Parameter Estimation of Gaussian Stationary Processes using the Generalized Method of Moments
本文考虑一类具有显参数谱密度的平稳高斯过程。在自协方差函数满足一定条件的情况下，利用Breuer-Major定理和前人关于遍历性的结果，定义了一个满足相合性和渐近正态性的GMM估计.这一结果被应用到由分数布朗运动驱动的平稳Ornstein-Uhlenbeck（festival）过程的三个参数的联合估计。其GMM估计量的渐近正态性适用于（0，1）中的任何H，并且对其余参数有一定的限制。数值研究是在第四种情况下进行的，以说明估计的实际性能时，数据点的数量是温和的。
2017-01-16 math.ST stat.TH
Generalized Method of Moments Estimator Based On Semiparametric Quantile Regression Imputation
在这篇文章中，我们考虑一种插补方法来处理基于半参数分位数回归估计的缺失响应值。在所提出的方法中，缺失的响应值生成使用估计的条件分位数回归函数在给定的协变量值。我们采用广义矩量法估计的参数定义通过一个一般的估计方程。我们证明了所提出的估计，它结合了半参数分位数回归插补和广义矩方法，具有竞争优势，对一些最广泛使用的参数和非参数插补估计。证明了估计量的相合性和渐近正态性，并给出了方差估计。有限的模拟研究和实证研究的结果，显示所提出的方法的充分性。
2014-04-11 math.ST stat.TH
Moment Consistency of the Exchangeably Weighted Bootstrap for Semiparametric M-Estimation
Bootstrap方差估计在半参数推断中有着广泛的应用。然而，它的理论有效性是一个众所周知的开放问题。本文对半参数模型中的Bootstrap矩估计进行了{ \em first}理论研究。具体地说，我们建立了欧几里德参数的自举矩的一致性，它直接意味着$t$型自举置信集的一致性。值得指出的是，与分布一致性相比，实现自举矩一致性的唯一额外代价是简单地将后者所需的$L_1$极大不等式条件加强为$p\geq 1$的$L_p$极大不等式条件。本文建立的一般$L_p$乘子不等式也是独立的.这些一般结论适用于具有可交换自举权重的自举方法，例如，非参数bootstrap和贝叶斯bootstrap。我们的一般理论在著名的Cox回归模型中得到了说明。
2014-09-21 math.ST stat.TH
On moment-density estimation in some biased models
本文研究了基于$g(x)=W^{-1} w(x) f(x)$的iid观测值估计概率密度函数$f$，其中权函数$w$和总权$W=\int w(x) f(x) dx$可能是未知的。考虑了长度偏置和剩余寿命分布模型。研究了估计量的渐近正态性和均方误差的收敛速率。
2006-11-07 math.ST stat.TH
Extremes, extremal index estimation, records, moment problem for the Pseudo-Lindley distribution and applications
Zeghdoudi和Nedjar（2016）引入的伪林德利分布研究了其上尾。在这方面，当底层分布函数遵循伪林德利定律时，我们研究其值的行为、Hill估计量和双指标广义Hill统计过程（Ngom和Lo）的渐近正态性、记录值的渐近正态性和矩问题。
2019-12-14 math.ST stat.ME stat.TH
Moment estimation in paired comparison models with a growing number of subjects
School of Mathematics and Statistics, Zhaoqing University（肇庆学院数学与统计学院）；School of Mathematics and Statistics, Shangqiu Normal University（商丘师范学院数学与统计学院）；Department of Statistics, Central China Normal University（华中师范大学统计学系）
针对受试者数量$n$增大时配对比较稀疏的问题，本文基于Erdös--Rényi比较图，采用受试者得分的矩估计推断优值参数，建立统一理论框架证明其一致相合性和渐近正态性，并通过Thurstone模型、数值研究及真实数据分析验证。
2025-11-14 math.ST stat.TH
Density estimation for RWRE
考虑了随机环境中随机游动的单轨道观测的非参数密度估计问题。我们首先使用β-矩构造一个密度估计。然后，我们表明Goldenshluger-Lepski方法可用于选择β矩。我们证明了这些估计的上确界范数的非渐近界的经常性和瞬态的权利的情况下。模拟研究支持我们的理论研究结果。
2018-06-15 math.ST stat.TH
Moment-based Estimation of Mixtures of Regression Models
回归模型的有限混合为许多现象提供了灵活的建模框架。使用矩为基础的估计的回归参数，我们开发无偏估计的混合成分的假设最少。特别地，只需要混合模型中的一个分量的平均回归模型，并且对分布没有要求。估计量的一致性和渐近分布推导和所提出的方法是通过一系列的模拟研究进行验证，并被证明是高度准确的。我们说明了使用的时刻为基础的混合回归模型与应用程序的葡萄酒质量数据。
2019-05-15 math.ST stat.AP stat.ME
Higher Moments and Prediction Based Estimation for the COGARCH(1,1) model
COGARCH模型是著名的GARCH模型的连续时间版本的财务回报。它们是由Lévy过程驱动的随机微分方程的解。本文的第一个目的是说明如何基于预测的估计函数（PBEF）的方法可以被应用到绘制统计推断从一个离散样本的观测COGARCH（1，1）模型，只要高阶结构的过程是明确的。出于寻找最佳PBEF，本文的第二个目的是提供递归表达式的联合时刻的任何固定顺序的过程中，只要它们存在。给出了渐近结果，仿真研究表明，PBEF方法优于其他可用的估计方法。
2014-10-31 math.PR math.ST stat.TH
Statistical and Computational Limits for Cumulant Tensor Inference: A Regime in Which Efficient Detection Is Harder Than Efficient Estimation
University of Wisconsin-Madison（威斯康星大学麦迪逊分校）；University of Notre Dame（圣母大学）；Duke University（杜克大学）
研究高阶矩和累积量张量的估计与检测，发现估计率最优为√(p/n)∧1，而样本矩张量对d≥3不最优，提出达到最优的估计器。同时，检测累积量张量是否为零在计算上具有挑战性，揭示了计算与统计间的反向差距。
2026-11-04 cs.CC math.ST stat.TH
Stein's method of moment estimators for local dependency exponential random graph models
University of Oxford（牛津大学）；University of Warwick（华威大学）
本文提出利用Stein估计器改进指数随机图模型的参数估计，通过Stein特征化方法获得新的估计器，解决传统最大似然估计计算复杂的问题。
2026-03-25 math.ST stat.ME stat.TH
A semiparametric estimation of copula models based on the method of moments
利用经典的矩估计方法，提出了多参数Copula模型的一种新的半参数估计方法。建立了估计量的相合性和渐近正态性。通过考虑阿基米德copula模型，进行了广泛的模拟研究，比较这些估计与伪极大似然，ρ-反演和τ-反演的。我们表明，与其他方法相比，基于矩的估计是快速和简单的使用合理的偏差和根均方误差。
2012-01-07 stat.ME
Local moment matching: A unified methodology for symmetric functional estimation and distribution estimation under Wasserstein distance
Stanford University（斯坦福大学）
我们提出\emph{Local Moment Matching (LMM)}，对称函数估计和分布估计下瓦瑟斯坦距离的统一方法。我们构造了一个有效的可计算的估计，实现了极大极小率估计的分布排列，并表明，插件的方法，我们的无标签分布估计是“通用”的对称泛函估计的离散分布。而不是做最好的多项式逼近显式在现有文献中的功能估计，插件的方法进行多项式逼近隐式，并达到最佳的样本复杂性的熵，功率和支持大小泛函。
2018-06-26 cs.IT cs.LG math.IT
Trimmed L-moments For Estimation Multi-parameter Archimedean Copulas
Elamir和Seheult（2003）提出了一种新的估计方法--修剪L-矩，用于估计均值不存在时的多参数分布和Hosking（1990）提出的L-矩方法由于缺乏理论L-矩而失效的重尾分布。本文提出了一种新的基于多参数Copula的截断L-矩估计方法，并进行了仿真研究。并证明了新估计量的相合性和渐近正态性。
2016-09-04 stat.ME
A Non-Classical Parameterization for Density Estimation Using Sample Moments
Shanghai Jiao Tong University（上海交通大学）
本文提出一种基于样本矩的非经典参数化密度估计方法，通过平方Hellinger距离导出，无需选择可行函数，可由凸优化求解，并首次实现任意偶数阶幂矩与样本矩精确匹配。
2023-07-04 cs.LG math.OC math.PR
Median Based Unit Weibull Distribution (MBUW): Do the Higher Order Probability Weighted Moments (PWM) Add More Information over the Lower Order PWM in Parameter Estimation
Department of Mathematical Statistics, Faculty of Graduate Studies for Statistical Research, Cairo University（开罗大学统计研究研究生院数学统计系）
本文针对MBUW分布的参数估计问题，对比一阶与高阶PWM方法的表现，推导PWM估计量的渐近分布，结合真实数据分析验证高阶PWM是否能提供更多有效信息。
2025-11-18 math.PR stat.ME
Robust and Computationally Efficient Trimmed L-Moments Estimation for Parametric Distributions
本文提出基于非对称截尾 L-矩的参数分布稳健估计框架，建立渐近性质并开发高效算法，仿真与金融索赔建模验证了其性能。
2025-05-14 math.ST stat.AP stat.CO
Copula representation of bivariate L-moments : A new estimation method for multiparameter 2-dimentional copula models
最近，Serfling和Xiao（2007）将L-moment理论（Hosking，1990）扩展到多变量环境。在本文中，我们专注于二维随机向量之间的二元L-矩（BLM）和基础的二元Copula函数建立一个链接。这种联系提供了一个新的估计的依赖参数的二元统计数据。建立了估计量的相合性和渐近正态性。对基于BLM、极大似然、最小距离和秩近似Z-估计的估计量进行了大量的仿真研究。结果表明，当样本量增加时，基于BLM的估计在偏差和计算时间方面表现得更好。此外，根均方误差（RMSE）是相当合理的，一般不敏感的离群值比上述方法。此外，我们期望BLM方法是一个易于使用的工具，多参数Copula模型的估计。
2011-06-17 stat.CO stat.ME
A Simple and Efficient Estimation Method for Models with Nonignorable Missing Data
本文针对Morikawa and Kim（2016）研究的具有不可消除缺失数据的模型提出了一种简单有效的估计方法。他们的半参数有效估计需要明确的非参数估计，因此遭受的维数灾难，并需要一个带宽选择。我们提出了一种基于广义矩量法（以下简称GMM）的估计方法。我们的方法是一致的，渐近正常的，无论选择的矩的数量。此外，如果矩的数量适当增加，我们的估计可以达到Morikawa和Kim（2016）中推导的半参数有效界，但在较弱的正则条件下。此外，我们提出的估计和一致的协方差阵很容易计算与广泛使用的GMM包。我们提出了两种基于数据的方法来选择矩的数量。一个小规模的模拟研究表明，所提出的估计确实优于现有的替代品在有限的样本。
2018-01-12 stat.ME
Generalized method of L-moment estimation for stationary and nonstationary extreme value models
XRAI Inc.（XRAI公司）；Chonnam National University（全南国立大学）；Mahasarakham University（玛哈沙拉堪大学）
本文提出广义L矩估计法（GLME）用于平稳和非平稳极值模型，通过引入惩罚函数或先验信息校正LME的偏差，提升估计精度。
2025-12-23 stat.AP stat.CO stat.ME
General Form Moment-based Estimator of Weibull, Gamma, and Log-normal Distributions
本文提出一种基于任意阶矩对的统一估计框架，用于 Weibull、Gamma 和对数正态分布，并给出可证明收敛的数值算法，推广了现有估计方法并提升统计建模的灵活性与鲁棒性。
2025-05-03 stat.AP stat.ME
Inference on model parameters with many L-moments
University of São Paulo（圣保罗大学）
本文提出了一种基于L矩的参数估计方法，通过优化L矩数量和加权，提高了有限样本下的估计效率，同时保持渐近效率，并应用于拼车平台支出模式研究。
2026-01-26 stat.ME
Distribution Estimation for Probabilistic Loops
我们提出了一种算法的方法来估计概率循环的统计矩是（部分）已知的随机变量的值分布。基于这些矩，我们应用两种统计方法，最大熵和Gram-Charlier级数，估计循环的随机变量的分布。我们测量我们的分布估计的准确性，通过比较所得到的分布使用精确的和估计的概率循环的时刻，并进行统计测试。我们评估我们的方法在几个概率循环多项式更新随机变量从常见的概率分布，包括实施金融和生物模型的例子。为此，我们利用符号的方法来计算精确的高阶矩的循环，以及使用基于采样的技术来估计时刻从循环执行。我们的实验结果提供了实际的证据，我们的方法估计概率循环输出分布的准确性。
2022-05-13 stat.AP stat.CO
Moment-based density and risk estimation from grouped summary statistics
连续变量的数据通常通过直方图或表格格式进行汇总：数据范围被划分为连续的区间类，并将属于每个类的观测值数量提供给分析师。然后，通过假设变量在每个划分类内均匀分布，通过将所有观察值集中在中心或将它们分散到末端，可以以非参数的方式进行计算。平滑方法也可以应用于估计潜在的密度，或者可以将参数模型拟合到这些分组数据。对于保险损失数据，通常提供关于每个类别中包含的观测值的一些附加信息，通常是类别特定的样本矩，例如均值、方差甚至偏度和峰度。问题是如何将这些额外的信息包括在估算过程中。本文提出了一种基于这种增强信息的密度和分位数估计方法，并以汽车保险数据为例。
2021-07-08 stat.ME
Modified Method of Moments for Generalized Laplace Distribution
本文研究对称方差伽马（广义拉普拉斯）分布的参数估计，发现经典矩方法表现不佳，提出基于绝对矩的修正矩方法，在金融建模常见参数下显著提升效率，并与最大似然估计竞争。
2023-11-19 math.PR stat.ME
First-passage probability estimation of high-dimensional nonlinear stochastic dynamic systems by a fractional moments-based mixture distribution approach
高维非线性随机系统的首次穿越概率估计是许多科学和工程领域亟待解决的重要课题，但仍然是一个公开的挑战。本论文开发了一种新的方法，称为“分数矩为基础的混合分布”，以解决这样的挑战。该方法是通过分数阶矩和混合分布的概念来捕捉系统响应的极值分布（EVD）。在我们的上下文中，分数阶矩本身定义为一个具有复杂被积函数的高维积分。为了有效地计算分数阶矩，一个并行的自适应采样方案，允许样本量扩展开发使用精细拉丁化分层抽样（RLSS）。以这种方式，方差减小和并行计算都可以用于评估分数矩。根据低阶分数阶矩的知识，然后期望重建感兴趣的EVD。在引入广义逆高斯分布和对数广义斜正态分布的基础上，提出了一种柔性混合分布模型，并给出了其分数阶矩的解析表达式。通过拟合一组分数阶矩，可以通过所提出的混合模型恢复EVD。因此，可以直接从恢复的EVD中获得不同阈值下的首次通过概率。通过两个测试算例和一个工程问题的算例验证了该方法的有效性。
2022-10-10 stat.ME
Implicit Density Estimation by Local Moment Matching to Sample from Auto-Encoders
University of Montreal（蒙特利尔大学）
最近的工作表明，一些自动编码器变体在捕获未知数据生成密度的局部流形结构方面做得很好。本文有助于从数学上理解这一现象，并有助于基于自动编码器变体为深度学习定义更合理的采样算法。我们考虑MCMC，其中每个步骤从高斯采样，其均值和协方差矩阵取决于先前的状态，通过其渐近分布定义目标密度。首先，我们证明了这些均值和协方差函数的良好选择（在一致性的意义上）是该目标密度下的局部期望值和协方差。然后，我们表明，一个压缩惩罚的自动编码器捕获这些局部矩在其重建函数和雅可比矩阵的估计。因此，这项工作的贡献是一种新的替代最大似然密度估计，我们称之为本地矩匹配。它还证明了最近提出的压缩自动编码器的采样算法，并将其扩展到去噪自动编码器。
2012-06-30 cs.LG stat.ML
Power Estimation for Longitudinal Studies with Time Dependent Covariates Using Generalized Method of Moments
Virginia Commonwealth University（弗吉尼亚联邦大学）
本文针对含时变协变量的纵向研究，提出基于广义矩方法（GMM）的两种功效估计方法（Wald法和距离度量法），填补了GMM框架下缺乏实用功效分析工具的空白。
2026-05-28 stat.AP stat.ME
On fitting the Lomax distribution: a comparison between minimum distance estimators and other estimation techniques
在本文中，我们研究了各种估计技术的规模和形状参数的Lomax分布的性能。这些方法包括传统的方法，如极大似然估计和矩估计方法。还包括调整偏倚的极大似然估计量的版本。此外，替代的基于矩的估计技术，如$L$矩估计和概率加权矩估计，包括随着三个不同的最小距离估计。通过广泛的蒙特卡罗研究，这些估计的有限样本性能进行了比较。我们发现，没有一个单一的估计优于它的竞争对手一致。我们推荐一种最小距离估计用于较小的样本，而偏差减少版本的极大似然估计用于较大的样本。此外，传统的极大似然估计的理想渐近性质使它们对更大的样本有吸引力。我们还包括一个实际的应用程序，展示了使用的技术对观测数据。
2022-07-13 stat.ME
Moment-based Random-effects Meta-analysis Equipped with Huber's M-Estimation
本文将 Huber M 估计融入基于矩的随机效应 Meta 分析，以改善小样本下研究间方差低估问题，并通过联合分布可视化提升治疗效应推断与置信区间准确性。
2024-12-05 stat.ME
Bootstrap-Aggregated Method-of-Moments Estimation of the Copula Correlation Parameter for Marginal Survival Inference under Dependent Censoring
Yonsei University（延世大学）
本文提出一种基于bootstrap的矩估计法，用于估计在依赖性删失情况下生存边缘推断中的copula相关参数，通过模拟退火算法进行bootstrap聚合以获得稳定估计，验证了方法在临床试验中的有效性。
2026-04-05 stat.AP stat.ME
On Limiting Distributions Of Estimation Of Central Moments
应提交人的要求，这篇论文已被撤回。
2008-02-19 math.ST stat.TH
Simultaneous estimation of complementary moment independent sensitivity measures for reliability analysis
在基于可靠性的设计中，失效概率的估计是一个重要的目标。然而，仅仅关注故障事件的发生可能不足以完全表征所考虑系统的可靠性。本文提供了一个共同的估计方案的两个互补的时刻独立的灵敏度措施，允许提高系统的可靠性的理解。数值应用进行，以显示所提出的估计程序的有效性。
2020-10-07 math.ST stat.TH
Moment estimation for ergodic diffusion processes
研究了具有未知趋势系数的遍历扩散过程的矩估计。我们考虑非参数和参数估计。在每种情况下，我们提出了一个下界的风险，然后构建一个渐近有效的估计的时刻型功能或参数，它具有一对一的对应关系，这样的功能。其次，我们通过对分布函数的Edgeworth展开，阐明了矩型估计量的高阶性质。
2007-11-26 math.ST stat.TH
Estimation of sub-Gaussian random vectors using the method of moments
亚高斯稳定分布是一种重尾椭圆型分布，在信号处理和金融数学中有着重要的应用。这项工作解决的问题，可行的估计分布。我们提出了一种方法的基础上的应用程序的矩量法的经验特征函数。此外，我们证明了我们的估计的几乎必然收敛，发现他们的极限分布，并证明了他们的有限样本性能。
2022-08-03 math.ST stat.TH
Asymptotic Moments Matching to Uniformly Minimum Variance Unbiased Estimation under Ewens Sampling Formula
Ewens抽样公式是与正整数的随机划分有关的分布。在本研究中，我们研究了分布下参数估计的非存在解问题。在此基础上，利用Ewens抽样公式，得到了一致最小方差无偏估计量的一阶矩和二阶矩匹配估计量。蒙特卡洛模拟研究进行评估的效率所产生的估计。
2021-05-24 math.ST stat.TH
On differentiability of implicitly defined function in semi-parametric profile likelihood estimation
本文研究了半参数模型参数的轮廓似然估计中所遇到的隐定义函数的可微性。Scott和Wild（Biometrika 84（1997）57-71; J. Statist.计划Inference 96（2001）3-27）以及Murphy和van der Vaart（J. Amer. Statistist. Assoc.95（2000）449-485）开发了可以通过参数化轮廓似然中的参数并在半参数模型中使用近似的最不利子模型来避免处理这种隐式定义的函数的方法。我们的结果表明，Hirose（Ann. Inst. Statistist. 63（2011）1247-1275），其使用简档似然的直接扩展。
2016-01-07 math.ST stat.TH
Robust parameter estimation of regression model under weakened moment assumptions
本文给出了当协变量或响应具有较弱矩条件时几种回归模型参数阵估计的一些推广结果。本文研究了Fan等（Ann Stat 49（3）：1239- 1266，2021）关于具有$(1+ε)$阶矩噪声的矩阵完备化模型的$M$估计.观察到了相应的相变现象。当采用$1> ε>0$时，鲁棒估计器具有比以往文献慢的收敛速度.对于高维多指标系数模型，利用逐元截断方法处理有限四阶矩重尾数据，提出了一种改进的估计。大量的仿真研究验证了我们的理论结果。
2022-09-07 math.ST stat.TH
Efficient estimation of moments in linear mixed models
在线性随机效应模型中，当分布假设（如误差变量的正态性）无法证明时，矩可以作为替代方法来描述其均值邻域中的相关分布。通常，估计量可以作为估计方程的解来获得。事实证明，可能有几个方程，他们每个人都导致一致的估计，在这种情况下，找到有效的估计成为一个关键问题。本文系统地研究了线性混合模型中误差矩和随机效应矩的估计。
2012-03-02 math.ST stat.TH
Robust estimations from distribution structures: III. Invariant Moments
本文利用参数分布及其中心矩核分布的结构，提出一类同时对半参数分布和不同参数分布一致、且抗粗大误差与模型偏离的高效稳健估计量。
2024-09-10 math.ST stat.TH
Exact Generalization Error Curves of Kernel Ridge Regression for Functional Moment Estimation
Zhili College, Tsinghua University（清华大学致理书院）
研究张量积核岭回归用于估计随机函数第r阶矩函数，给出L2误差精确展开，识别误差结构，表明KRR在源平滑度s≤2时达极小极大率，s>2时因饱和次优，还给出适用于功能观测相关结构的U统计量集中不等式。
2026-07-28 math.ST stat.TH
Moment based estimation of supOU processes and a related stochastic volatility model
在快速回顾了叠加的随机过程、集成的随机过程和随机波动率模型之后，我们使用广义矩量法（GMM）来估计这些过程。我们表明，GMM方法产生一致的估计，它在实践中工作得很好。此外，我们还讨论了长记忆效应的影响。
2015-01-23 math.PR math.ST stat.TH
Divergences and Duality for Estimation and Test under Moment Condition Models
我们介绍了通过散度最小化模型满足线性约束与未知参数的估计和测试程序。这些程序扩展了经验似然（EL）方法，并与广义经验似然方法具有共同的特征。本文讨论了符号有限测度集上概率分布的发散投影的存在性和特征。我们给出了这类估计和检验统计量的对偶性的一个精确刻画，并利用它在零假设和替换或误设下导出了它们的极限分布（包括EL估计和EL比统计量）.推导出幂函数的近似值以及样本量，以确保给定替代方案的所需功效。
2011-11-11 math.ST stat.TH
Sub-Gaussian High-Dimensional Covariance Matrix Estimation under Elliptical Factor Model with 2 + εth Moment
针对具有2+εth矩的椭圆因子模型下的高维协方差矩阵估计问题，提出异质性投影自归一化（IPSN）方法消除重尾影响，构建了达到次高斯收敛速率的稳健散布矩阵初始估计量，其协方差矩阵估计量比通用POET估计量收敛更快。
2024-06-26 math.ST stat.TH
On the Estimation of Gaussian Moment Tensors
Eric and Wendy Schmidt Center, Broad Institute of MIT and Harvard（埃里克和温迪·施密特中心，麻省理工学院与哈佛大学生物工程研究所）；Committee on Computational and Applied Mathematics, University of Chicago（芝加哥大学计算与应用数学委员会）；Department of Statistics, University of Chicago（芝加哥大学统计系）
本文研究高斯矩张量的两种估计量，建立无维数非渐近误差界，证明伊塞利斯估计量在偶数阶张量上的优势，适用于对称和非对称情形。
2025-10-28 math.PR math.ST stat.TH
Gaussian processes and Bayesian moment estimation
给定一组的时刻限制（MR），overidentify一个参数$θ$，我们调查的半参数贝叶斯方法推断$θ$，不限制数据分布$F$除了MR。作为主要的贡献，我们构建了一个退化高斯过程之前，有条件地对$θ$，限制$F$产生的这之前，以满足MR的概率1。我们先前的工作甚至在MR的数量大于$θ$的维度的更复杂的情况下。我们证明了相应的后$θ$是计算方便。此外，我们表明，我们的程序，广义经验似然二次准则和有限的信息似然为基础的程序之间存在着联系。我们提供了一个频率验证我们的程序显示一致性和渐近正态性的后验分布的$θ$。我们的方法的有限样本特性说明通过Monte Carlo实验，我们提供了一个应用程序，在航空市场的需求估计。
2019-09-10 math.ST stat.TH
A comparison of maximum likelihood and absolute moments for the estimation of Hurst exponents in a stationary framework
绝对矩法是估计分数布朗运动$X$ Hurst指数的一种常用方法。但是当应用于$X$的静止版本时，特别是应用于具有参数$θ$的线性时间收缩的$X$的逆Lamperti变换时，该方法是有偏差的。我们提出了一个适应的绝对矩方法，这个框架，我们比较它的最大似然法，模拟和应用程序的金融时间序列。虽然看起来最大似然法比自适应绝对矩估计法更准确，但最后一种方法并非毫无意义，原因有两个：它可以在视觉上确认模型是指定的，并且在计算上更有效。
2022-01-11 math.ST stat.ME stat.TH
Moment based estimation for the multivariate COGARCH(1,1) process
对于多变量COGestival过程，我们获得了显式表达式的二阶结构的“平方收益”的过程中观察到的等距网格。在此基础上，给出了其参数的广义矩估计方法。在适当的矩和强混合条件下，我们证明了所得到的估计是相合的和渐近正态的。详细讨论了模型参数强混合、平稳和可辨识的充分条件。我们在模拟研究中研究了估计量的有限样本行为。
2021-02-02 math.ST stat.ME stat.TH
Culling the herd of moments with penalized empirical likelihood
针对高维矩条件模型，提出惩罚经验似然估计，能一致识别无效矩，具有预言性质，并通过投影修正偏差，提升有限样本推断精度。
2022-05-13 econ.EM math.ST stat.TH
GMM Estimation of Affine Term Structure Models
本文利用广义矩方法研究了仿射期限结构模型的参数估计问题。精确的时刻的仿射潜过程以及产量通过使用的结果得出的p-多项式过程。然后利用广义矩方法结合拟贝叶斯方法得到可靠的参数估计并进行推断。经过模拟研究，估计程序适用于经验利率数据。
2015-08-07 math.ST q-fin.ST stat.TH
Covariance Estimation under Missing Observations and $L_4-L_2$ Moment Equivalence
本文针对元素随机缺失的独立同分布样本，在$L_4-L_2$矩等价条件下提出首个关于缺失概率$p$最优的协方差估计量，并在$p=1$时恢复经典最优收敛速率。
2024-06-14 math.PR math.ST stat.TH
Censoring heavy-tail count distributions for parameter estimation with an application to stable distributions
ETH Zurich（苏黎世联邦理工学院）；Università della Svizzera italiana（瑞士意大利语大学）；University of Siena（锡耶纳大学）；Italian Naval Academy（意大利海军学院）
针对概率生成函数已知但概率质量函数无闭式或有限矩不存在的重尾计数分布，提出基于删失与矩准则的参数估计新方法，并可应用于稳定分布。
2024-09-16 math.ST stat.TH
Method of Moments Estimation of Ornstein-Uhlenbeck Processes Driven by General Lévy Process
研究了由一般Lévy过程驱动的Ornstein-Uhlenbeck过程.我们得到强一致的估计的基本Lévy过程的时刻和平均回复参数的Ornstein-Uhlenbeck过程。此外，我们证明了估计是渐近正态的。最后，我们在模拟研究中测试了我们的估计的经验性能，并将模型拟合到真实数据中。
2010-02-18 math.PR math.ST stat.TH
Stochastic Image Deformation in Frequency Domain and Parameter Estimation using Moment Evolutions
University of Copenhagen（哥本哈根大学）；Imperial College London（帝国理工学院）；University of Virginia（弗吉尼亚大学）
对医学图像中观察到的解剖对象的变形进行建模可以帮助描述疾病进展模式和人群中解剖结构的变化。我们应用随机概括的大变形几何度量映射（LDDMM）框架来模拟在图像数据群体中检测到的解剖对象的演变差异。通过将FLASH LDDMM表示扩展到随机设置来处理即使在确定性LDDMM设置中也普遍存在的计算挑战，从而保持图像变形的无限维空间的有限离散化。在这种计算效率的设置中，我们执行估计来推断图像数据集中的噪声相关性和局部变化的参数。优化过程的基本原理是使用有限维傅立叶表示来获得随机翘曲的矩的演化的近似。特别地，第一时刻允许我们推断变形平均轨迹。二阶矩对平均值周围的变化进行编码，从而提供关于噪声相关性的信息。我们在2D MR脑图像的模拟数据集上显示，估计算法可以成功地恢复随机模型的参数。
2018-12-13 cs.CV math.ST stat.TH
