A Fourier analysis of extreme events
极值图是一个渐近相关图的极端事件构造从一个定期变化的平稳序列。在本文中,我们定义了一个频域模拟的相关图:周期图产生的一个合适的序列的指示函数的罕见事件。我们推导出周期图的基本性质,如在傅立叶频率的渐近独立性,并使用此属性表明,加权版本的周期图是一致的估计的谱密度来自极值。
2014-03-12 math.ST stat.TH
Asymptotics of an empirical bridge of regression on induced order statistics
本文提出了一类伴随线性回归的检验方法(诱导顺序统计量)。这些检验基于回归残差的序贯和。我们自我中心化和自我规范化这些总和。由此产生的过程被称为经验桥梁。我们证明了弱收敛的经验桥在统一度量的中心高斯过程。所提出的检验是卡方检验。
2019-04-13 math.ST stat.TH
Asymptotically optimal nonparametric empirical Bayes via predictive recursion
经验贝叶斯问题具有从数据估计的未知先验。预测递归(PR)算法提供了混合分布的快速非参数估计,非常适合经验贝叶斯应用。本文提出了经验贝叶斯渐近最优性的一般概念,并证明了基于PR的程序在一定条件下满足这一性质。作为一个应用程序,在赛季预测棒球击球率的问题被认为是。在那里,基于PR的经验贝叶斯规则在预测误差和捕获潜在特征分布的能力方面表现良好。
2012-10-18 math.ST stat.TH
Asymptotically minimax empirical Bayes estimation of a sparse normal mean vector
针对高维稀疏正态均值向量向量的重要经典推断问题,提出了一种新的经验贝叶斯模型,该模型在较弱的条件下允许具有理想性质的后验分布.特别是,我们的经验贝叶斯后验分布集中在球上,以真实的均值向量为中心,平方半径与极小极大率成比例,其后验均值是渐近极小极大估计。我们还表明,渐近地,我们的经验贝叶斯后验的支持具有大致相同的有效尺寸作为真正的稀疏均值向量。从我们的经验贝叶斯后验模拟是直接的,我们的数值结果表明,我们的方法相比,其他具有类似的大样本特性的质量。
2014-03-03 math.ST stat.TH
Asymptotic properties of the sequential empirical ROC, PPV and NPV curves under case-control sampling
受试者工作特征(ROC)曲线、阳性预测值(PPV)曲线和阴性预测值(NPV)曲线是连续诊断生物标志物的三种性能度量。ROC、PPV和NPV曲线通常根据经验估计,以避免对生物标志物的分布形式的假设。最近,有一个推动将组序贯方法纳入诊断生物标志物研究的设计。对序贯经验ROC、PPV和NPV曲线的渐近性质的透彻理解将在设计组序贯诊断生物标志物研究时提供更大的灵活性。本文利用序贯经验过程理论,导出了病例对照抽样下序贯经验ROC、PPV和NPV曲线的渐近理论。我们表明,连续的经验ROC,PPV和NPV曲线收敛到独立的Kiefer过程的总和,并显示这些结果可以用来推导渐近结果的总结连续的经验ROC,PPV和NPV曲线。
2012-03-14 math.ST stat.TH
An asymptotic expansion of the empirical angular measure for bivariate extremal dependence
该研究针对二元极值依赖场景,基于有界函数空间弱收敛理论推导经验角度测度的泛函渐近展开,既复原已知渐近分布,还可推导其他相关统计量的展开与弱极限,为极端值统计学习提供理论工具。
2024-07-15 math.ST stat.TH
An Empirical Likelihood-based Local Estimation
本文提出了经验似然(EL)的局部表示方法。EL通过它的似然比性质承认经典的局部线性二次表示。利用新的表示方法,得到了一个局部估计量.一致性、局部渐近正态性和渐近最优性结果对于新的估计量成立。特别地,当正则性条件不包含任何可微性假设时,这些渐近结果对于局部估计仍然有效。仿真结果表明,局部方法提高了EL的推理精度。
2014-03-26 math.ST stat.TH
Asymptotic Goodness-of-Fit Tests for Point Processes Based on Scaled Empirical K-Functions
本文研究了尺度边缘校正的经验(广义)K函数序列(修改Ripley的K函数),每个K函数都是由一个$d$ -维四阶平稳点过程在采样窗口W_n中的单次观测构造的,W_n以一定的尺度率无界增长,n -> infty。在一些自然的假设下,证明了尺度经验K函数与尺度理论K函数之间的归一化差弱收敛于一个具有简单协方差函数的均值为零的高斯过程.这一结果表明,经验和理论K-函数与已知的极限分布,允许执行拟合优度测试检查一个假设的点过程的强度和(广义)K-函数之间的差异措施。对于W_n中两个独立的点过程具有相同的分布而不知道它们的强度和K函数的假设,导出了相似的检验统计量.
2017-06-04 math.ST stat.TH
Asymptotic Properties of the Maximum Likelihood Estimator in Regime Switching Econometric Models
马尔可夫状态转换模型在经济学和金融学中有着广泛的应用。然而,最大似然估计(MLE)的渐近分布还没有被证明为一些经验流行的马尔可夫状态转换模型。特别是,MLE的渐近分布一直是未知的模型,其中的转移概率矩阵的一些元素的值为零,通常假设在经验应用与模型超过两个政权。这也包括模型,其中特定的制度密度取决于当前和滞后的制度,如汉密尔顿(1989年)的开创性模型和切换模型的汉密尔顿和Susmel(1994年)。本文证明了这些模型的极大似然估计的渐近正态性和渐近协方差阵估计的相合性。
2018-06-28 math.ST stat.TH
An asymptotic total variation test for copulas
我们提出了一个新的拟合优度检验copula,基于经验copula过程和他们的非参数自助配对。基于经验copula过程的上确界,将Copula的标准Kolmogorov-Smirnov型检验推广到以半空间为指标的经验copula过程的上确界,并利用检验统计量对经验copula过程的上确界进行了推广,其中L n是一个缓慢趋于无穷大的矩形.虽然潜在的经验过程不收敛,它被证明,我们的新的检验统计量的p值可以一致估计的自助。仿真结果表明,新的程序的功率是高于标准的Kolmogorov-Smirnov测试的Copula的功率。
2013-12-02 math.ST stat.TH
Testing monotonicity of a hazard: asymptotic distribution theory
引入两个新的检验统计量来检验抽样分布在指定区间[0,a]上具有递增危险率的原假设。这些统计量是保序估计之间的经验L_1型距离,它使用单调性约束,以及经验分布函数或经验累积风险。由于局部非单调性,它们测量经验估计相对于保序估计的偏移。如果风险在[0,a]上严格增加,则在温和条件下建立检验统计量的渐近正态性。这是通过首先用相对于基础分布函数的距离来近似全局经验距离来完成的。由此产生的积分被视为越来越多的局部积分,其中CLT可以应用的总和。局部积分的行为由一个规范过程决定:随机过程x -> W(x)+x^2(其中W是标准的双侧布朗运动)与其最大凸次量之间的差。
2011-10-26 math.ST stat.TH
Asymptotic hypothesis testing for the colour blind problem
在经典的两样本问题中,检验分布相等性的传统方法是基于两个边际经验分布函数之间的差异,而独立性检验是基于二元和边际经验分布函数的乘积之间的对比。在这篇文章中,我们考虑的问题,测试独立性和分布的平等时,观察员是“色盲”,所以他不能区分的分布,产生了两个测量。在一个非参数的框架内,我们提出了一个经验过程中,这个问题,并找到线性统计,这是渐近最优的测试对一个特定形式的连续的替代品的边缘分布的平等。
2018-06-13 math.ST stat.TH
Asymptotics of empirical copula processes under non-restrictive smoothness assumptions
证明了经验Copula过程的弱收敛性,并证明了在单位超立方体的某些子集上Copula的一阶偏导数存在且连续的假设下,经验Copula过程的弱收敛性成立.这个假设是非限制性的,因为无论如何都需要它来确保候选限制过程存在并具有连续的轨迹。此外,基于乘子中心极限定理的恢复方法仍然有效,该方法要求对一阶导数进行一致的估计。在允许边界附近爆炸行为的二阶偏导数的某些增长条件下,可以恢复Stute表示的经验copula过程中的几乎必然速率。以满秩相关阵、多个阿基米德Copula和多个极值Copula为例,验证了这些条件的正确性.
2012-07-05 math.ST stat.TH
Asymptotic Distribution-Free Tests for Ultra-high Dimensional Parametric Regressions via Projected Empirical Processes and $p$-value Combination
Hunan University(湖南大学);Wuhan University of Technology(武汉理工大学);Beijing Normal University at Zhuhai(北京师范大学珠海校区)
本文提出了一种基于投影经验过程和p值组合的混合检验方法,用于超高维参数回归模型的拟合优度检验,通过结合低频和高频信号检测提升检验效能。
2026-01-02 math.ST stat.TH
Optimal use of auxiliary information : information geometry and empirical process
我们把有限期望集合中的辅助信息以最优信息几何的方式引入到经验测度中。这允许统一利用边信息的几种方法,并唯一地定义知情的经验测量。这些方法被证明共享相同的渐近性质。然后研究了真实信息下的知情经验过程。在最小假设条件下,建立了经验测度的Glivenko-Cantelli和Donsker定理,并量化了渐近一致方差缩减.此外,我们证明了知情的经验过程比经典的经验过程更集中的所有大$n$。最后,作为方差减少的一个例子,我们将其中一些结果应用于知情的经验分位数。
2021-07-01 math.ST stat.TH
Deriving the asymptotic distribution of U- and V-statistics of dependent data using weighted empirical processes
一般认为,具有无界核的V-泛函不是Hadamard可微的,因此,具有无界核的U-和V-统计量的渐近分布不能用函数Delta方法(FDM)导出。然而,在这篇文章中,我们表明,V-泛函是拟阿达玛可微的,因此,一个修改版本的FDM(最近介绍的(J.多元分析。101(2010)2452- 2463))可以应用于该问题。修改后的FDM需要弱收敛的加权版本的基本经验过程。后者不是问题,因为在文献中存在关于加权经验过程的若干结果;例如,参见(J. Econometrics 130(2006)307- 335,Ann. Probab. 24(1996)2098- 2127,经验过程及其在统计学中的应用(1986)Wiley,Statistist. Sinica 18(2008)313- 333)。改进的FDM方法具有非常灵活的优点。基础数据和未知分布函数的估计量。这两个方面都将通过各种例子加以说明。特别是,我们将表明,我们的FDM方法主要涵盖了文献中已知的U-和V-统计量的渐近分布的依赖数据的基础上的所有结果-我们的假设是由趋势甚至更弱。此外,使用我们的FDM方法,我们将这些结果扩展到现有文献中没有涉及的依赖概念。
2012-07-25 math.ST stat.TH
Asymptotic confidence interval for R2 in multiple linear regression
本文在White稳健多元线性回归框架下,于最小矩条件中构造了多重相关系数R²的渐近置信区间,并给出各R²估计量的渐近联合分布,模拟验证了其稳健性及对计数回归的适用性。
2024-11-21 math.ST stat.TH
Exact and asymptotic goodness-of-fit tests based on the maximum and its location of the empirical process
标准化经验过程的上确界是检验i.i.d.实随机变量等于给定的分布函数$F_0$(假设)或$F \ge F_0$(单侧选择)。由于\cite{r5},众所周知,当样本大小趋于无穷大时,上确界的仿射线性变换在分布上收敛于Gumbel定律。这使得能够构造渐近水平- $α$测试。然而,收敛的速度极其缓慢。因此,即使样本量超过$10.000$,I类错误的概率也远大于$α$。现在,标准化包括权函数$1/\sqrt{F_0(x)(1-F_0(x))}$。用一个合适的随机常数代替权函数,得到一个新的检验统计量,我们可以在假设下导出它的精确分布(和极限分布)。通过Monte-Carlo模拟的比较表明,新的测试是一致优于Smirnov测试和适当修改的测试,由于\cite{r20}。我们的方法也适用于双侧替代$F \neq F_0$。
2022-07-16 math.ST stat.TH
Asymptotic Theory of $L$-Statistics and Integrable Empirical Processes
本文发展了经验分位数函数关于随机权函数积分的渐近理论,它是经典$L$ -统计量的推广。当样本修剪或Winsorization应用于渐近线性估计量时,它们会出现。其关键思想是在适合整合的空间中考虑经验过程。首先,我们在有界可积函数空间中刻画了经验分布函数和随机权函数的弱收敛性。其次,我们建立了经验分位数函数可积函数的delta方法。第三,我们推导了$L$ -统计量的delta方法。最后,我们证明了它们的自助过程的弱收敛性,证明了非参数自助过程的有效性。
2019-10-16 econ.EM math.ST stat.TH
Goodness-of-Fit Tests for Symmetric Stable Distributions -- Empirical Characteristic Function Approach
我们考虑基于标准化数据的经验特征函数与标准对称稳定分布的特征函数之间的平方距离的加权积分的对称稳定分布的拟合优度检验,其中特征指数$α$由数据估计。我们将$α$视为未知参数,但为了理论简单,我们也考虑$α$固定的情况。对于参数的估计和数据的标准化,我们使用最大似然估计(MLE)和最小化加权积分的等变综合平方误差估计(EISE)。我们导出了参数由MLE和EISE估计的特征函数过程的渐近协方差函数。对于极大似然估计的情形,数值计算了协方差函数的特征值,并利用复积分得到了检验统计量的渐近分布。模拟研究表明,检验统计量的渐近分布是非常精确的。对于一般分布,我们还给出了参数由有效估计量估计的特征函数过程的渐近协方差函数的公式。
2006-02-16 math.ST stat.TH
Asymptotic Behaviour of the Empirical Distance Covariance for Dependent Data
在不对样本作任何iid假设的情况下,给出了可分度量空间上经验距离协方差的两个渐近结果。特别是,我们证明了经验距离协方差的几乎必然收敛的任何措施,有限的一阶矩,提供的样本形成一个严格平稳和遍历过程。在样本绝对正则的假设下,我们进一步给出了经验距离协方差的渐近分布的一个结果,并将这些结果推广到某些类型的伪度量空间.在这个过程中,我们得到了一个一般定理,关于渐近分布的退化V-统计量的二阶下的强混合条件。
2021-01-05 math.PR math.ST stat.TH
Empirical likelihood test in a posteriori change-point nonlinear model
为了检验非线性参数回归中是否发生了变化,本文提出了一种基于经验似然的非参数方法。首先,我们测试了无变化的原假设与回归参数变化的替代。在原假设下,证明了回归参数估计的相合性和收敛速度。得到了在原假设下检验统计量的渐近分布,从而可以找到渐近临界值。另一方面,我们证明了所提出的检验统计量的渐近功效等于1。这些理论结果可以找到一个简单的检验统计量,非常有用的应用。在备择假设下,研究了一类特殊的具有两个变点的传染病模型。通过Monte-Carlo模拟的数值研究显示了所提出的检验统计量的性能,与文献中现有的方法相比。
2014-05-21 math.ST stat.TH
On the Asymptotic Distribution of the Scan Statistic for Empirical Distributions
我们调查的扫描统计量的几个变种的渐近行为应用于经验分布,它可以被应用到检测任何长度的异常间隔的存在。特别令人感兴趣的是学生化的扫描统计,这在实践中是优选的。证明中的主要成分是Kolmogorov定理,泊松近似和Kabluchko等人(2014)的最新技术结果。
2020-03-24 math.PR math.ST stat.TH
Asymptotics and Concentration Bounds for Bilinear Forms of Spectral Projectors of Sample Covariance
设$X,X_1,\dots, X_n$为i.i.d.。具有零均值和协方差算子$Σ={\mathbb E}(X\otimes X)$的高斯随机变量取值于可分希尔伯特空间${\mathbb H}.$令$$ {\bf r}(Σ):=\frac{{\rm tr}(Σ)}{\|Σ\|_{\infty}} $$为$Σ,$的有效秩${\rm tr}(Σ)$为$Σ$的迹,$\|Σ\|_{\infty}$为其算子范数。设$$\hat Σ_n:=n^{-1}\sum_{j=1}^n (X_j\otimes X_j)$$是基于$(X_1,\dots, X_n).$的样本(经验)协方差算子,本文讨论了协方差算子$Σ$的谱投影算子由其经验对应算子$\hat Σ_n$的谱投影算子(empirical spectral projectors)估计的问题。重点是样本量$n$和有效秩${\bf r}(Σ)$都很大的问题。该框架包括并推广了众所周知的高维尖峰协方差模型。给定对应于协方差算子$Σ$的特征值$μ_r$的谱投影算子$P_r$及其经验对应物$\hat P_r,$,我们根据样本大小$n$和有效维数${\bf r}(Σ).$导出经验谱投影算子$\hat P_r$的双线性型的精确浓度界。本文证明了随机算子$\hat P_r -{\mathbb E}\hat P_r$的双线性型的渐近正态性,并在$n\to \inft…
2015-08-07 math.ST stat.TH
Empirical tail copulas for functional data
对于最大稳定分布的吸引区域中的多变量分布,尾copula和稳定尾依赖函数是捕获上尾依赖的等价方法。这些函数的经验版本是基于秩的估计,其膨胀的估计误差是已知的弱收敛到一个高斯过程,这是类似的结构的经验copula过程的弱极限。通过建立尾Copula的估计量的渐近正态性,我们将这个多元结果扩展到连续函数数据,均匀分布在最多$D$点($D$固定)的所有有限子集上。给出了一个检验尾copula平稳性的应用。导出结果的主要工具是所有$D$ -变量尾经验过程的一致渐近正态性。主要结果的证明是不规范的。
2020-10-08 math.ST stat.TH
Functional delta-method for the bootstrap of quasi-Hadamard differentiable functionals
函数δ方法提供了一个方便的工具,用于从相应的经验过程的渐近分布导出统计泛函的插入式估计量的渐近分布。此外,它提供了一个工具,从经验过程的自举一致性导出插件估计的自举一致性。最近的研究表明,采用拟Hadamard可微性的概念,可以大大地扩大渐近分布的泛函δ方法的应用范围。在这里,我们在一般情况下表明,这种扩大进行的自举。也就是说,对于拟阿达玛可微泛函,插入式估计量的自举一致性来自相应经验过程的自举一致性。这种扩大往往需要自举的经验过程在分布上的依分布收敛。一个非均匀的超范数后者并不成问题,这将通过实例加以说明。
2016-05-04 math.ST stat.TH
Weighted residual empirical processes, martingale transformations, and model specification tests for regressions with diverging number of parameters
Hunan University(湖南大学);Beijing Normal University(北京师范大学);Beijing Normal University at Zhuhai(北京师范大学珠海校区)
本文针对参数个数发散的回归模型,提出基于加权残差经验过程的设定检验,无鞅变换检验具有最优局部备择检测速率且不依赖维度,虽非分布无关但可用平滑残差自助逼近,而鞅变换检验虽分布无关但功效较低。
2025-10-27 math.ST stat.TH
Weak convergence of the empirical copula process with respect to weighted metrics
经验Copula过程在许多基于Copula或秩的统计过程的渐近分析中起着核心作用。在其他应用中,关于其弱收敛的结果可以用来发展渐近理论的依赖措施或copula密度的估计,他们允许获得随机独立性或特定的copula结构的测试,或者他们可以作为一个基本的工具,多元秩统计量的分析。在本文中,我们建立了弱收敛的经验copula过程(允许的观察是串行依赖)的加权上确界距离。我们的研究结果的有用性说明了一般的二元秩统计量和估计程序的Pickands依赖函数中产生的多元极值理论的应用。
2014-11-21 math.ST stat.TH
Asymptotically distribution-free goodness-of-fit testing for tail copulas
令$(X_1,Y_1),\ldots,(X_n,Y_n)$为i.i.d.从位于极值分布的最大吸引区域中的二元分布函数中采样。标准化的分量最大值$\bigvee_{i=1}^nX_i$和$\bigvee_{i=1}^nY_i$的渐近联合分布的特征在于边缘极值指标和尾copula $R$。我们提出了一个渐进的分布自由拟合优度测试的尾部Copula $R$。该程序是基于一个合适的经验过程的变换来自半参数估计的$R$。转换后的经验过程弱收敛到一个标准的维纳过程,为大量的渐近分布自由拟合优度测试铺平了道路。我们还将我们的结果扩展到$m$变量($m>2$)的情况。在模拟研究中,我们表明,极限定理提供了很好的近似有限样本和测试的基础上转换的经验过程具有很高的功率。
2015-04-02 math.ST stat.TH
High dimensional generalized empirical likelihood for moment restrictions with dependent data
研究了高维矩约束下弱相依数据下参数的极大广义经验似然(GEL)估计和推断问题,当矩约束和参数的维数随样本量而异时.通过适当地限制参数维数的增长率和矩的限制,以及数据依赖的程度,得到了GEL估计的率相合性和渐近正态性.结果表明,即使在高维时间序列设置,GEL比仍然可以表现得像一个卡方随机变量渐近。提出了过识别的相合检验。一个惩罚的GEL方法也提供了稀疏设置下的估计。
2015-01-27 math.ST stat.TH
Conditional empirical copula processes and generalized dependence measures
当条件事件具有非零概率时,研究了条件经验copula过程的弱收敛性。几个自助方案的有效性,包括可交换的自助。我们定义了一般可能条件多元相关测度及其估计量.应用我们的理论结果,我们证明了这类相依测度的一些估计的渐近正态性。
2020-08-21 math.ST stat.TH
A general approach to the joint asymptotic analysis of statistics from sub-samples
在时间序列分析中,基于子样本估计量集合的统计量在越来越多的重要应用中起着至关重要的作用。证明这些统计量的联合渐近分布的结果是具有挑战性的,因为它通常涉及到技术条件的非平凡验证和繁琐的逐例渐近分析。在本文中,我们提供了一种新的技术,允许在一般情况下规避这些问题。我们的方法包括两个主要步骤:一个概率部分,主要是关注弱收敛的顺序经验过程,和分析部分提供一般的方法来扩展这种弱收敛的顺序经验过程的泛函。我们的理论提供了一个统一的处理一大类统计量的渐近分布,包括最近提出的自归一化统计和子采样的p值。此外,我们评论的自举程序的一致性,并获得一般结果的紧微分某些映射,似乎是独立的利益。
2013-05-24 math.ST stat.TH
New Empirical Process Tools and Their Applications to Robust Deep ReLU Networks and Phase Transitions for Nonparametric Regression
Department of Statistics, The Pennsylvania State University(宾夕法尼亚州立大学统计系)
本文提出新的经验过程工具,用于在重尾噪声和复杂函数类下分析广泛的统计学习模型。主要贡献是推导出两种Dudley型最大不等式,这些不等式消除了如轻尾和函数类均匀有界等限制性假设。这些不等式扩展了经验过程理论在统计学习和非参数估计中的应用范围。利用新的界限,我们建立了深度ReLU网络估计器在Huber和分位数回归中的鲁棒性保证。特别是,我们证明了一个统一的非渐近子高斯集中界,即使在无限方差噪声下仍然有效,并对深度Huber估计器在所有噪声情况下的非渐近鲁棒性进行了全面分析。对于深度分位数回归,我们提供了第一个无渐近子高斯界,无需假设矩条件。此外,我们的框架还为非参数最小二乘估计器提供了误差界,同时容纳无限方差噪声、非Donsker函数类和近似误差。此外,与以往基于专门乘数过程的方法不同,我们的框架扩展到更广泛的经验风险最小化问题,包括非参数广义线性模型和``集合结构``模型。
2026-10-27 math.ST stat.TH
Asymptotics of the Empirical Bootstrap Method Beyond Asymptotic Normality
Microsoft Research(微软研究院)
形成统计推断的置信区间的最常用的方法之一是经验自助法,当估计量的极限分布未知时,该方法特别方便。然而,尽管它无处不在的作用,它的理论性质仍然没有得到很好的理解非渐近正态估计。本文在稳定性条件下,建立了经验Bootstrap估计的极限分布,导出了渐近相合的紧条件,并量化了收敛速度。此外,我们提出了三种替代方法来使用自举方法建立置信区间的覆盖保证。最后,我们通过一系列的例子,包括均匀置信带,两个样本核测试,极小极大随机程序和堆叠估计的经验风险,说明我们的结果的一般性和紧密性。
2020-11-23 cs.LG math.ST stat.ML
Empirical Likelihood based Confidence Regions for first order parameters of a heavy tailed distribution
设$X_1, \ldots, X_n$为某个i.i.d.从重尾分布$F$的观测,即,使得超过高阈值$u_n$的超额的共同分布可以由具有$γ>0$的广义帕累托分布$G_{γ,σ_n}$来近似。这项工作致力于寻找$(γ,σ_n)$对的置信区域的问题:经验似然法与估计方程相结合(接近但不等同于张军介绍的似然方程)(澳大利亚和新西兰统计杂志第49(1)期,2007年),得到了$(γ,σ_n)$的渐近有效的置信区域,并证明其性能优于Wald型置信区域(特别是那些从最大似然估计的渐近正态性导出的)。通过剖析出尺度参数,还推导出尾部指数的置信区间。
2010-08-19 math.ST stat.TH
Empirical process of residuals for regression models with long memory errors
研究了具有长记忆误差的随机设计回归模型中的残差经验过程。我们建立其极限行为,表明其收敛速度是不同的收敛速度的经验过程的基础上(未观察到的)错误。此外,我们研究了一个剩余的经验过程估计参数。它的渐近分布可用于构造Kolmogorov-Smirnov、Cramér-Smirnov-von Mises或其他拟合优度检验。理论结果是合理的模拟研究。
2011-02-21 math.ST stat.TH
Asymptotics of higher criticism via Gaussian approximation
Guanghua School of Management, Peking University(北京大学光华管理学院)
本文在有限(2+δ)阶矩条件下,通过建立相依观测经验过程上确界的高斯近似定理,统一刻画了基于相依t统计量的高阶批评及多水平阈值统计量的渐近分布,填补了非独立高斯假设下的理论空白。
2025-11-10 math.ST stat.TH
Asymptotic Analysis for Data-Driven Inventory Policies
我们研究定期审查随机库存控制中的数据驱动的设置,零售商订货决策的基础上,只有历史的需求观测没有任何知识的概率分布的需求。由于(s,S)-策略在需求分布已知的情况下是最优的,我们研究了通过递归计算经验成本函数得到的数据驱动(s,S)-策略的统计特性.该策略固有地具有分析挑战性,因为递归引起估计误差在时间上向后传播。在这项工作中,我们建立了这种数据驱动的政策的渐近性质,充分考虑误差传播。首先,我们严格显示的一致性,估计参数填补了一些空白(由于不明原因的误差传播)在现有的研究。在这种情况下,经验过程理论(EPT)不能直接应用于显示渐近正态性。为了解释,估计参数的经验成本函数不是独立同分布的。由于误差传播的原因。我们的主要方法创新来自于多样本U-过程的i.i.d.渐近表示。和这种表示使我们能够应用EPT来推导估计参数的影响函数,并建立联合渐近正态性。基于这些结果,我们还提出了一个完全数据驱动的估计的最优期望成本,我们得到它的渐近分布。我们展示了我们的渐近结果的一些有用的应用,包括样本量的确定和区间估计。我们的数值模拟结果与理论分析相符合。
2021-11-04 math.ST stat.TH
Empirical and sequential empirical copula processes under serial dependence
经验copula过程在copula的统计推断中起着核心作用。最近,Segers(2011)研究了这个过程在非限制性光滑假设下的i.i.d.情形的渐近行为。随机变量。在本文中,我们推广了他的主要结果的情况下,序列相关的随机变量的强大和优雅的功能δ方法。此外,我们利用功能的δ方法,以获得某些自助程序的条件一致性。最后,我们将结果推广到更一般的序列依赖下的序列经验copula过程。
2011-11-11 math.ST stat.TH
Asymptotic normality of an estimator of kernel-based conditional mean dependence measure
我们提出了一个估计的核为基础的条件均值的依赖性措施,从一个朴素的估计通常的经验估计的基础上进行适当的修改。然后在条件均值独立假设和备择假设下得到了该估计量的渐近正态性。然后引入了一个新的条件均值独立性的随机变量值到希尔伯特空间的测试。
2022-07-26 math.ST stat.TH
Exact and Asymptotic Tests on a Factor Model in Low and Large Dimensions with Applications
在本文中,我们提出了三个测试的有效性因素模型,它可以适用于小规模和大规模的数据。精确和渐近分布的检验统计量来自经典和高维渐近制度。结果表明,所提出的测试的临界值可以通过从逆Wishart分布与单位参数矩阵生成一个样本经验校准。建议的测试的权力进行了调查,通过模拟。模拟研究的结果是一致的理论研究结果,并提供一般建议的应用程序的三个测试。最后,理论结果被应用到两个真实的数据集,其中包括从DAX指数和S&P 500指数的股票收益率。我们的实证结果并不支持假设,所有的线性之间的依赖关系的回报率可以完全捕获的因素考虑的文件。
2016-06-23 math.ST stat.TH
Non-asymptotic Adaptive Prediction in Functional Linear Models
函数线性回归最近引起了人们极大的兴趣。许多工作集中在渐近推理。在本文中,我们考虑在一个非渐近的框架下,一个简单的估计程序的基础上功能主回归。它围绕在最小化的最小二乘对比加上一个经典的投影上的空间跨越的第一个经验特征向量的协方差算子的功能样本。我们的方法的新颖性是自动选择的关键尺寸m的最小化的惩罚最小二乘对比。我们的方法是基于模型选择工具。然而,由于这类方法通常包括投影到已知的非随机空间,我们需要使其适应由数据相关的(因此是随机向量)组成的经验本征基。由此产生的估计是完全自适应的,并验证了预言不等式的预测误差的风险,并达到最佳的极小极大收敛速度在一定的一类椭球。我们的模型选择策略最后进行了数值比较,交叉验证。
2013-01-14 math.ST stat.TH
On the asymptotic normality of kernel estimators of the long run covariance of functional time series
考虑平稳泛函时间序列长期协方差核估计的$L^2$中的渐近正态性。我们的结果是建立在弱相关的伯努利位移结构的基础上的观察,其中包含大多数平稳功能时间序列模型,在温和的条件下。作为推论,我们得到了联合渐近的功能主成分计算的经验长期协方差算子,表明他们有良好的性能是渐近独立的。
2015-03-09 math.ST stat.TH
Exact and asymptotic distribution theory for the empirical correlation of two AR(1) processes with Gaussian increments
本文研究了具有高斯增量的两个独立 AR(1) 过程经验相关性的精确分布,证明了其在 Wasserstein 距离和 Kolmogorov 距离下向标准高斯分布的收敛速率,并将结果扩展至具有相关高斯增量的 AR(1) 过程。
2025-08-11 math.PR math.ST stat.TH
Curvature effects on the empirical mean in Riemannian and affine Manifolds: a non-asymptotic high concentration expansion in the small-sample regime
Bhattacharya \& Patrangenaru(BP-CLT)[6]利用中心极限定理建立了黎曼流形上IID随机变量序列Fr{é}chet均值的渐近集中性.这一渐近结果表明,Fr{é}chet平均值的行为几乎与充分集中分布的通常欧几里德情况相同。然而,经验平均值的渐近协方差阵被平方距离的期望Hessian修正。这个黑塞矩阵在[5]中对常曲率空间进行了明确计算,以便将其与截面曲率联系起来。虽然公式是明确的,但仍然很难解释,曲率对渐近收敛的直观影响仍然不清楚。此外,在实践中,我们最感兴趣的是有限小样本的平均值。在这项工作中,我们的目标是了解在这个小样本制度的流形曲率的影响。最后但并非最不重要的一点是,人们希望可以从黎曼流形中的经验Fr{é}chet平均扩展到仿射联络流形中的经验指数重心的可计算和可解释的近似。对于高度集中在其平均值周围的分布,以及对于任何有限样本个数,我们建立了显式的经验平均值的第一和第二时刻的泰勒展开由于一个新的泰勒展开的黎曼对数映射在仿射联络空间。这表明经验平均值具有与用协方差阵收缩两次的曲率张量的梯度成比例的1/n的偏差,以及与协方差-曲率张量成比例的协方差阵的收敛速度的调制。我们证明了我们的非渐近高浓度展开与BP-CLT的渐近展开是一致的。常曲率空间上的实验表明,这两个扩展是非常准确的有效域。此外,调制的收敛速度的经验平均值的协方差阵的显式编码使用标量乘…
2019-06-18 math.DG math.ST stat.TH
Empirical likelihood test for high-dimensional two-sample model
提出了一种基于经验似然的非参数方法,用于检测高维线性模型系数的变化,其中模型变量的数目随着样本量的增加而增加。这相当于检验无变化的原假设与回归系数变化一次的备择假设。基于经验似然比统计量的理论渐近性态,我们提出了一种在固定设计下更简单、更易于实际应用的检验统计量。在原假设下证明了该检验统计量的渐近正态性,这一结果不同于具有固定变量数的模型的$χ^2$定律。在备择假设下,检验统计量会发生偏离。然后,我们可以找到两个相位的参数差的渐近置信区域。一些蒙特卡罗模拟研究的行为,建议的检验统计量。
2015-06-19 math.ST stat.ME stat.TH
General asymptotic representations of indexes based on the functional empirical process and the residual functional empirical process and applications
本文通过结合函数经验过程和残差函数经验过程,为广泛的统计指数(如福利指数)建立了一般渐近表示(GAR),并给出了其应用。
2025-08-06 math.PR math.ST stat.TH
Asymptotic normality of robust risk minimizers
本文研究基于稳健均值代理的经验风险最小化算法的渐近性质,证明在广泛参数问题中,稳健风险最小化器与经典经验风险最小化器具有相同的收敛速率和渐近方差。
2023-05-30 math.ST stat.ML stat.TH
Empirical likelihood and uniform convergence rates for dyadic kernel density estimation
本文研究了二进数据核密度估计的渐近性质和替代推断方法。我们首先建立统一的收敛速度并元KDE。其次,我们提出了一个改进的刀切经验似然推理过程。建议的检验统计量是渐近的关键,无论存在的二元聚类。结果被进一步扩展到涵盖实际相关的情况下,不完整的二元数据。仿真结果表明,这种改进的刀切式经验似然推理过程提供了精确的覆盖概率,即使在适度的样本大小和不完整的二元数据。最后,我们通过研究美国的机场拥堵来说明这种方法。
2022-05-13 econ.EM math.ST stat.TH
A proof of consistency and model-selection optimality on the empirical Bayes method
研究了大自由度模型超参数推断中极大边际似然估计的相合性和最优性。我们在指数族中进行主要分析,其中自然参数是超参数。首先,我们证明了一般线性模型的MMLE在估计似然和先验方差尺度时的相合性。证明是独立的数据模型参数的数量比,并排除了相关的正则化最小二乘模型参数估计,渐近无偏的不适定性。其次,我们将证明推广到具有有限数量超参数的其他模型。我们发现,指数族中费用函数的广泛性质通常产生似然超参数的MMLE的一致性。此外,我们还证明了在适用于非指数模型族的预测分布的假设渐近正态性下,即使真实数据分布在模型空间之外,MMLE也几乎必然渐近地最小化先验和真实预测分布之间的Kullback-Leibler散度.我们的证明验证了经验贝叶斯方法使用超参数MMLE在许多模型参数的渐近性,确保了相同的资格,为交叉熵交叉验证。
2022-05-26 math.ST physics.geo-ph stat.TH
Asymptotic and finite-sample distributions of one- and two-sample empirical relative entropy
De Vinci Higher Education, De Vinci Research Center(德芬奇高等教育,德芬奇研究中心);École normale supérieure(巴黎高等师范学院)
研究两个概率分布散度统计检验中经验相对熵的分布,推导有限样本集中不等式、渐近分布及贝里 - 埃森界,引入新方法获和统计量非线性函数的贝里 - 埃森不等式,涵盖单双样本经验相对熵。
2026-07-21 math.ST q-fin.ST q-fin.TR
Asymptotics of Yule's nonsense correlation for Ornstein-Uhlenbeck paths: The correlated case
研究两个相关Ornstein-Uhlenbeck过程路径的Yule伪相关系数的渐近正态性,并用于路径独立性检验及随机热方程解的独立性检验。
2025-04-24 math.PR math.ST stat.TH
Asymptotic Theory for Regularized System Identification Part I: Empirical Bayes Hyper-parameter Estimator
本文研究正则化有限脉冲响应模型估计中经验贝叶斯超参数估计器的渐近理论,通过分析其依分布收敛性和模型估计器的渐近分布,揭示了影响收敛性质的因素,并通过Monte Carlo仿真验证了理论结果。
2023-04-04 cs.SY eess.SY math.ST
Randomized Empirical Processes by Algebraic Groups, and Tests for Weak Null Hypotheses
随机化检验基于现有数据的重新随机化,以获得数据依赖的临界值,从而在特殊情况下进行精确的假设检验。然而,并不总是能够根据从中获得数据的物理随机化来重新随机化数据。因此,大多数统计检验无法控制I类错误概率。而且,与引导类似,数据重新随机化可用于改进类型I差错控制。然而,没有一般的渐近理论弱零假设已经开发了这样的随机化测试。本文的目的是提供一个关于渐近正态检验统计量的随机化检验的渐近有效性的便于应用的理论。同样,将制定置信区间。这将通过在数理统计中两个成熟的领域之间建立联系来实现:经验过程和基于代数群随机化的推理。对于基于随机观测的经验过程,给出了一个广泛适用的条件弱收敛定理。将代数群的随机元应用于从中导出统计量的随机化版本的数据向量。结合一个变种的功能性三角洲方法与适当的学生化的统计量,渐近精确的假设检验推导出来,而有限样本下的精确性组不变的子假设被保留。该方法的例子:皮尔逊相关系数,曼恩-惠特尼效应的基础上右删失配对数据,和竞争风险分析。通过模拟研究和糖尿病视网膜病变患者的数据应用的方法的实际效用进行评估。
2021-10-19 math.ST stat.ME stat.TH