Inference on Eigenvalues of Wishart Distribution Using Asymptotics with respect to the Dispersion of Population Eigenvalues
本文基于总体特征值的块级无穷离差的渐近理论，得到了Wishart矩阵总体特征值的检验和区间估计问题的一些新的实用结果.本文作者在Takemura和Sheena（2005）和Sheena和Takemura（2007 a，b）中发展了这种新的渐近理论，并在这些论文中将其应用于决策理论框架下的总体协方差阵的点估计问题。在本文中，我们将其应用到一些测试和区间估计问题。我们表明，基于这种类型的渐近近似一般比传统的大样本渐近的问题。
2007-04-18 math.ST stat.TH
General forms of finite population central limit theorems with applications to causal inference
频率学家的推断通常提供与感兴趣的参数的置信区间或集合相关联的点估计。构造置信区间或置信集需要理解点估计量的抽样分布，在许多但并非所有情况下，这些分布与由中心极限定理确保的渐近正态分布有关。尽管已有文献为超总体模型的统计推断建立了各种形式的中心极限定理，但对于某些基于随机化的因果分析，我们仍然需要一般形式的中心极限定理，其中参数是有限总体的函数，随机性仅来自于处理分配.利用抽样调查和秩统计量的中心极限定理建立了有限总体中心极限定理的一般形式，该定理对于证明零个体因果效应的尖锐原假设下随机化检验的渐近分布，以及获得因果效应估计量的渐近重复抽样分布特别有用.新的中心极限定理适用于多处理水平和多处理因子的一般试验设计，并可直接应用于研究因果推断中许多方法的渐近性质，包括工具变量、回归调整、重新随机化、聚类随机化试验等。它实际上依赖于以前没有建立的有限总体中心极限定理的一般形式。我们的新定理填补了这一空白，为基于渐近随机化的因果推理提供了更坚实的理论基础。
2016-10-16 math.ST stat.TH
Simultaneous Inference for Empirical Best Predictors with a Poverty Study in Small Areas
目前，广义线性混合模型在许多领域得到了广泛的应用。然而，在这一领域中，用于执行同时推理的工具的开发在很大程度上被忽视了。联合推理的框架是必不可少的进行统计有效的多个比较的参数之间的所有或几个集群的利益。因此，我们开发的同时置信区间和多重检验程序的经验最佳预测下广义线性混合模型。此外，我们实施我们的方法来研究广泛使用的混合模型，即单位级二项式，面积级泊松-伽玛和面积级泊松-对数正态混合模型的例子。渐近结果伴随着广泛的模拟。一个预测贫困率的案例研究说明了我们的同步推理工具的适用性和优势。
2021-05-28 stat.AP stat.CO
Bootstrap inference for the finite population total under complex sampling designs
Bootstrap是进行统计推断的有用工具，但在复杂的调查抽样下可能提供错误的结果。关于Bootstrap推理的研究大多是在简单随机抽样和分层随机抽样下进行的。本文提出了一种统一的Bootstrap方法，它适用于一些复杂的抽样设计，包括Poisson抽样和概率比例抽样。Bootstrap方法的两个主要特点是使用学生化进行推理，并通过引入抽样信息，基于多项分布对有限总体进行Bootstrap。我们表明，所提出的自助方法是二阶准确使用Edgeworth展开。两个模拟研究进行了比较建议的自助方法与Wald型方法，这是广泛使用的调查抽样。结果表明，所提出的自助方法是更好的覆盖率，特别是当样本量有限。
2019-01-07 math.ST stat.ME stat.TH
Semiparametric inference on Gini indices of two semicontinuous populations under density ratio models
基尼系数是一种流行的不平等衡量标准，在社会和经济研究中有许多应用。本文研究了两个连续总体基尼指数的半参数推断。我们的特点是每个连续人口的分布由一个离散的点质量在零和一个连续的偏正分量的混合物。半参数密度比模型，然后连接两个分布的正分量。我们提出了两个基尼指数的最大经验似然估计及其差，并进一步研究了所提出的估计的渐近性质。渐近结果使我们能够构建置信区间，并进行假设检验的两个基尼指数和他们的差异。我们表明，建议的估计是更有效的比现有的完全非参数估计。所提出的估计和渐近结果也适用于没有过多零值的情况。仿真研究表明，我们提出的方法优于现有的方法。两个真实数据的应用程序，提出了使用所提出的方法。
2021-06-04 math.ST stat.ME stat.TH
Semiparametric inference on general functionals of two semicontinuous populations
本文提出了对两个连续总体的线性泛函及其函数进行推断的新的半参数方法。每个总体的分布通常是由一个离散的零点质量和一个连续的偏正分量的混合物来表征的，因此这种分布在本质上是不连续的。为了利用来自两个群体的信息，我们通过半参数密度比模型对两个混合分布的正分量进行建模。在此模型下，我们构造了线性泛函及其函数的极大经验似然估计，并证明了估计的渐近正态性。我们证明了线性泛函的估计比完全非参数估计更有效。渐近结果使我们能够构造置信区域和进行假设检验的线性泛函及其功能。我们进一步将这些结果应用到几个重要的总结量，如矩，平均比，变异系数，和广义熵类不等式措施。仿真研究表明，我们提出的半参数方法的优势，一些现有的方法。两个实际数据的例子是为了说明。
2020-12-18 math.ST stat.ME stat.TH
An exploration into how susceptibility distribution misspecifications impact epidemic forecasting
Department of Mathematics and Statistics, University of Strathclyde（斯特拉斯克莱德大学数学与统计系）；Department of Mathematical Sciences, Abubakar Tafawa Balewa University（阿卜巴卡尔·塔法瓦·巴勒瓦大学数学科学系）；Public Health Scotland（苏格兰公共卫生局）；Centre for Mathematics and Applications (NOVA MATH), NOVA School of Science and Technology（新里斯本理工大学科学与技术学院数学与应用研究中心）
研究比较了SEIR框架下伽马和对数正态易感性分布的错误设定，发现中等异质性时流行轨迹差异显著，但错误设定对预测的影响较小，建议采用异质性模型。
2026-06-07 stat.AP stat.CO
Tailored inference for finite populations: conditional validity and transfer across distributions
子总体的参数可能比超总体的参数更相关。例如，医疗保健提供者可能对治疗计划对其患者的特定子集的影响感兴趣;政策制定者可能关心政策在特定人群中的特定状态的影响。在这些情况下，重点是一个特定的有限人口，而不是一个无限的超级人口。这样的总体可以通过固定它们固有的一些属性来表征，留下无法解释的变化，如随机的测量误差。对具有固定属性的总体的推断可以建模为条件分布的推断参数。因此，期望置信区间对于实现的总体是有条件有效的，而不是在许多可能的总体抽取上边缘化。我们提供了一个统计推断框架的参数有限的人口与已知的属性。利用属性信息，我们的估计量和置信区间紧密地针对特定的有限总体。当数据来自感兴趣的总体时，我们的置信区间达到给定属性的渐近条件有效性，并且比超总体推断的置信区间短。此外，我们开发的程序来推断新的人口与不同的协变量分布的参数，置信区间也是有条件的新人口在温和的条件下有效。我们的方法扩展到固定信息具有较弱结构或仅部分观察到的情况。我们使用模拟和真实世界的数据证明了我们的方法的有效性和适用性。
2023-03-20 stat.ME
Inference on the Reliability Function with Type-I Censored Weibull Data
UMKC, Kansas City, USA（堪萨斯城大学）；X-Techniques, New Jersey, USA（X-Techniques）；UNLV, Las Vegas, USA（内华达大学拉斯维加斯分校）
本文提出了一种新的精确推断方法，用于Weibull、对数正态和对数洛吉斯等分布的参数检验和置信区间计算，解决了截断数据和小样本下的可靠性推断问题。
2026-11-05 stat.AP stat.ME
Analytic inference in finite population framework via resampling
本文的目的是提供一个restemption技术，使我们能够在有限的人口设置超人口参数的推断。在复杂的抽样设计下，通常很难获得有关超总体参数的明确结果，特别是在置信区间和检验统计量方面。计算机密集型程序，如重新安装，使我们能够避免这个问题。为了达到上述目的，首先在有限总体框架下得到了经验过程的渐近结果。然后，提出了一个rescue程序，并证明通过渐近的考虑。最后，将所得结果应用于不同的推理问题，并进行了模拟研究，以测试我们的建议的好处。
2018-09-21 stat.ME
Finite population inference for skewness measures
针对有限总体抽样中的 Bowley 偏度与 Groeneveld-Meeden b3 指数，利用函数 delta 方法推导插件估计量的渐近方差并构造方差估计量，同时评估基于 Hájek 与校准估计量的正态置信区间表现。
2025-02-19 stat.ME
Lognormal Distribution of Cosmic Voids in Simulations and Mocks
在前人研究的基础上，本文基于暗物质、晕和星系这三种不同的模拟和模拟目录，对宇宙虚空目录（CVC）的空洞尺寸分布进行了全面的分析。基于这种分析，我们试图回答两个问题：3参数对数正态分布是一个很好的候选人，以满足从不同类型的环境中获得的空隙尺寸分布？空隙尺寸分布的形状参数与环境效应之间是否有直接关系？在试图回答这些问题，我们在这里发现，这些数据样本的所有空洞的大小分布满足3参数对数正态分布的环境是否占主导地位的暗物质，晕或星系。此外，三参数对数正态孔隙尺寸分布的形状参数似乎受环境，特别是现有的子结构的影响很大。因此，我们显示了两个定量关系的偏度和最大树深度之间的线性方程，和方差的空隙尺寸分布和最大树深度直接从模拟数据。除此之外，我们还发现，在数据集中具有非零中心密度的空隙的百分比具有至关重要的意义。如果在模拟/模拟样品中具有非零中心密度的空隙的数量达到大于或等于3.84%，则在空隙尺寸分布中观察到第二群体。该第二群体在较大半径处作为对数正态空隙尺寸分布中的第二峰值出现。
2016-12-09 astro-ph.CO math.ST stat.TH
Combining Population and Study Data for Inference on Event Rates
本说明考虑的问题进行统计推断的份额的个人在一些亚组的人口经历一些事件。具体的复杂性是需要估计亚组的大小，而经历该事件的个体的数量是已知的。这个问题是由Streeck等人（2020）最近的研究引起的，他们估计了2020年2月中旬经历超级传播事件的德国城镇SARS-CoV-2感染的感染死亡率（IFR）。在他们的情况下，感兴趣的亚组由所有感染的个体组成，事件是由感染引起的死亡。我们澄清问题的精确定义的目标参数在这种情况下，并提出置信区间（CI）的基础上，经典的统计原理，导致良好的覆盖性能。
2020-05-14 econ.EM stat.AP
Inference with generalizable classifier predictions
本文讨论的问题，使统计推断的人口，只能通过分类预测确定。这个问题是由科学研究激发的，在这些研究中，一个群体的人类标签被一个分类器取代。为了使基于分类器预测的群体的下游分析是合理的，预测必须在实验条件下同等地推广。在本文中，我们正式的任务，统计推断使用分类器的预测，并提出引导程序，使推理与一个可推广的分类。我们通过大量的模拟和活细胞成像数据的案例研究证明了我们的方法的性能。
2021-06-14 stat.AP stat.ME
Efficient nonparametric statistical inference on population feature importance using Shapley values
针对Shapley总体变量重要性度量计算复杂度随变量数指数增长的问题，提出仅需采样Θ(n)个特征子集的高效估计器，证明其渐近最优收敛性，构建有效统计推断方法，在模拟和住院死亡率预测任务中表现良好。
2020-06-16 stat.ME stat.ML
Data Integration by combining big data and survey sample data for finite population inference
在文献中已充分记录了使用大数据在有限人群中进行有效统计推断的统计挑战。这些挑战主要是由于大数据源在代表感兴趣的人群方面覆盖不足以及数据集中可用变量的测量误差造成的统计偏差。通过将总体分层为大数据层和缺失数据层，我们可以通过使用完全响应的概率样本来估计缺失数据层，从而通过使用数据集成估计器来估计总体。通过将数据整合估计量表示为回归估计量，我们可以处理大数据中变量以及概率样本中的测量误差。我们还提出了一个完全非参数的分类方法来识别重叠的单位，并开发了一个偏差校正的数据集成估计错误分类错误。最后，我们发展了一个两步回归数据整合估计器来处理概率样本中的测量误差。本文所提倡的方法的一个优点是，我们不必为方法的工作做出不切实际的随机缺失假设。使用2015-16年澳大利亚农业普查数据将所提出的方法应用于真实数据示例。
2020-06-18 stat.ME
A capture-recapture hidden Markov model framework for register-based inference of population size and dynamics
University of Kent（肯特大学）；Queen Mary University of London（伦敦大学玛丽女王学院）；Faculdade de Ciências, Universidade de Lisboa（里斯本大学理学院）；Stockholm University（斯德哥尔摩大学）；Umeå University（于默奥大学）
本文提出一种可扩展框架，利用隐马尔可夫模型推断注册数据中的人口规模和动态，考虑临时迁出、多注册源误差及个体特征影响。
2026-03-25 stat.AP
Multiscale Inference of Matter Fields and Baryon Acoustic Oscillations from the Ly-alpha Forest
提出了一种新的贝叶斯方法，用于联合重建准非线性区域的宇宙物质密度场、奇异速度场和功率谱。我们研究其适用性的Ly-alpha森林的基础上多个类星体的吸收光谱。我们解决这个问题的方法包括多尺度、非线性、两步方案，因为描述物质分布的统计依赖于尺度，在小尺度（< 0.1 h^{-1} Mpc）上是强非高斯的，在>~10 h^{-1} Mpc的尺度上是接近对数正态的。第一步是基于一个任意的非高斯单变量物质统计模型，沿z~2-3类星体的视线方向进行一维高分辨物质密度重建。第二步是基于条件PDF的吉布斯采样。物质密度场采用泊松/伽马对数正态模型在实空间中进行哈密顿采样，而红移畸变则采用线性拉格朗日微扰理论进行校正。对数正态变换变量的高斯分布（因此接近线性状态）的功率谱可以用逆伽马分布函数一致地采样。我们通过数值N体模拟测试了我们的方法，计算量足够大（> 1 h^{-3} Gpc ^3），表明线性功率谱在大于~20 h^{-1} Mpc的尺度上都能很好地恢复，即重子声学振荡（BAO）留下的特征出现的相关范围。
2012-06-27 astro-ph.CO math.ST stat.AP
Exchangeability, the 'Histogram Theorem', and population inference
在“可交换性”和“可交换性”两个定性条件下，得到了基于样本的总体推断的一些实用结果。这些是“直方图定理”，用于预测人口中非抽样成员的结果，以及其在人口推断中的应用，包括无群体和有群体。有参数与非参数模型的讨论，以及不同的边缘化方法。附录给出了有限可交换序列表示定理的完备证明。
2015-11-11 math.ST stat.TH
Bridging Finite and Super Population Causal Inference
在实验数据的因果分析中有两种普遍的观点：超级总体观点认为，这些单元是来自一些假设的无穷总体的独立样本;有限总体观点认为，实验单元的潜在结果是固定的，随机性仅来自治疗分配的物理随机化。这两种观点在概念上和数学上有所不同，导致平均因果效应的常用均值差估计量的抽样方差不同。然而，实际上，这两个视图导致相同的方差估计量。通过回顾方差分解和利用完整性类型的参数，我们在完全随机实验中建立了这两种观点之间的联系。这一替代提法可以作为一个模板，在其他情况下，连接有限和超级人口因果推理。
2017-02-28 math.ST stat.TH
An adaptive mixture-population Monte Carlo method for likelihood-free inference
本文主要研究具有可无偏估计的难处理的似然函数的变分推理。在\cite{cappe2008adaptive}中采用混合种群蒙特卡罗（MPMC）算法，建立了一种基于高斯混合的灵活变分逼近方法。MPMC通过重要抽样计算迭代更新混合分布的参数，而不是通常变分贝叶斯中复杂的优化目标梯度估计。注意到MPMC使用固定数量的混合组分，这是很难预测的实际应用中，我们进一步提出了一个自动组件更新程序，以获得适当数量的组件。推导出的自适应MPMC算法是能够找到良好的近似的多模态后验分布，即使与一个标准的高斯作为初始分布，在我们的数值实验证明。
2021-12-01 cs.NA math.NA math.ST
