间Lp损失下的性能。我们实现了极小极大收敛率的采样率，消失与T在多项式速率。与Buchmann和Grübel（2003）和Duval（2012）的精神相同，估计过程基于复合算子的反演。该逆函数没有封闭形式的表达式，并采用不动点方法逼近。
2012-07-06 math.ST stat.TH
Nonparametric estimation of jump rates for a specific class of Piecewise Deterministic Markov Processes
本文考虑了一个具有已知流和确定转移测度，未知跳率$λ$的分段确定马尔可夫过程.为了非参数地估计跳跃率，我们首先构造了平稳密度的自适应估计，然后导出了$λ$的商估计$\hatλ_n$.我们提供了统一的界限，这些估计的风险，并证明了估计的跳跃率是近minimax（高达$\ln^2(n)$因素）。模拟说明了我们的估计的行为。
2020-12-08 math.PR math.ST stat.TH
Adaptive Inference in Multivariate Nonparametric Regression Models Under Monotonicity
Brown University（布朗大学）
该研究针对多元非参数回归的单调性约束问题，推导了自适应置信区间的极小极大收敛速率，提出了适配该速率的新推断方法，适用于高斯误差下的有限样本及回归函数的一般线性泛函。
2026-10-30 econ.EM math.ST stat.AP
Lower Bounds for Nonparametric Estimation of Ordinary Differential Equations
针对常微分方程非参数估计问题，本文在蛇形和茬状两种模型下推导了极小化最优的下界，并建立了通用主定理，揭示了误差速率与观测数及光滑参数的关系。
2024-07-20 math.ST stat.TH
Testing for correct model specification in copula regression models
针对半参数Copula回归模型，通过引入真实回归函数与假定模型中最佳逼近的加权\(L^2\)距离进行拟合优度检验，推导检验方法并构建置信区间，有限样本模拟显示该方法有良好性质。
2026-07-17 math.ST stat.TH
Nonparametric Statistical Inference for Ergodic Processes
本文提出了一种时间序列的统计分析方法，它可以在假设产生数据的过程是平稳遍历的条件下，得到一些经典数理统计问题的解。也就是说，三个问题被认为是：拟合优度（或身份）测试，过程分类，和变点问题。对于每一个问题的测试是渐近准确的情况下，当数据是由平稳遍历过程产生的。测试是基于分布距离的经验估计。
2012-04-03 cs.IT math.IT math.ST
Problem of Estimation of Fractional Derivative for a Spectral Function of Gaussian Stationary Processes
研究了高斯平稳序列（时间序列）未知谱函数分数阶导数的非参数估计问题，证明了当导数阶数小于小于0.5时，该问题是适定性的，且具有经典的收敛速度。我们还证明了所提供的估计的渐近无偏性和正态性，并具有最佳收敛速度。为了构造函数范数下的置信区域，我们建立了连续函数相应空间中的中心极限定理。
2015-04-16 math.ST stat.TH
Consistent specification testing under spatial dependence
我们提出了一个基于序列的非参数规格测试的回归函数时，数据是空间依赖的，“空间”是一个一般的经济或社会性质。依赖性可以是参数的、具有增加的维度的参数的、半参数的或其任何组合，因此覆盖各种各样的设置。这些包括不同类型和复杂程度的空间误差模型。在新的光滑空间依赖条件下，我们的检验统计量是渐近标准正态的。为了证明后一个性质，我们建立了一个中心极限定理的二次型线性过程中的一个增加的维度设置。有限样本的性能进行了研究，在模拟研究中，与引导方法也证明和说明，和实证例子说明了测试与现实世界的数据。
2022-08-29 econ.EM math.ST stat.TH
Nonparametric estimation of service time distribution in the $M/G/\infty$ queue and related estimation problems
本文研究了由不完全的队列数据估计$M/G/\infty$队列的服务时间分布的问题。我们的目标是估计$G$从观察的队列长度过程在一个固定的时间间隔上的定期网格的点。我们提出了一个估计，并分析其精度在一个家庭的目标服务时间分布。原始的$M/G/\infty$问题与估计平稳高斯过程的协方差函数的导数的问题密切相关。我们考虑后一个问题，并推导出最小最大风险的下界。所得到的结果强烈表明，所提出的估计的服务时间分布是速率最优的。
2015-08-01 math.ST stat.TH
Asymptotic Inference of Autocovariances of Stationary Processes
本文提出了平稳过程自协方差渐近推断的系统理论。我们考虑基于最大（或${\cal L}^\infty$）和二次（或${\cal L}^2$）偏差对序列相关性进行非参数检验。对于这两种情况，适当的中心和重新缩放，偏差的渐近分布分别是Gumbel和Gaussian。为了建立这样一个渐近理论，作为副产品，我们发展了一个正常的比较原则，并提出了一个充分条件的联合累积量的平稳过程的可和性。我们采用了基于模拟的块的块引导过程，提高了有限样本的性能。
2011-05-17 math.ST stat.TH
Parametric and nonparametric probability distribution estimators of sample maximum
本研究提出一种无需模型设定的插件型非参数估计器用于样本最大值的概率分布估计，其收敛速度在某些条件下与极值指数无关，优于传统参数拟合方法，并通过模拟和两个实际案例验证了其优越性。
2024-07-18 math.ST stat.TH
Theoretical Analysis of Nonparametric Filament Estimation
本文研究了概率密度$f$的细丝或脊线的非参数估计。当沿着由$f$的Hessian的第二特征向量的向量场驱动的积分曲线遍历$f$的支撑时，丝上的点被认为是密度的局部极值。我们“parametrize”点上的细丝，这样的积分曲线，因此，积分曲线和细丝的估计将被认为是通过一个插件的方法，使用内核密度估计。我们建立的收敛速度和渐近分布结果的估计的积分曲线和细丝。主要的理论结果建立了估计的灯丝从其理论对应的均匀偏差的渐近分布。这个结果利用了由流形$M_h, h \in(0,1]$作为$h \to 0$索引的非平稳高斯过程的极值行为。
2015-10-24 math.ST stat.TH
Nonparametric estimation in a nonlinear cointegration type model
本文给出了时间序列回归模型$Z_t=f(X_t)+W_t$的非参数估计的渐近理论，其中\ensuremath \{X_t\}和\ensuremath \{Z_t\}是可观测的非平稳过程，$\{W_t\}$是不可观测的平稳过程.在计量经济学中，这可以被解释为一种非线性协整类型的关系，但我们相信，我们的结果是更广泛的利益。允许$\{X_t\}$的非平稳过程类是零递归马尔可夫链类的一个子类。这个子类包含随机游动、单位根过程和非线性过程。在假设$\{W_t\}$是满足一定混合条件的马尔可夫链的条件下，我们得到了f（x）的非参数估计的渐近性.通过仿真实验研究了$\hat{f}(x)$的有限样本性质。
2007-08-03 math.ST stat.TH
Nonparametric Inference for Semigroup Blocks of Switching Diffusions
Institute of Mathematics for Industry, Kyushu University（九州大学产业数学研究所）
研究切换扩散的状态索引半群块非参数估计，用Dynkin--Taylor展开等方法确定相关系数，收缩网格下得到渐近正态估计量，支持短时间近似等，固定网格局部多项式理论和数值研究作补充。
2026-07-27 math.PR math.ST stat.TH
Statistical inference for stationary linear models with tapered data
在本文中，我们调查的统计推断（参数和非参数统计估计，假设检验）的谱平稳模型与锥形数据的一些最新结果，以及一个问题，关于稳健的推断，进行了一个线性平稳过程污染的小趋势。本文还讨论了有关锥化Toeplitz矩阵和算子的一些问题，锥化Toeplitz型二次泛函的中心极限定理，锥化Fejér型核和奇异积分.这些是获得相应结果的主要工具，它们本身也很有意义。所考虑的过程将是离散时间和连续时间高斯，线性或Lévy驱动的线性记忆过程。
2021-05-14 math.ST stat.TH
A goodness-of-fit test of the errors in nonlinear autoregressive time series models with stationary $α$-mixing error terms
在这项工作中，我们处理的问题，拟合误差密度的拟合优度测试的非线性自回归时间序列模型与固定$α$混合误差项的错误。检验统计量基于非参数误差密度估计值和零误差密度的积分平方误差。通过导出这类模型中检验统计量的渐近正态性，推广了Cheng和Sun（Statistist.可能吧Lett. \textbf{78}，1（2008），50-59）在具有i.i.d误差项的模型中，更一般的情况。
2014-08-12 math.ST stat.TH
Penalized nonparametric mean square estimation of the coefficients of diffusion processes
本文考虑一维扩散过程$(X_t)$，它在$n+1$离散时刻被观测到，且具有规则的采样间隔$Δ$ .假设$(X_t)$是严格平稳的，我们提出了非参数估计的漂移和扩散系数的惩罚最小二乘方法。我们的估计属于一个有限维的函数空间，其尺寸是由数据驱动的方法选择。我们提供了非渐近风险界的估计。当采样间隔趋于零时，观测值个数和观测时间间隔的长度趋于无穷大时，我们证明了我们的估计量达到了极小极大最优收敛速度.基于扩散过程的精确模拟的数值结果给出了几个例子的模型，并说明我们的估计算法的质量。
2007-08-30 math.ST stat.TH
Simultaneous nonparametric inference of time series
我们考虑平稳过程的边际密度和回归函数的核估计。证明了对于一类广泛的时间序列，在适当的中心和尺度下，核密度和回归估计的最大偏差是渐近Gumbel的。我们的结果基本上推广了以前的独立或beta混合假设下获得的。渐近的结果可以应用于评估模式的边缘密度或回归函数通过建设的同时置信带，其中一个可以执行拟合优度检验。作为一个应用，我们构建了一个动态短期利率模型的漂移和波动率函数的同时置信带的美国国债收益率曲线利率数据。
2010-10-20 math.ST stat.TH
Nonparametric estimation of the conditional density function with right-censored and dependent data
本文研究了右删失数据下条件密度函数的局部常数和局部线性估计。假设观测值构成一个平稳的$α-$混合序列。建立了这两种估计的渐近正态性，并结合$\lim\limits_{n\rightarrow\infty}nh_nb_n=\infty$隐含这两种估计相合的条件，给出了构造条件密度函数置信区间的方法. Kim等人（2010）中关于条件密度函数的局部线性估计的结果从i.i.d.将条件密度函数的局部线性估计的结果从$ρ$混合假设放宽到$α-$混合设置，并且将Spierdijk（2008）中的条件密度函数的局部线性估计的结果从$ρ$混合假设放宽到$α-$混合设置。有限样本行为的估计进行了研究，通过模拟。
2019-07-10 math.ST stat.TH
Specification tests in semiparametric transformation models - a multiplier bootstrap approach
我们考虑半参数转换模型，其中在响应的参数转换的预估计之后，通过非参数回归对数据进行建模。我们建议随后的程序，用于测试缺乏拟合的回归函数和协变量的意义，这-相反，从文献中的程序-渐近不受预估计的转换。检验统计量是渐近关键的，并且具有与无变换回归模型相同的渐近分布。我们证明了乘数引导程序的有效性，这是更容易实现和更少的计算要求比引导程序的转换模型的基础上。在模拟研究中，我们证明了优越的性能的程序相比，从文献中的竞争对手。
2019-01-24 math.ST stat.ME stat.TH
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
A Residuals-Based Nonparametric Variance Ratio Test for Cointegration
本文推导了Breitung非参数方差比检验用于回归残差的渐近理论，证明其在有限样本中具有较好的规模校正功效，且无功效反转问题，并应用于加密货币价格数据。
2022-12-07 econ.EM math.ST stat.TH
Nonparametric methods for volatility density estimation
金融过程的随机波动率模型已经变得越来越流行。所提出的模型通常包含一个平稳的波动过程。我们将激励和审查几个非参数方法估计的波动率过程的密度。这两个模型的基础上离散采样连续时间过程和离散时间模型将进行讨论。分析的关键见解是将波动率密度估计问题转换为标准方法存在的反卷积模型。综述了三种非参数密度估计：傅立叶型反卷积核密度估计、小波反卷积密度估计和惩罚投影估计。这些估计的性能进行比较。关键词：随机波动模型，反褶积，密度估计，核估计，小波，最小对比估计，混合
2009-10-27 math.ST q-fin.ST stat.ME
Nonparametric inference for density-dependent McKean--Vlasov diffusions
Duisburg-Essen University（杜伊斯堡-埃森大学）
本研究针对多元McKean--Vlasov扩散过程，提出基于稀疏ReQU神经网络的筛最大似然估计量，证明其在平稳密度与漂移系数估计上的收敛速率，且该速率达到极小极大最优性。
2026-09-02 math.PR math.ST stat.ML
Nonparametric estimation of trawl processes: Theory and applications
Aalborg University（奥尔堡大学）；Imperial College London（帝国理工学院）
本文提出非参数估计方法用于估计牵引过程的牵引函数及序列相关性，并建立其渐近理论，应用于模型检验、高频金融数据预测及随机队列分析。
2026-02-13 math.ST stat.ME stat.TH
Nonparametric Block Bootstrap Kolmogorov-Smirnov Goodness-of-Fit Test
本文针对平稳序列相关数据中KS拟合优度检验的非参数自助偏差校正缺失问题，提出基于非参数分块自助的偏差校正方法，并通过模拟和S&P 500股票收益实证验证其检验水平与功效。
2025-11-07 stat.ME
Adaptation for nonparametric estimators of locally stationary processes
提出了局部平稳过程非参数估计的两种自适应带宽选择方法。我们研究了交叉验证方法和基于对比度最小化的方法，并推导出这两种方法的渐近性质。结果适用于不同的统计下，包括非线性过程的局部平稳性的广泛设置。同时，我们深化了基于平稳近似的局部平稳性的一般框架。例如，一个一般的伯恩斯坦不等式推导出这样的过程。对协方差函数和更复杂的泛函进行的仿真研究表明，这两种自适应方法都能很好地工作。
2019-02-27 math.ST stat.TH
Nonparametric Functional Analysis of Generalized Linear Models Under Nonlinear Constraints
Johns Hopkins University（约翰斯·霍普金斯大学）
本文介绍了一种新的广义线性模型的非参数方法，它结合了二元回归和分类数据的潜变量公式的优点，同时克服了它们的缺点。需要最少的假设，它扩展了最近公布的参数版本的方法和generalizedit.If底层的数据生成过程是不对称的，它提供了一致更好的预测和推理性能的参数制定。此外，它引入了一个新的分类统计，利用我表明，总体而言，它具有更好的模型拟合，推理和分类性能比参数版本，和性能的差异是统计上显着的，特别是如果数据生成过程是不对称的。此外，该方法可用于对任何模型规范执行模型诊断。这是一个非常有用的结果，它将现有的分类模型诊断工作扩展到了各个科学领域。数学结果还突出了关于统计意义和科学意义相互作用的重要新发现。最后，将该方法应用于各种真实世界的数据集，以表明它可能优于广泛使用的现有模型，包括随机森林和深度神经网络，迭代次数很少。
2021-10-11 cs.LG math.FA math.PR
Nonparametric Density Estimation under Distribution Drift
Brown University（布朗大学）
本文研究分布随时间漂移时的非参数密度估计，针对离散和连续光滑密度证明紧致极小极大风险界，并推广了漂移下不可知学习的已有结果。
2023-10-27 cs.LG stat.ML
