Semiparametrically efficient inference based on signed ranks in symmetric independent component models
我们考虑半参数位置-散布模型，其$p$ -变量观测被获得为$X=ΛZ+μ$，其中$μ$是$p$ -向量，$Λ$是满秩$p\times p$矩阵，并且（未观测的）随机$p$ -向量$Z$具有居中且相互独立但未指定的边缘。与盲源分离和独立分量分析（ICA）一样，本文中感兴趣的参数是$Λ$。在$n$ i.i.d.的$X$的副本，我们开发，在$Z$的对称性假设下，符号秩单样本检验和估计程序$Λ$。我们利用该模型的均匀局部性和渐近正态性（ULAN）来定义在正确指定的密度下半参数有效的符号秩程序。然而，通常在基于秩的推理，所提出的程序仍然有效（正确的渐近大小下的零，假设检验，和根$n$一致性，点估计）在一个非常广泛的密度范围。我们推导出所提出的方法的渐近性质，并通过模拟研究其有限样本行为。
2012-02-23 math.ST stat.TH
Statistical inference across time scales
我们研究跨时间尺度的统计推断。本文以离散观测的具有对称伯努利跳的复合泊松过程的强度估计为玩具模型。我们有不同时间尺度的数据：微观的、中间的和宏观的。我们量化了从微观泊松制度到宏观高斯制度的平滑统计过渡。经典的二次变差估计在微观和宏观尺度上都是有效的，但令人惊讶的是，在与采样率明确相关的中间尺度上显示出大量的信息信息的损失。我们讨论了这些发现超出这个理想化的框架的影响。
2011-06-06 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
Statistical inference for expectile-based risk measures
Newey和Powell（1987）在线性回归模型中引入了期望值。最近，Bellini等人（2014）揭示，预期也可以被视为合理的法律不变的风险措施。在这篇文章中，我们证明了相应的统计泛函是连续w.r.t. $1$ -弱拓扑和适当的功能可微。利用这些正则性结果，我们可以得到非参数和参数统计模型中相应估计的相合性、渐近正态性、Bootstrap相合性和定性稳健性等性质.
2016-09-20 math.ST stat.TH
The Logarithmic Super Divergence and Statistical Inference : Asymptotic Properties
基于分歧度量的统计推断有着悠久的历史。最近，Maji，Ghosh和Basu（2014）引入了一个一般的发散族，称为对数超发散族（LSD）。该家族作为对数幂发散（LPD）家族（例如，Renyi，1961）和Jones等人（2001）引入的对数密度幂散度（LDPD）家族。在本文中，我们描述的渐近性质的推理过程中产生的分歧离散模型。这些性质得到了真实数据实例的很好支持。
2014-06-09 math.ST stat.TH
Discussion: Foundations of Statistical Inference, Revisited
这是对Deborah Mayo教授的论文“关于强似然原理的Birnbaum论证”的讨论的邀请贡献，将出现在统计科学中。梅奥清楚地表明，违反似然原则的统计方法不一定违反充分性或条件性原则，从而驳斥了伯恩鲍姆的主张。随着Birnbaum定理的限制解除，我们重新审视了统计推断的基础，重点放在一些新的基本原则，推理模型框架，并与充分性和条件反射的连接。[arXiv：1302.7021]
2014-11-04 math.ST stat.TH
Statistical Inference for Incomplete Ranking Data: The Case of Rank-Dependent Coarsening
Paderborn University（帕德博恩大学）；University of Oviedo（奥维耶多大学）
我们考虑排名数据的统计推断问题，特别是排名聚合，假设样本是不完整的意义上，不包括所有的选择方案。与大多数现有的方法相比，我们显式地模拟了将完整排名变成不完整排名的过程，我们称之为粗化过程。为此，我们提出了排名相关粗化的概念，它假设不完整的排名是通过将完整的排名投影到随机的排名子集来产生的。对于我们的模型的一个具体实例，其中完整的排名是从Plackett-Luce分布和意见采取成对偏好的形式，我们研究了各种排名聚合方法的性能。除了在有限样本设置的预测准确性，我们解决的一致性的理论问题，我们的意思是恢复目标排名时，样本量到无穷大的能力，尽管潜在的偏见所造成的观察（未知）粗化。
2017-12-04 cs.LG math.ST stat.ML
Statistical Inference for Low-Rank Tensor Models
本文提出统一框架，通过去偏与切空间投影推断低Tucker秩张量的一般及结构化线性泛函，实现渐近正态与极小化极大最优置信区间，填补了高维张量统计推断的方法论空白。
2025-01-27 math.ST stat.ME stat.ML
Statistical inference for dynamical systems: a review
动力系统的统计推断已经在多个领域得到了广泛的研究。本文主要研究非线性动力系统的参数估计问题。我们的目标是将不同学科的结果放在一个共同的环境中，并突出进一步研究的机会。
2012-06-16 math.DS math.ST stat.TH
Statistical Inference for Fractional Diffusions
本文综述了由分数布朗运动驱动的随机微分方程的统计推断方法，分析了现有理论、挑战并提出新方法，探讨了分数扩散作为均质化极限的情况。
2026-04-04 math.PR math.ST stat.TH
Finite-Sample Valid Rank Confidence Sets for a Broad Class of Statistical and Machine Learning Models
Rutgers, The State University of New Jersey（新泽西州立罗格斯大学）
本文提出Repro Samples方法，通过构建置信集来解决有限样本下广泛统计和机器学习模型中秩估计的不确定性问题，并通过模拟和真实数据验证其有效性。
2025-12-04 math.ST stat.ME stat.TH
Statistical Inference in Tensor Completion: Optimal Uncertainty Quantification and Statistical-to-Computational Gaps
本文针对张量补全的统计推断问题，提出结合初始估计、去偏与一步幂迭代的方法，证明其达到不确定性量化最优，探究了统计-计算鸿沟及初始化的影响，给出相变结论且模拟结果与理论一致。
2024-11-01 math.ST stat.ML stat.TH
Statistical Inference and Large-scale Multiple Testing for High-dimensional Regression Models
本文对高维回归模型（包括线性和逻辑斯谛回归）的统计推断和多重检验的最新发展进行了选择性的综述。我们检查的置信区间和假设检验的各种低维目标，如回归系数和线性和二次泛函的建设。其关键技术是为目标低维目标生成去偏和去parasized估计器，并估计其不确定性。除了涵盖这些统计方法背后的动机和直觉之外，我们还讨论了它们在高维推理背景下的最优性和自适应性。此外，我们还回顾了基于多元回归模型的统计推断的最新发展和高维回归的大规模多重检验的进展。R包SIHR已经实现了本文讨论的一些高维推理方法。
2023-01-25 math.ST stat.ME stat.TH
Rigidity theory in statistical inference
Tulane University（杜兰大学）
本文探讨了高斯模型最大似然阈值与刚性理论的关系。
2026-01-15 math.CO math.ST stat.TH
Pseudo-Maximum Likelihood Theory for High-Dimensional Rank One Inference
本文提出高维秩一矩阵估计的伪极大似然理论，证明极限伪极大似然的普适变分原理仅由四个参数决定，并据此建立估计问题等价性，将社区检测、稀疏子矩阵检测及非线性尖峰模型统一为尖峰矩阵模型，最终完整刻画最小二乘估计量的性能。
2025-11-07 math.PR math.ST stat.TH
Minimax-optimal Inference from Partial Rankings
本文研究了基于Plackett-Luce模型的用户对不同子集的部分排序的全局偏好推断问题。一个特别感兴趣的问题是如何最佳地分配项目给用户进行排名，以及需要多少项目分配才能实现目标估计误差。对于一个给定的项目分配给用户，我们首先推导出一个甲骨文下界的估计误差，甚至更一般的Thurstone模型。然后，我们证明了Cramér-Rao下界和我们的上界逆依赖于适当定义的比较图的Laplacian的谱间隙。当允许系统选择项目分配时，我们提出了一个随机分配方案。我们的甲骨文的下限和上限意味着它是最小最大最优的对数因子之间的所有分配方案和下限可以实现的极大似然估计以及流行的破秩计划，分解部分排名成对比较。数值实验证实了我们的理论研究结果。
2014-06-21 math.ST stat.ML stat.TH
Inference for Low-rank Tensors -- No Need to Debias
Hong Kong University of Science and Technology（香港科技大学）；Duke University（杜克大学）；Princeton University（普林斯顿大学）
本文考虑几种低秩张量模型的统计推断。具体地说，在Tucker低秩张量PCA或回归模型中，提供任何估计达到一些可达到的差错率，我们开发的数据驱动的置信区域的奇异子空间的参数张量的基础上的渐近分布的更新估计两次迭代交替最小化。在对信噪比（PCA模型）或样本量（回归模型）的一些必要条件下，建立了渐近分布。如果参数张量是进一步正交分解，我们开发的方法和非渐近理论推断每个单独的奇异向量。对于秩一张量PCA模型，我们建立了主成分的一般线性型的渐近分布和参数张量的每个元素的置信区间。最后，数值模拟证实了我们的理论发现。在所有这些模型中，我们观察到，与现有工作中的许多矩阵/向量设置不同，去偏不需要建立估计的渐近分布或对低秩张量进行统计推断。事实上，由于广泛观察到的低秩张量估计的计算间隙，通常需要比统计（或信息理论）限制更强的条件来确保计算上可行的估计是可实现的。令人惊讶的是，这样的条件“偶然”呈现出一个可行的低秩张量推断而不去偏置。
2021-10-29 cs.LG math.ST stat.ME
Perturbation of matrices and non-negative rank with a view toward statistical models
在本文中，我们研究如何扰动矩阵改变其非负秩。我们证明了非负秩是上连续的，并描述了一些特殊的扰动族。通过对混合模型的极大似然估计的研究，说明了我们的结果与统计量的关系。
2011-07-20 math.AC math.CO math.PR
Lagrangian Inference for Ranking Problems
Harvard University（哈佛大学）；Pennsylvania State University（宾夕法尼亚州立大学）；Harvard T.H. Chan School of Public Health（哈佛大学陈曾熙公共卫生学院）
本文提出一种新的组合推断框架，用于在排序问题中进行一般不确定性量化，基于Bradley-Terry-Luce模型，推断局部和全局排序属性，并通过数值实验验证方法的最优性。
2021-10-01 cs.LG math.ST stat.ML
A New Family of Divergences Originating from Model Adequacy Tests and Application to Robust Statistical Inference
最小散度方法是各种统计应用中的流行工具。我们认为管状模型充分性测试，并证明，在这个过程中产生的新的分歧是非常有用的强大的统计推断。特别是，我们表明，家庭的$S$ -分歧，可以选择开发使用管状模型充分性测试，进一步应用的范例产生一个更大的超家庭的分歧。我们描述了这个更大的类的属性及其在鲁棒推理中的潜在应用。一路上，失败的一阶影响函数分析，在捕捉这些程序的鲁棒性也成立。
2018-01-15 math.ST stat.ME stat.TH
Online Statistical Inference for Stochastic Optimization via Kiefer-Wolfowitz Methods
本文研究随机优化参数的在线统计推断，分析随机搜索方向下 AKW 估计量的渐近分布及其效率与查询复杂度权衡，并给出两种置信区间构造方法。
2023-12-10 math.ST stat.ML stat.TH
Statistical Inference for Rank Allocation in Low-Rank Adaptation
Department of Mathematics, National University of Singapore（数学系，新加坡国立大学）；Department of Mathematics and Department of Electrical and Computer Engineering, National University of Singapore（数学系和电气与计算机工程系，新加坡国立大学）
研究低秩适应中在固定参数预算下分配秩资源的问题，提出StatLoRA方法，将其表述为统计假设检验问题，通过检验统计量和p值确定组件取舍，实验表明该方法在匹配秩预算下性能良好，支持了分配规则稳定性及渐近理论。
2026-07-23 cs.LG math.ST stat.ML
On The Problem of Relevance in Statistical Inference
本文致力于“50年的相关性问题”-一个长期被忽视的话题，提请注意实际统计学家谁是关注的问题，从大规模的异构数据的推断。
2021-05-04 math.ST stat.ME stat.ML
Near-Efficient and Non-Asymptotic Multiway Inference
本文在泊松计数数据模型下研究基于张量CP分解的多路推断，证明秩一情形下秩约束最大似然估计器可达近CRLB效率，并给出高秩情形下近极小极大最优的参数推断误差界。
2025-11-07 cs.NA math.NA math.ST
Extended Fiducial Inference: Toward an Automated Process of Statistical Inference
Purdue University（普渡大学）；Harvard Medical School（哈佛医学院）；Harvard Pilgrim Health Care Institute（哈佛朝圣者医疗保健研究所）；University of Pennsylvania（宾夕法尼亚大学）
本文提出扩展置信推断（EFI），结合随机梯度MCMC与稀疏深度神经网络，实现大数据下参数不确定性推断的自动化，并在参数估计和假设检验中优于传统方法。
2024-07-31 cs.LG math.ST stat.ML
Ranking Inferences Based on the Top Choice of Multiway Comparisons
本文基于每次试验中$M$随机选择项目的最佳选择的观察数据，考虑了$n$项目的排序推理。这是一个有用的修改Plackett-Luce模型的$M$方式的排名，只有最高的选择观察，是一个著名的布拉德利-特里-卢斯模型，对应于$M=2$的扩展。在一个统一的抽样方案，其中任何$M$区分项目被选择用于比较概率$p$和所选择的$M$项目比较$L$倍与多项结果，我们建立了统计收敛率的基础$n$偏好评分使用$\ell_2$ -范数和$\ell_\infty$ -范数，以最小的抽样复杂性。此外，我们建立的极大似然估计，使我们能够构建置信区间的基本分数的渐近正态性。此外，我们提出了一种新的推理框架，通过一个复杂的最大成对差异统计，其分布估计通过一个有效的高斯乘数引导的排名项目。估计的分布，然后用于构建同时置信区间的差异，在偏好得分和排名的个别项目。它们还使我们能够解决关于这些项目的等级的各种推理问题。广泛的模拟研究提供了进一步的支持，我们的理论结果。一个真实的数据应用程序令人信服地说明了所提出的方法的有用性。
2023-01-05 cs.IT math.IT math.ST
Inference for Low-rank Models without Estimating the Rank
本文针对高维低秩矩阵线性泛函推断提出一种对秩错误设定稳健的方法，利用多样化投影估计低秩空间，并证明只要预设秩不小于真实秩，中心极限定理即成立。
2024-10-17 econ.EM stat.ME
On the Limits of Topological Data Analysis for Statistical Inference
本文从统计推断视角审视拓扑汇总统计量，研究了实现有效统计推断的充分必要条件，并提供了对拓扑汇总具有不变性的模型示例。
2024-02-15 math.AT math.PR math.ST
Statistical inference in massive datasets by empirical likelihood
本文将分治法与经验似然法相结合，提出了一种新的海量数据统计推断方法。与目前流行的两种方法（小Bootstrap包法和二次抽样Bootstrap法）相比，该方法充分利用了数据集，减少了计算量。大量的数值研究和实际数据分析表明，我们所提出的方法的有效性和灵活性。此外，我们的方法的渐近性质。
2020-04-18 math.ST stat.ME stat.ML
On Quantum Statistical Inference, II
最近，随着研究小量子系统的实验技术的巨大发展，对与量子系统测量有关的统计推断问题的兴趣大大增加。此外，量子测量理论的发展使概率计算的基本数学框架更接近经典概率论。本文件回顾了这一领域，并提出了一些新的概念，并相互关联的经典统计推断的量子背景下的扩展。
2003-12-14 math.PR math.ST quant-ph
Optimal Universal Quantum Encoding for Statistical Inference
The University of Melbourne（墨尔本大学）
该研究针对量子统计推断的经典数据编码问题，证明最大量子泄漏量是编码质量的通用衡量指标，得出纯态可实现最优通用编码、比特充足时基矢编码最优的结论，并提出了数值求解的迭代方法。
2024-04-12 cs.LG eess.SP math.ST
Statistical Inference and Exact Saddle Point Approximations
统计推断可以遵循频率论方法，或者可以遵循贝叶斯方法，或者可以使用最小描述长度原则（MDL）。我们的目标是确定这些不同的统计推断方法一致的情况。证明了对于指数族，MDL和贝叶斯推论一致的充要条件是共轭指数族的重整化鞍点逼近是精确的。对于一维指数族，唯一具有精确重整化鞍点近似的族是高斯位置族、Gamma族和逆高斯族。它们是高斯位置族、Gamma族和泊松指数族的共轭族。前两个家族是自共轭的，这意味着只有对于前两个家族，贝叶斯方法与频率论方法是一致的。在更高的维度中，有更多的例子。
2018-05-06 cs.IT math.IT math.ST
Online Statistical Inference in Decision-Making with Matrix Context
Daniels School of Business, Purdue University（普渡大学丹尼尔斯商学院）
本研究针对矩阵上下文在线决策问题，提出一种在线去偏推断方法，同时处理低秩结构偏差和自适应数据偏差，实现参数与最优策略值的渐近正态推断。
2025-04-18 cs.LG math.ST stat.ML
Statistically Optimal and Computationally Efficient Low Rank Tensor Completion from Noisy Entries
在这篇文章中，我们开发的方法来估计一个低秩张量从噪声观测的一个子集的条目，以实现统计和计算效率。最近有很多兴趣在这个问题的噪音张量完成。大部分的注意力都集中在与高阶张量问题相关的基本计算挑战上，但对它们的统计性能知之甚少。为了填补这一空白，在这篇文章中，我们的基本统计限制的噪声张量完成建立极小极大最优收敛率估计$k$阶低秩张量下的一般$\ell_p$（$1\le p\le 2$）规范，这表明显着的改进空间比现有的方法。此外，我们提出了一个多项式时间可计算的估计过程的基础上的权力迭代和二阶谱初始化，实现最佳的收敛速度。我们的方法是相当容易实现和数值实验，以进一步证明我们的估计的实际优点。
2018-03-19 cs.IT math.IT math.ST
Statistical inference using SGD
The University of Texas at Austin（德克萨斯大学奥斯汀分校）；IBM T.J. Watson Research Center, Yorktown Heights（IBM T.J. Watson 研究中心，约克镇高地）
我们提出了一种新的方法，频率统计推断$M$估计问题，随机梯度下降（SGD）的基础上，具有固定的步长：我们证明，这种SGD序列的平均值可以用于统计推断，经过适当的缩放。使用Ornstein-Uhlenbeck过程的直观分析表明，这样的平均值是渐近正态的。从实践的角度来看，我们的SGD为基础的推理过程是一个一阶的方法，非常适合于大规模的问题。为了展示其优点，我们将其应用于合成和真实数据集，并证明其准确性与经典统计方法相当，同时需要的计算量可能少得多。
2017-11-19 cs.AI cs.LG math.OC
An integrative approach based on probabilistic modelling and statistical inference for morpho-statistical characterization of astronomical data
本文介绍了在天文学和宇宙学中的几个应用，解决了使用概率建模和统计推断。
2015-10-19 astro-ph.IM stat.AP
Statistical inference for high-dimensional convoluted rank regression
本文研究高维卷积秩回归的统计推断，建立惩罚估计误差界与去偏估计的 Bahadur 表示，并借助 Gaussian 近似和 bootstrap 构造同时置信区间。
2025-02-19 stat.ME
A Unified Statistical Learning Model for Rankings and Scores with Application to Grant Panel Review
排名和分数是两种常见的数据类型，法官用来表达偏好和/或对一组对象质量的看法。存在许多模型来分别研究每种类型的数据，但是没有统一的统计模型在不首先执行数据转换的情况下同时捕获两种数据类型。我们提出了马洛斯-二项式模型来缩小这一差距，它结合了马洛斯的$ϕ$排名模型与二项式得分模型，通过共享参数，量化对象的质量，共识排名，和法官之间的共识水平。我们提出了一个有效的树搜索算法来计算模型参数的精确MLE，通过分析和模拟研究模型的统计特性，并将我们的模型应用于真实数据，从一个实例中收集分数和部分排名的赠款小组审查。此外，我们还演示了如何使用模型输出来对对象进行置信度排名。所提出的模型被证明是明智的结合从分数和排名的信息，以量化对象的质量和测量的共识与适当水平的统计不确定性。
2022-06-24 stat.ME stat.ML
generalRSS: Sampling and Inference for Balanced and Unbalanced Ranked Set Sampling in R
本文介绍R语言的generalRSS包，它支持平衡与非平衡排序集抽样的数据生成、样本分配及统计推断，通过医学数据应用验证了其实用性，弥补了现有软件的局限。
2025-09-02 stat.CO stat.ME
A very short guide to IOI: A general framework for statistical inference summarised
综合有机推理（IOI）是讨论在一个简洁和非正式的方式，目的是给读者的要点是什么，这种方法，以统计推断是关于以及给予指针，以进一步阅读。
2021-04-23 stat.ME stat.OT
Convolution of Scale Invariant Continuous Ranked Probability Scores for Testing Experts' Statistical Accuracy
本文提出尺度不变的连续排名概率得分及其卷积闭式解，用于检验专家概率预测的统计准确性，并在6,761条真实预测数据上与卡方拟合优度检验进行比较。
2023-04-18 stat.ME
Empirical Likelihood Inference for Area under the ROC Curve using Ranked Set Samples
受试者工作特征曲线（AUC）下的面积是一个有用的工具，以评估性能的连续规模的诊断测试对二进制分类。在这篇文章中，我们提出了一个经验似然（EL）的方法来构建置信区间的AUC从数据收集的秩集抽样（RSS）。建议的EL为基础的方法，使推理无需假设在现有的非参数方法，并利用RSS的抽样效率。我们发现，对于平衡和不平衡的RSS，基于EL的点估计是Mann-Whitney统计量，置信区间可以从缩放的χ 2分布中获得。对糖尿病和慢性肾脏疾病数据的模拟研究和两个案例研究表明，使用所提出的方法和RSS可以更有效地推断AUC。
2022-05-04 stat.ME
Low-rank Panel Quantile Regression: Estimation and Inference
在本文中，我们提出了一类低秩面板分位数回归模型，允许不可观察的斜率异质性的个人和时间。我们估计的异质截距和斜率矩阵通过核范数正则化，然后通过样本分裂，行和列的分位数回归和去偏。我们证明了与截距和斜率矩阵相关的因子和因子载荷的估计量是渐近正态分布的。此外，我们开发了两个规格测试：一个零假设的斜率系数是一个常数随着时间和/或个人的情况下，真实的秩的斜率矩阵等于1，和其他的零假设的斜率系数的情况下，真实的秩的斜率矩阵等于2的情况下，表现出一个加性结构。我们通过蒙特卡罗模拟和真实数据集说明了估计和推断的有限样本性能。
2022-10-20 econ.EM stat.ME
Inference for Impulse Responses under Model Uncertainty
在许多宏观经济应用中，脉冲响应的置信区间是通过估计VAR模型的水平来构建的-忽略协整秩的不确定性。我们研究忽略这种不确定性的后果。我们采用了几种方法来处理模型的不确定性，并强调其缺点。我们提出了一种新的方法-加权推理模型似然性（WIMP）-考虑排名的不确定性，在数据驱动的方式。在模拟中，WIMP优于所有其他考虑的方法，提供的间隔是强大的排名不确定性，但不是过于保守。我们还通过重新评估财政政策冲击的影响，研究了等级不确定性对应用宏观经济分析的潜在影响。
2019-10-07 econ.EM stat.AP stat.ME
Statistical inference for statistical decisions
Wald发展的统计决策理论解决了样本数据的决策问题。Wald的统计决策函数（SDF）概念包含了[data -> decision]形式的所有映射。SDF不需要进行统计推断;也就是说，它不需要使用数据来得出关于自然真实状态的结论。基于推理的SDF具有顺序形式[数据->推理->决策]。本文激励基于推理的SDF作为决策的实际程序，可能会完成一些沃尔德设想。本文首先解决二元选择问题，所有的SDF可以被视为假设检验。它接下来考虑假设优化，它使用真实状态的点估计，就好像估计是准确的一样。然后，它扩展了这个想法，如果最大和最小最大遗憾的决定，使用点估计的一些功能的真实状态，如果他们是准确的。本文主要采用有限样本最大遗憾来评估基于推理的SDF的性能。为了说明抽象的想法，它提出了具体的调查结果，处理选择和点预测样本数据。
2019-09-15 econ.EM stat.ME
Statistical Inference: The Big Picture
统计学已经超越了过去的频率论-贝叶斯争议。这让我们解释结果的能力到哪里去了？我认为，一种与统计实践相容的哲学，在这里被称为统计实用主义，可以作为推理的基础。统计实用主义是包容性的，强调将统计模型与观察数据联系起来的假设。我认为，入门课程往往错误地描述了统计推断的过程，我提出了一个替代的“大局”的描述。
2011-06-22 stat.ME stat.OT
Statistical inference for Axiom A attractors
从气候系统到互联网对社会的影响，混沌系统似乎在我们的未来发挥着重要作用。在这里描述了一类混沌系统的统计学习方法以及基本理论，不仅可以用于预测这些系统的短时间提前，但也作为统计推断的基础上，他们的动态。该方法被应用于3个不同的系统的预测。统计推断方面可以应用于探索和增强这种系统的计算机模型，这反过来可以为更好的预测和更精确的推断提供反馈。
2020-02-24 stat.AP
Discussion of "Statistical Inference: The Big Picture" by R. E. Kass
《统计推断：The Big Picture》，R. E.卡斯[arXiv：1106.2895]
2011-06-17 stat.ME
Discussion of "Statistical Inference: The Big Picture" by R. E. Kass
《统计推断：The Big Picture》，R. E.卡斯[arXiv：1106.2895]
2011-06-17 stat.ME
Valid and Exact Statistical Inference for Multi-dimensional Multiple Change-Points by Selective Inference
Nagoya Institute of Technology（名古屋工业大学）；RIKEN（日本理化学研究所）
本文研究了多维序列中变点的统计推断。在从多维序列的CP检测中，通常期望不仅检测位置，而且识别其中发生变化的分量的子集。已经提出了几种算法，这样的问题，但没有有效的精确推理方法已被建立，以评估检测到的位置和组件的统计可靠性。在这项研究中，我们提出了一种方法，可以保证检测到的变化的位置和组件的统计可靠性。我们证明了所提出的方法的有效性，将其应用到基因组异常识别和人类行为分析的问题。
2021-10-18 cs.LG stat.ML
Discussion of "Statistical Inference: The Big Picture" by R. E. Kass
《统计推断：The Big Picture》，R. E.卡斯[arXiv：1106.2895]
2011-06-17 stat.ME
Statistical inference for epidemic processes in a homogeneous community (Part IV of the book Stochastic Epidemic Models and Inference)
本文是由Tom Britton和Etienne Pardoux编辑的《Stochastic Epidemic Models with Inference》一书的第四部分。它是由凯瑟琳·拉雷多写的，第四章由越南志陈贡献。流行病数据提出了具有挑战性的统计问题，首先是处理缺失信息这一反复出现的问题。我们回顾的方法，如MCMC，ABC或基于扩散近似的方法。本文件计划：1）观测与渐近框架; 2）马尔可夫链传染病模型的推断; 3）传染病模型基于扩散近似的推断; 4）连续时间SIR模型的推断。
2020-04-16 math.PR stat.AP
Inference on multiple quantiles in regression models by a rank-score approach
University of Padova（帕多瓦大学）；University of Bologna（博洛尼亚大学）；Ca’ Foscari University of Venice（威尼斯卡福斯卡里大学）
本文提出一种多变量秩-分数检验的扩展方法，嵌入封闭检验程序以有效处理多重检验问题，并通过理论和模拟研究证明该方法能有效控制家庭错误率并提升统计功效。
2026-04-09 stat.ME
Contemporary statistical inference for infectious disease models using Stan
本文关注的是应用最新的统计进展推断传染病的动力学。我们描述了一类流行病模型的拟合使用哈密顿蒙特卡罗和变分推断实现在免费提供的斯坦软件。我们将这两种方法应用于疫情的真实数据以及常规收集的观察结果。我们的研究结果表明，这两种推理方法在这种情况下是计算上可行的，并显示统计效率与计算速度之间的权衡。后者似乎特别适用于实时应用。
2019-08-08 q-bio.QM stat.AP
