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
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
Correlation bounds, mixing and m-dependence under random time-varying network distances with an application to Cox-Processes
该研究针对动态网络下的多元随机过程,提出基于相关性、时变β-混合与条件独立性的三类弱依赖概念并证明相关结果,还将其用于动态交互网络拟合优度检验的渐近分析及共享单车数据建模。
2020-08-17 math.ST stat.TH
On optimal block resampling for Gaussian-subordinated long-range dependent processes
基于块的恢复估计器已经被深入研究用于弱依赖时间过程,这有助于为实现提供信息(例如,最佳块大小)。然而,很少有人知道的resception性能和块大小下的强或长期的依赖性。要建立路标块选择,我们考虑了广泛的一类强相关的时间过程,形成了一个固定的长记忆高斯序列的变换,并检查基于块的restaurant估计的方差的原型样本均值;扩展到一般的统计泛函也被认为是。与弱相依不同,强相依下的恢复估计的性质复杂地依赖于时间序列的非线性性质(超越Hermite秩)以及长记忆系数和块大小.此外,直觉通常认为,强相关性下的最优块大小(例如,样本量$n$的$O(n^{1/2})$)应大于弱相关性下已知的最优阶数$O(n^{1/3})$。这种直觉在很大程度上是不正确的,尽管由于长记忆时间序列中的非线性,块顺序$O(n^{1/2})$在许多情况下可能是合理的(甚至是最佳的)。虽然最佳的块大小是更复杂的长程依赖相比,短程,我们提供了一个一致的数据驱动的块选择规则,和数值研究表明,指导块选择在其他基于块的问题与长记忆时间序列,如分布估计和策略测试Hermite秩。
2022-08-02 math.ST stat.ME stat.TH
Stable Limit Theorems for Empirical Processes under Conditional Neighborhood Dependence
本文提出了多个随机变量之间的随机相依性的一个新概念,我们称之为条件邻域相依(CND)。假设有一个随机变量集合和一个sigma代数集合,其中这两个集合都被赋予邻域系统的同一个集合索引。当随机变量集合满足CND时,任意两个不相邻的随机变量集合是条件独立的,给定的σ代数的指数在这两个集合的一个邻域内.具有CND的随机变量包括具有条件依赖图的随机变量和一类具有全局马尔可夫性的马尔可夫随机场。CND属性对于建模由复杂的大型网络控制的横截面依赖性非常有用。本文提供了两个主要结果。第一个结果是CND下随机变量和的稳定的中心极限定理。第二个结果是当随机变量满足CND时,由满足一定括号熵条件的一类函数指标的经验过程稳定收敛的Donsker型结果.
2018-06-05 math.ST stat.TH
Measuring Tail Dependence in Linear Processes: Theory and Empirics
Indian Statistical Institute, Bengaluru(印度统计学院,班加罗尔);Indian Statistical Institute, Kolkata(印度统计学院,加尔各答)
本文研究线性过程中尾部依赖性问题,结合理论分析与实证研究,探讨极端共动现象及重尾分布特性。
2026-05-13 math.ST stat.TH
Aggregation of weakly dependent doubly stochastic processes
本文的目的是将Dacunha-Castelle and Fermin 2005,Dacunha-Castelle and Fermin 2008中的聚合收敛结果推广到具有弱相关新息的双随机线性和非线性过程.首先,基于Doukhan和Louhichi(1999)给出的弱相依定义,我们引入了双随机过程的弱相依概念,并给出了满足这一概念的几个模型,如:双随机Volterra过程和新息弱相依的双随机Bernoulli方案.在弱相依双随机过程的情况下,得到了部分集结序列的中心极限定理。最后,在双随机Volterra过程具有交互新息的情况下,给出了部分集结过程的协方差函数的一个新的SLLN。关键词:聚集,弱相关,双随机过程,Volterra过程,伯努利位移,TCL,SLLN。
2008-05-13 math.PR math.ST stat.TH
Asymptotic theory of least squares estimators for nearly unstable processes under strong dependence
本文研究了新息强相关的近似不稳定线性时间序列的最小二乘估计。在一个一般的框架和适当的缩放,它表明,普通的最小二乘程序收敛到分数Ornstein-Uhlenbeck过程的泛函。我们使用分数积分噪声作为例子来说明的重要思想。在这种情况下,泛函只承担形式上的类比,在经典框架与不相关的新息,维纳过程被取代的分数布朗运动。它还表明,极限定理的泛函涉及非标准标度和非标准极限分布。本文的结果揭示了几乎不稳定的长记忆过程的渐近行为。
2007-11-22 math.ST stat.TH
Model-free inference on extreme dependence via waiting times
对于多元或空间指数随机过程和时间序列的极端相关性,已经提出了多种推断方法。大多数方法都是先将数据转换为特定的极值边缘分布,通常是单位Fréchet,然后将一族最大稳定过程拟合到转换后的数据,并在该模型的框架内探索相关性。边际转换、模型选择和模型拟合都是这种方法中错误设定的可能来源。我们提出了一种替代的无模型方法,基于这样的想法,大量的信息的强度的尾部依赖性和其时间结构的编码在分布的等待时间之间的高阈值在不同的位置的cancers。我们建议量化的极值依赖的强度和评估的不确定性,通过使用统计的基础上,这些等待时间。该方法不依赖于任何特定的基础模型的过程中,也不对渐近分布理论。气候,金融和电生理数据的应用程序说明了该方法。为了把所提出的方法在现有文献的背景下,我们构建了一类时空索引的随机过程,其等待时间分布是在封闭的形式,通过赋予支持点德哈恩的谱表示的最大稳定过程的随机出生时间,速度和寿命,并应用史密斯的模型,这些过程。证明了该模型中的等待时间是以平均速度随机递减的,并且等待时间的样本均值服从中心极限定理,在较弱的条件下具有一致收敛性.这表明,我们的程序可以在这种情况下使用标准的$t$统计和相关的假设检验。
2018-05-21 math.PR math.ST stat.ME
Conditionally Max-stable Random Fields based on log Gaussian Cox Processes
在最大稳定过程的最大吸引区域中引入了一类空间随机过程。新的类是基于Cox过程,并包括模型与短程依赖。我们表明,统计推断是可能的,在给定的框架内,至少在一些合理的限制。
2016-12-14 math.PR stat.ME
Multivariate wavelet Whittle estimation in long-range dependence
具有长程相关性质的多变量过程在金融、生物物理和神经科学等领域有着广泛的应用。对于实际数据应用,时间序列之间的相关性至关重要。由于过程中自相关特性的差异引起的相移,相关性的经验估计可能会有很大的偏差。为了解决这个问题,我们引入了一个半参数估计的多元长程相依过程。模型中感兴趣的参数是长程相关参数的向量和长期协方差阵,在神经科学中也称为功能连接。该矩阵表征了时间序列之间的耦合。建议的多元小波基Whittle估计是一致的估计的长期依赖和协方差阵,并包括平稳和非平稳过程。一个模拟研究和一个真实的数据例子来说明有限样本的行为。
2015-10-30 math.ST stat.TH
Central limit theorems for long range dependent spatial linear processes
对$d$维格点上线性过程的观测值在空间区域上的和建立了中心极限定理。该区域不需要是矩形的,但可以是不规则形状的。单独的结果建立的情况下,积极的强依赖,短程依赖,和负的依赖。我们提供近似的渐近方差,揭示差分收敛速度下的三种类型的依赖。此外,与一维(即,时间序列)情形下,证明了$d>1$维数渐近方差的形式在正强相关和负相关下均与采样区域的几何形状密切相关,并且在负相关下$d>1$可能存在非平凡的边缘效应.给出了边界效应存在的精确条件。
2016-01-06 math.ST stat.TH
Ordinal Pattern Dependence in the Context of Long-Range Dependence
有序模式相关是一种基于两个时间序列共同运动的多变量相关度量。在强连接到顺序时间序列分析,顺序信息被考虑到两个过程之间的依赖性,以获得稳健的结果。本文讨论了长相关时间序列的顺序模式依赖性,包括短相关和长相关的混合情况。研究了序模式依赖估计的极限分布。在这样做的时候,我们指出的差异,产生的基础时间序列具有不同的依赖结构。根据这些假设,证明了中心和非中心极限定理。后者的极限分布可以包含在多元Rosenblatt过程类中。最后,一个模拟研究来说明我们的理论研究结果。
2021-05-03 math.PR math.ST stat.TH
Studentized U-quantile processes under dependence with applications to change-point analysis
许多流行的稳健估计是$U$ -分位数,最著名的是Hodges-Lehmann位置估计和$Q_n$尺度估计。在不作任何矩假设和弱短程相依条件下,证明了序列$U$ -分位数过程的泛函中心极限定理.我们进一步设计了一个估计的长期方差,并显示其一致性,从学生化版本的序列$U$ -分位数过程的标准布朗运动的收敛如下。该结果可用于构造基于$U$ -分位数的CANUM型变点检验,该检验不依赖于自举过程。我们详细展示了这种方法的例子中的Hodges-Lehmann估计稳健检测中心位置的变化。仿真研究证实了非常好的鲁棒性和效率性能的测试。两个真实的数据集进行了分析。
2016-03-18 math.ST stat.TH
Empirical process theory for nonsmooth functions under functional dependence
本文给出了非光滑函数类上局部平稳过程的一个经验过程理论。与其他方法相比,一个重要的新颖性是使用灵活的函数相关度量来量化相关性。给出了泛函中心极限定理和非渐近极大不等式.该理论被用来证明经验分布函数(EDF)的函数收敛性,并得到平稳和局部平稳过程的核密度估计的一致收敛性。与早期的结果进行了比较,根据其他措施的依赖。
2021-08-19 math.ST stat.TH
When uniform weak convergence fails: Empirical processes for dependence functions and residuals via epi- and hypographs
在过去的几十年里,随机过程的弱收敛理论已经成为分析各种统计量的渐近性质的标准工具。然而,在具有上确界度量的有界函数空间中考虑了弱收敛性。然而,在某些情况下,这些空间中的弱收敛不能成立。例子包括经验copula和尾部相关过程以及线性回归模型中的残差经验过程,以防潜在分布缺乏一定程度的平滑。为了解决这个问题,引入了一种新的局部有界函数度量,并发展了相应的弱收敛理论。关于新度量的收敛与epi收敛和次收敛有关,并且弱于一致收敛性。然而,对于连续极限,它等价于局部一致收敛性,而在温和的边条件下,它意味着$L^p$收敛。对于上面提到的例子,关于新度量的弱收敛是在关于上确界距离不发生的情况下建立的。结果被应用到获得渐近性质的restaurant程序和拟合优度检验。
2014-08-14 math.ST stat.TH
Generalized madogram and pairwise dependence of maxima over two regions of a random field
空间环境过程往往表现出较大的依赖性。为了模拟这样的过程,他们的依赖性质必须进行表征和量化。在本文中,我们引入了一个度量,用于评估位于R^2的两个独立位置区域中的极值观测之间的相关性。我们计算这个新的依赖性度量的范围,它扩展了现有的λ-madogram的概念,并将其与极值系数进行比较,找到了成对方法中已知关系的推广。介绍了该测度的估计量,并证明了其渐近正态性和强相合性。在葡萄牙地区的年最大降水量的应用。
2012-01-24 math.ST stat.TH
Semiparametric estimation for isotropic max-stable space-time processes
有规律变化的时空过程已被证明是有用的研究极端依赖的时空数据。我们提出了一个半参数估计过程的基础上的极值封闭形式的表达式来估计参数模型的极值依赖函数。我们建立了参数估计的渐近性质,并提出了子抽样程序,以获得渐近正确的置信区间。仿真研究表明,所提出的方法适用于中等样本量,是强大的小偏离的基础模型。最后,我们应用此估计程序,在佛罗里达州的一个地区的雷达降雨测量拟合的最大稳定的过程。补充结果和一些关键结果的证明,并在补充的模拟研究。
2018-07-15 math.ST stat.ME stat.TH
A maximal inequality for local empirical processes under weak dependence
本文针对强混合数据下的局部经验过程建立了一个非渐近极大不等式,该不等式在函数类、取值点和带宽上一致控制估计误差,并应用于核密度估计,证明在弱相依条件下可获得与独立同分布情形几乎相同的尖锐一致带宽速率。
2023-07-03 econ.EM math.ST stat.TH
Asymptotic properties of U-processes under long-range dependence
设$(X_i)_{i\geq 1}$是平稳均值零高斯过程,其协方差$ρ(k)=\PE(X_{1}X_{k+1})$满足:$ρ(0)=1$和$ρ(k)=k^{-D} L(k)$,其中$D$在$(0,1)$中,$L$在无穷远处慢变.考虑定义为$$ U_n(r)=\frac{1}{n(n-1)}\sum_{1\leq i\neq j\leq n}\1_{\{G(X_i,X_j)\leq r\}}\; , $$的$U$ -过程$\{U_n(r),\; r\in I\}$,其中$I$是包括在$\rset$中的间隔,并且$G$是对称函数。本文给出了$U_n$的中心极限定理和非中心极限定理.它们被用来推导Hodges-Lehmann估计量、Wilcoxon符号秩统计量、样本相关积分和相关尺度估计量的渐近行为。极限分布通过多重Wiener-Itô积分表示。
2010-12-03 math.ST stat.TH
A new class of conditional Markov jump processes with regime switching and path dependence: properties and maximum likelihood estimation
本文提出了一类新的具有状态转换和路径依赖的条件马尔可夫跳过程。开发过程的关键新功能在于它能够切换的过渡率,因为它从一个状态到另一个切换概率取决于当前状态和时间的过程,以及它过去的轨迹。因此,从当前状态到另一个状态的转换取决于进程在该状态下的保持时间。该过程的分布特性是明确的速度制度表示的有限数量的不同的过渡矩阵,在每个状态下,和过去实现的过程中,选择政权成员的概率。特别是,它具有分布等价随机表示,具有Frydman和Surya(2020)中引入的马尔可夫跳跃过程的一般混合。导出了过程分布参数的封闭形式的最大似然估计。使用期望最大化算法迭代地进行估计。赤池信息准则用于评估所选模型的拟合优度。导出了极大似然估计的显式观测费舍尔信息矩阵,用于计算极大似然估计的标准误。信息矩阵采用Louis(1982)的一般矩阵公式的简化形式。给出了极大似然估计的大样本性质。特别地,转移率极大似然估计的协方差阵等于Cramér-Rao下界,而体制成员极大似然估计的协方差矩阵小于Cramér-Rao下界.模拟研究证实了这些发现,并表明,参数估计是准确的,一致的,并具有渐近正态性的样本量增加。
2021-07-14 cs.IT cs.SY eess.SY
Statistical inference for Levy-driven graph supOU processes: From short- to long-memory in high-dimensional time series
Imperial College London(帝国理工学院)
本文提出了一种图驱动的 supOU 过程模型,用于高维时间序列中短程与长程依赖性的统一建模,并通过模拟和实证研究验证了其估计方法的有效性。
2026-03-04 math.ST stat.AP stat.ME
Limit theory for the empirical extremogram of random fields
规则变化的随机过程能够模拟随机场中位置处的过程值之间的极值依赖。我们调查的经验极值作为一个估计的依赖在极端。我们提供的条件,以确保渐近正态性的经验极值为中心的前渐近版本。对于具有Fr{é}chet边界的极大稳定过程,我们给出了经验极值图以其真值为中心渐近正态的条件.本文的结果适用于各种空间和时空过程,以及时间序列模型。我们应用我们的结果最大移动平均过程和Brown-Resnick过程。
2017-04-09 math.ST stat.TH
Copula Relations in Compound Poisson Processes
本文研究了多维复合泊松过程(CPP)中跳跃分布的依赖结构与CPP本身各分量的依赖结构之间的关系。为此,考虑渐近$λt\to \infty$,其中$λ$表示CPP的强度,$t$表示CPP的时间点。为了对依赖结构进行建模,我们使用了copula的概念。我们证明了CPP的Copula在相当一般的假设下收敛到一个特定的高斯Copula,这取决于底层的跳跃分布。令$F$为$d$维跳跃分布$(d\geq 2)$,$λ>0$,并令$Ψ(λ,F)$为在时间点$1$具有强度$λ$的相应CPP的分布.进一步地,将映射$d$维分布到其copula上的算子表示为$\mathcal{T}$。我们研究的出发点是方程\begin{equation} \label{marFreeEq} \mathcal{T}(Ψ(λ,F))=\mathcal{T}(Ψ(λ,\mathcal{T}F)). \end{equation}的有效性。我们的渐近理论意味着这个方程一般来说是不正确的。在最后一节中给出了证实我们的理论结果的仿真研究。
2014-09-30 math.ST stat.TH
On approximate pseudo-maximum likelihood estimation for LARCH-processes
Robinson [J. Econometrics 47(1991)67- 84]引入了线性时间序列(Linear time sequence,LQR)过程来模拟波动率和杠杆率的长期相关性。最近的文献中已经研究了Lithium过程的基本理论性质。然而,目前还缺乏估计方法和相应的渐近理论。本文考虑系数为非可和双曲衰减的Lyndham过程的相依参数估计。导出了渐近极限定理。对于近似条件伪极大似然估计,证明了具有$\sqrt{n}$ -收敛速率的中心极限定理。为了获得仅包括观测值的可计算版本,需要进一步近似。可计算估计量也是渐近正态的,但是收敛速率比$\sqrt{n}.$慢
2010-01-12 math.ST stat.TH
Modeling spatial processes with unknown extremal dependence class
许多环境过程的空间依赖性随着事件变得更加极端而减弱。众所周知的极限模型,如最大稳定或广义帕累托过程,不能捕捉到这一点,这可能导致对表现出渐近独立性的模型的偏好。然而,弱化依赖并不自动意味着渐近独立,并且过程是否真正渐近(不)依赖通常还远未明确。这种区别是关键,因为它可能对外推法产生很大影响,即,比观察到的更极端的事件的估计概率。在这项工作中,我们提出了一个单一的空间模型,能够捕获两个依赖类在一个吝啬的方式,并与两种情况之间的平滑过渡。该模型涵盖了广泛的可能性,从渐近独立到完全依赖,并允许削弱极端的依赖,即使在渐近依赖。隐式copula的删失似然推理是可行的,由于封闭形式的利润率在中等尺寸。该模型适用于具有模糊真极限相关结构的海洋数据集。
2017-09-05 stat.ME
A class of dependent Dirichlet processes via latent multinomial processes
我们描述了一个程序,介绍一般的依赖结构的一组Dirichlet过程。依赖性可以是在一个方向上以定义时间序列,或者是在两个方向上以定义空间依赖性。也可以考虑更多的方向。依赖性是通过一组潜在的过程诱导,并利用Dirichlet和多项式过程之间的共轭性质,以确保该集合的每个元素的边际法是一个Dirichlet过程。依赖性的特点是任何两个元素之间的相关性。当我们使用Dirichlet过程的集合作为先验分布时,我们得到了一个非参数背景下的后验分布。后验预测分布诱导广义Pólya urs定义的部分可交换序列。最后给出了一个数值例子。
2021-10-14 stat.ME
Modeling spatial tail dependence with Cauchy convolution processes
研究了基于不同类型核函数的柯西卷积过程空间数据的相关模型。我们表明,由此产生的空间过程具有吸引人的尾部依赖特性,如在短距离的尾部依赖和在长距离的独立性与合适的核函数。我们推导出这些过程的极值极限,研究其光滑性,并详细介绍了一些有趣的特殊情况。为了在亚渐近水平上获得更高的灵活性并分别控制体依赖性和尾依赖性,我们进一步提出了通过混合柯西卷积过程和高斯过程构建的空间模型。我们证明,这个框架确实提供了一个丰富的模型类的批量和尾部行为的联合建模。我们提出的推理方法依赖于匹配的基于模型的和经验的汇总统计,广泛的模拟研究表明,它产生准确的估计。我们证明了我们的新方法,应用于温度数据集测量在97个监测站在美国俄克拉荷马州。我们的研究结果表明,我们提出的模型提供了一个非常好的适合的数据,它准确地捕捉到批量和尾部依赖结构。
2022-06-08 stat.ME
Bayesian Uncertainty Management in Temporal Dependence of Extremes
在对平稳时间序列的极值进行建模时,必须同时描述边际特征和相关特征。边际建模有标准的方法,但长期和短期的极端依赖性都可能出现。在应用中,长程独立性的假设通常看起来是合理的,但是短程相关性,即,极端现象的聚集,需要引起注意。极值指标$0<θ\le 1$是聚类的一种自然限制性度量,但对于包括所有平稳高斯过程在内的大类相依过程,它不能用$θ=1$区分相依过程和独立过程。Eastoe和Tawn(2012)通过引入基于阈值的极值指数,利用多变量极值的方法来处理平稳时间序列的亚渐近极值依赖结构,涵盖$0<θ<1$和$θ=1$。他们的依赖模型的推断使用一个低效的逐步程序,有各种弱点,并没有可靠的不确定性评估。我们克服了这些问题,使用贝叶斯半参数方法。模拟和英国每日河流流量时间序列的分析表明,新的方法提供了更高的效率,估计性能的泛函的集群。
2016-03-16 stat.ME
Bridging between short-range and long-range dependence with mixed spatio-temporal Ornstein-Uhlenbeck processes
虽然短期相关性因其简单性而在文献中被广泛假设,但长期相关性是在金融、水文、地球物理和经济学数据中观察到的一个特征。在本文中,我们扩展了Lévy驱动的时空Ornstein-Uhlenbeck过程,通过随机改变其速率参数来模拟短程和长程依赖。这种特殊的设置允许非可分离的时空相关性,这是理想的实际应用,以及灵活的空间协方差所产生的影响区域的形状。建立了时空平稳性和二阶矩等理论性质。一个各向同性的g-类也被用来说明如何内存的过程是相关的速率参数的概率分布。我们开发了一个模拟算法的复合泊松的情况下,可以用来近似其他Lévy基地。广义矩量法用于推理和模拟实验进行了展望渐近性质。
2017-04-13 stat.ME
Max-convolution processes with random shape indicator kernels
本文提出基于随机形状指示核的最大卷积过程模型,用于空间数据,可分别控制主体与尾部依赖,并通过加权成对似然法估计参数,在俄克拉荷马州温度数据上验证了有效性。
2023-10-16 stat.ME
Modeling non-stationary extreme dependence with stationary max-stable processes and multidimensional scaling
模拟多地点极端天气事件的联合分布是一项具有重要应用价值的挑战性任务。在这项研究中,我们使用最大稳定模型来研究极端日降水事件在瑞士。当前空间过程的非平稳性涉及重要的挑战,通常通过在所谓的气候空间中使用具有精心选择的协变量的平稳模型来处理这些挑战。在这里,我们选择使用多维缩放(MDS)在更高维度的潜在空间中扭曲研究中的气象站。这种方法的优点是其改进的灵活性,以再现高度非平稳的现象,同时保持一个易于处理的静态空间模型的潜在空间。两个模型拟合的方法,都使用MDS,提出并比较依赖于在气候空间中的复合似然最大化的经典方法。结果表明,所提出的方法更好地再现所观察到的极值系数及其复杂的空间依赖性。
2018-11-28 stat.ME
Models for extremal dependence derived from skew-symmetric families
斜对称分布族,如斜正态分布和斜$t$分布,代表正态分布和$t$分布的超集,它们表现出更丰富的极值行为。通过定义一个非平稳斜正态过程,使得对正定、非平稳协方差函数的处理变得容易,我们得到了一类新的极大稳定过程--极值斜$t$过程.这个过程是一个超集的非平稳过程,包括平稳极值- $t$过程。我们提供的频谱表示和由此产生的角密度的极端倾斜$t$过程,并说明其实际实施(包括支持信息)。
2016-04-18 stat.ME
Bag of DAGs: Inferring Directional Dependence in Spatiotemporal Processes
提出 Bag of DAGs 过程通过将风向映射为稀疏有向无环图边,在贝叶斯分层模型中推断时空数据的方向依赖,有效提升了非平稳时空建模的可解释性与可扩展性。
2024-07-29 stat.ME
A spatial dependence graph model for multivariate spatial hybrid processes
本文讨论了多元混合型空间数据的联合分析问题,其中部分数据是点过程,部分数据是格型数据。在对标记空间点和格点过程的统计方法进行调查之后,定义了多变量空间混合过程类,并将其嵌入到空间依赖图模型的框架中。在这个模型中,点和格子子过程被标识为图的节点,而缺失的边表示组件之间的条件独立性。这最终导致了一个通用的框架,任何类型的空间数据在多元设置。我们展示了我们的方法在分析的多变量点格模式的犯罪和救护车服务呼叫在伦敦记录的事件,其中的点是不同的预分类的犯罪事件和网格组件的位置报告不同的聚集事件率在病房一级。
2019-06-18 stat.AP stat.ME
Hyperedge-Triggered Hawkes Processes for Diagnosing Higher-Order Temporal Dependence in Event Streams
School of Mathematics and Statistics, Qingdao University(青岛大学数学与统计学院)
提出超边触发霍克斯过程(HTH)用于从异步事件数据推断多细胞系统中的高阶交互结构,通过闭合形式的EM算法和CP张量分解实现高效推断,在合成实验中成对恢复误差低于5%,并在视网膜神经节细胞数据上获得+20.6 nats的似然增益。
2026-08-31 stat.ME
On the construction of stationary processes and random fields
提出一种利用相关二元序列构造具有给定递减协方差函数和任意一维边际分布的平稳过程与随机场的新方法,为相依结构建模提供了简单实用的途径。
2024-07-22 stat.ME
Bias-correction and Test for Mark-point Dependence with Replicated Marked Point Processes
标记点依赖在研究标记点过程的问题中起着至关重要的作用。在这项工作中,我们专注于调整标记点的依赖性时,估计的平均值和协方差函数的标记过程,独立复制的标记点过程。我们假设标记过程是一个高斯过程,点过程是一个对数高斯Cox过程,其中标记-点依赖性是通过两个潜在高斯过程之间的依赖性产生的。在此框架下,朴素局部线性估计忽略了标记点的依赖,可以严重偏置。我们表明,这种偏差可以使用交叉协方差函数的局部线性估计进行校正,并建立一致的偏差校正估计的收敛速度。此外,我们提出了一个基于局部线性估计的检验统计量的标记点的独立性,这是收敛到一个渐近正态分布的参数$\sqrt{n}$ -收敛速度。模型诊断工具的关键模型的假设和鲁棒的功能排列测试提出了更一般的一类标记点过程。所提出的方法的有效性证明了使用广泛的模拟和应用程序的两个真实数据的例子。
2022-07-25 math.ST stat.ME stat.TH
Bridging Asymptotic Independence and Dependence in Spatial Extremes Using Gaussian Scale Mixtures
高斯尺度混合物被构造为具有随机方差的高斯过程。它们具有非高斯边缘,并且可以表现出与高斯过程不同的渐近依赖性,高斯过程除了完全依赖的情况外是渐近独立的。在本文中,我们详细研究了高斯尺度混合物的极值依赖性质,我们统一和扩展的联合尾衰减率在渐近依赖和独立的情况下的一般结果。出于对空间极值的分析,我们提出了几种灵活而简约的参数Copula模型,这些模型可以从渐近依赖平滑地插值到独立性,并将高斯依赖作为特例。我们展示了如何使用删失似然方法将这些新模型拟合到高阈值的一致性,并且我们证明了它们提供了有关尾部特征的有价值的信息。我们的参数方法优于广泛使用的非参数$χ$和$\barχ$统计,通常用于指导模型选择在探索阶段,通过借用跨位置的强度,更好地估计渐近依赖类。我们证明了我们的方法的能力,充分捕捉极端属性的风速数据收集在太平洋西北部,美国。
2017-01-27 stat.ME
Mixture Modeling for Temporal Point Processes with Memory
University of Georgia(佐治亚大学);University of California, Santa Cruz(加利福尼亚大学圣克鲁兹分校)
本研究提出一种带记忆的时间点过程混合建模方法,通过滞后持续时间的一阶条件密度混合刻画历史依赖,支持自激/自调节过程与聚类扩展,配套贝叶斯推断方案,经合成与真实数据验证有效。
2025-10-29 stat.ME
Time series models with infinite-order partial copula dependence
平稳和遍历时间序列可以使用基于二元Copula函数集的s-vine分解来构造。这种过程的无限Copula序列的扩展被认为是产生丰富的一类模型,概括高斯ARMA和ARFIMA过程,允许非高斯边际行为和非高斯描述的串行部分依赖结构。提出并研究了线性过程的经典因果和可逆表示到一般s-藤过程的推广。一个实用的和简约的方法参数化的S-葡萄藤过程使用肯德尔偏自相关函数的开发。所得到的模型,以提高统计拟合在许多应用程序中的潜力表明与一个例子,使用宏观经济数据。
2021-07-02 q-fin.ST stat.AP stat.ME
Capturing Multivariate Spatial Dependence: Model, Estimate and then Predict
物理过程很少孤立地发生,而是相互影响和相互作用。因此,有很大的好处,在建模空间位置和不同的过程之间的潜在依赖性。这是这两个依赖关系之间的相互作用,这是Genton和Kleiber的论文讨论的重点。我们认为确保任何多元空间协方差阵是非负定的问题同样重要,但我们也将其视为达到目的的一种手段。这个“目的”就是解决预测多元场的科学问题。[arXiv:1507.08017]。
2015-07-30 stat.ME
Graphical modelling of multivariate spatial point processes
本文提出了一种新的图形模型,称为空间依赖图模型,它捕捉了不同的事件,在空间中随机发生的全局依赖结构。在空间依赖图模型中,利用条件部分谱相干性识别边缘集。因此,节点与多元空间点过程的分量相关,而边表示单个分量之间的正交关系。本文介绍了一种有效的方法对高度结构化和高维空间点过程的模式分析。与以前的所有方法不同,我们的新模型允许同时分析所有多变量条件相关性。我们的新技术,调查多元结构关系的潜力说明使用数据林以及每月的数据在伦敦金融城的犯罪。
2016-07-24 stat.AP stat.ME
Flexible and efficient emulation of spatial extremes processes via variational autoencoders
University of Missouri(密苏里大学);King Abdullah University of Science and Technology (KAUST)(阿卜杜拉国王科技大学)
针对高维空间极值过程计算与建模的挑战,提出XVAE模型,结合灵活非平稳依赖特性与变分自编码器,实现高效仿真与推断,并在红海海表温度数据上识别海洋热浪易发区域。
2024-12-18 cs.LG stat.ME stat.ML
Regionalization approaches for the spatial analysis of extremal dependence
针对现有最大稳定过程参数模型的空间平稳性假设不适用于大面积异质区域数据的问题,研究改进了用于区域划分的聚类算法,经模拟验证可提升气候极值空间依赖分析的效果。
2023-06-13 stat.AP stat.ME