Stein estimation of the intensity of a spatial homogeneous Poisson point process
在本文中,我们重温了Stein的原始思想,并提出了一个估计的齐次泊松点过程定义在$\R^d$的强度参数,并在一个有界的窗口中观察。该程序是基于一个新的一般分部积分法公式的泊松点过程。我们表明,我们的斯坦估计优于最大似然估计的均方误差。特别是,我们表明,在许多实际情况下,我们有一个大于30%的增益。
2015-07-30 math.ST stat.TH
Segmentation of the Poisson and negative binomial rate models: a penalized estimator
我们考虑泊松和负二项(即过度分散泊松)率分布的分割问题。在分段中,一个重要的问题仍然是分段数量的选择。为此,我们提出了一个惩罚对数似然估计,其中的罚函数是在非渐近的情况下,以下的工作L。Birgé和P. Massart。证明了所得估计量满足一个预言不等式。在RNA-seq数据分析背景下,使用模拟和真实数据集评估我们标准的性能。
2013-03-17 math.ST stat.ME stat.TH
On Properties of Estimators in non Regular Situations for Poisson Processes
本文考虑非齐次泊松过程的观测值的参数估计问题。众所周知,如果满足正则性条件,则极大似然估计和贝叶斯估计是一致的,渐近正态的和渐近有效的。这些正则性条件可以粗略地表示为:a)被观测过程的强度函数属于已知参数函数族,b)模型是可辨识的,c)Fisher信息是正连续函数,d)强度函数关于未知参数是足够光滑的,e)该参数是区间的一个内点.我们感兴趣的是当这些正则性条件不满足时估计量的性质。更确切地说,我们预设了一个审查的结果,对应于拒绝这些条件一个接一个,我们显示的性质的极大似然估计和贝叶斯估计的变化。这些结果的证明基本上是建立在Schwargimov和Khasminskii的一些一般性结果的基础上的。
2009-03-26 math.ST stat.TH
The Poisson tensor completion parametric estimator
Sandia National Laboratories(桑迪亚国家实验室)
本文提出了一种基于泊松张量分解的估计器,用于改进亚高斯分布的直方图估计,通过非负性保证和规范集中现象实现更精确的估计。
2026-03-07 math.ST stat.ME stat.TH
On some Bayesian nonparametric estimators for species richness under two-parameter Poisson-Dirichlet priors
我们提出了一种替代方法的贝叶斯非参数分析条件下的物种丰富度的两个参数泊松Dirichlet先验。我们依赖于一个已知的特征删除类属性和Beta-二项分布的结果。除了导致简化和更直接的证明,我们的建议提供了一个新的规模混合表示的条件渐近律。
2010-02-02 math.PR math.ST stat.TH
Multivariate Estimation of Poisson Parameters
本文研究Poisson均值向量的多元估计问题。引入了一种新的损失函数,惩罚每个参数和参数之和(或等效的平均值)的坏估计。在此损失函数下,得到了一类一致优于极大似然估计的极小极大估计。至关重要的是,这些方法具有这样的特性,即对于估计给定的组件参数,使用完整的数据向量。这类估计量可以进行微调,以限制最大似然估计量的收缩,从而避免对参数之和的不可信估计。进一步阐明这一类新的估计表明,它可以来自贝叶斯和经验贝叶斯方法。特别是,我们展示了一个推广的Clevenson-Zidek估计,并证明其可接受性。在新的损失函数下,得到了一类Bayes估计一致优于极大似然估计的先验分布。一节包括涉及加权损失函数,特别是也导致一个程序的最大似然法在无限维设置统一改善。重要的是,我们的一些方法导致新的多变量模型的建设率参数和计数观测。最后,估计,收缩通常的估计对一个数据为基础的点在参数空间的推导和比较。
2019-04-23 math.ST stat.TH
Statistical Inference in Fractional Poisson Ornstein-Uhlenbeck Process
本文研究了泊松分数噪声驱动的离散Ornstein-Uhlenbeck模型的参数估计问题。基于噪声的随机游动逼近,研究了最小二乘估计和极大似然估计。因此,估计的渐近行为进行,并示出了一个模拟研究来说明我们的结果。
2017-12-14 math.ST stat.TH
On the Le Cam distance between Poisson and Gaussian experiments and the asymptotic properties of Szasz estimators
本文仅用初等方法(泰勒展开和斯特林公式)证明了具有相同均值和方差的泊松分布与高斯分布之比的一个局部极限定理。然后,我们应用结果推导出泊松和高斯实验之间Le Cam距离的上界,这给出了Pollard(2010)未发表的讲义中提供的草图的完整证明,他使用了不同的方法。我们还利用局部极限定理导出了Bernstein c.d. f的方差的渐近性。正半线上Poisson权的密度估计(也称为Szasz估计)。由于Leblanc(2012)引理2(iv)中的错误估计,文献中的误差传播在附录中进行了讨论。
2021-02-04 math.PR math.ST stat.TH
Estimation of the Location of a 0-type or $\infty$-type Singularity by Poisson Observations
考虑$[0,T]$上的非齐次泊松过程$X$. $X$的强度函数被认为是严格正的,并且在$[0,T]$上是光滑的,除了在点$θ$处,在点$θ$处,它具有0型奇点(像$\abs{x}^p$,$p\in(0,1)$一样趋于0)或$\infty$型奇点(像$\abs{x}^p$,$p\in(-1,0)$一样趋于$\infty$)。我们假设我们知道强度函数的形状,但不知道奇点的位置。我们认为这个位置(移位)参数$θ$的估计问题的基础上$n$观测的过程$X$。我们研究了贝叶斯估计量,并且在$p>0$的情况下,研究了最大似然估计量。我们证明了这些估计是相容的,它们的收敛速度是$n^{1/(p+1)}$,它们有不同的极限分布,并且贝叶斯估计是渐近有效的。
2006-11-02 math.ST stat.TH
Poisson Source Localization on the Plane. Cusp Case
本文研究泊松源局部化的估计问题。观测值是由平面上的$k\geq 3$探测器记录的非齐次泊松过程。本文研究了大强度下贝叶斯估计量的渐近性质。假设到达探测器的信号强度函数具有尖点型奇异性。我们证明了这些估计量的相合性、极限分布和矩的收敛性。
2018-06-17 math.ST stat.TH
Nonparametric Poisson regression from independent and weakly dependent observations by model selection
本文考虑非参数Poisson回归问题,其中整数值响应$Y$是带参数$λ(X)$的Poisson随机变量的实现.目的是在随机设计框架中根据独立或弱相关观察值$(X_1,Y_1),\ldots,(X_n,Y_n)$估计功能参数$λ$。首先,我们确定有限维子空间上的投影估计的风险上界在温和的条件。在Sobolev椭球的情况下,得到的收敛速度是最佳的。本文的主要部分致力于通过模型选择构造$λ$的自适应投影估计。我们分两步进行:首先,我们假设$\Vert λ\Vert_\infty$的上界是已知的。在此假设下,我们构造了一个自适应估计器,其维数参数被定义为惩罚对比度准则的最小值。其次,我们用$\Vert λ\Vert_\infty$的适当插件估计器替换$\Vert λ\Vert_\infty$的已知上界。由此产生的自适应估计,以达到最小最大的最佳速率的一个额外的对数因子在独立的和弱相关的设置。适当的泊松点过程的浓度不等式证明的一个重要组成部分。我们通过一个简短的模拟研究来说明我们的理论研究结果,并指出未来研究的方向。
2018-05-11 math.ST stat.TH
Estimating the Ratio of Means in a Zero-inflated Poisson Mixture Model
研究了两组分Poisson混合模型的均值比的估计问题,当每个组分都服从零膨胀,即,超过零计数。的.由此得到的{ \it zero-inflated Poisson mixture(ZIPM)模型}可以被看作是具有一个退化分量的三分量Poisson mixture模型。EM算法应用于获得频率估计和它们的标准误差,后者通过观测信息矩阵的显式表达式确定。贝叶斯和经验贝叶斯估计也得到共轭先验及其基于数据的变体。最后,比较了ZIPM分布和ZTP(零截尾泊松)分布。
2022-03-30 math.ST stat.TH
On Non Asymptotic Expansion of the MME in the Case of Poisson Observations
研究了非齐次Poisson过程的参数估计问题。研究了矩估计的方法,得到了矩估计的随机展开式。这种随机展开然后被用来获得该估计量的矩的展开和分布函数的展开。随机展开式、矩展开式和分布函数展开式本质上都是非渐近的。考虑了几个例子。
2020-10-15 math.ST stat.TH
Smoothed NPMLEs in nonparametric Poisson mixtures and beyond
本文研究 GOT 距离下的非参数混合分布估计,证明 Poisson NPMLE 可达近 root-n 速度,并将结论推广至其他最小距离估计量及更广混合模型。
2024-06-13 math.ST stat.TH
Adaptive Bayes estimator for stochastic differential equations with jumps under small noise asymptotics
本文针对带跳随机微分方程,在参数未知且仅含离散观测的条件下提出自适应贝叶斯估计量,并在小噪声渐近框架下证明其一致性与渐近正态性。
2024-12-30 math.ST stat.TH
Poisson Source Localization on the Plane. Change-Point Case
我们提出了一个检测问题,几个空间分布的传感器观察泊松信号从一个未知的位置源发出。在每个传感器的测量建模独立的非齐次泊松过程。提出了一种基于贝叶斯变点估计的声源坐标定位方法。研究了贝叶斯估计量的渐近性质。特别是一致性和渐近效率的估计。文中还描述了矩的极限分布和收敛性。类似的统计模型可以用于GPS定位问题。
2018-06-17 math.ST stat.TH
Finite sample behavior of the maximum likelihood estimator in the Poisson model under Gaussian design
CREST/ENSAE Paris(巴黎高等统计分析与经济研究所/ENSAE巴黎)
本研究利用经验过程理论和随机锥几何,揭示了泊松回归中MLE存在的相变阈值,并给出了保证最优风险所需的样本量指数阈值,同时揭示了中间状态并缩小了差距。
2026-09-29 math.ST stat.TH
Empirical Bayes via ERM and Rademacher complexities: the Poisson model
本文针对泊松均值经验贝叶斯估计,提出基于ERM的单调估计量,利用偏移Rademacher复杂度证明其在一维和多维下分别达到常数因子与对数因子内的极小极大遗憾,兼顾理论保证与计算效率。
2023-07-05 math.ST stat.TH
The Vector Poisson Channel: On the Linearity of the Conditional Mean Estimator
本文研究了向量泊松噪声中条件均值估计的性质。重点研究了导致条件均值估计线性化的先验分布条件。本文包括两个主要结果。第一个结果表明,唯一的分布,导致线性的条件均值估计是一个产品伽玛分布。此外,它表明,条件均值估计不能是线性的泊松噪声的暗电流参数为非零时。第二结果产生第一结果的定量细化。具体来说,它表明,如果条件均值估计是接近线性的均方误差意义上,那么先验分布必须接近产品伽玛分布的特征函数。最后,将其结果与高斯对应的结果进行比较。
2020-03-19 cs.IT eess.SP math.IT
Nonparametric intensity estimation from noisy observations of a Poisson process under unknown error distribution
本文研究了圆形模型中Poisson点过程强度函数的间接观测非参数估计$N_1,\ldots,N_n$。这些观察出现从隐藏的点过程实现与目标强度通过污染与添加剂的错误。在误差分布只能从一个额外的样本$Y_1,\ldots,Y_m$估计的情况下,我们推导出极小极大收敛率相对于样本量$n$和$m$在抽象光滑条件下,并提出了一个正交系列估计,达到最佳的收敛速率。估计器的性能取决于维度参数的正确规范,其最佳选择取决于强度和误差密度的平滑特性。我们提出了一个基于模型选择的数据驱动的维度参数的选择,并表明自适应估计达到最小最大最优速率。
2019-02-17 math.ST stat.TH
Adaptive wavelet estimation of a compound Poisson process
研究了$[0,T]$上单轨离散观测的复合泊松过程跳密度的非参数估计.我们考虑采样率$Δ=Δ_T\rightarrow0$为$T\rightarrow\infty$时的微观区域。我们提出了一个自适应小波阈值密度估计和研究其性能的$L_p$损失,$p\geq 1$,在Besov空间。主要的新颖性是,我们实现了极小极大的采样率$Δ_T$的收敛速度消失与$T$在任意多项式速率。更准确地说,我们的估计达到极小极大收敛速度提供存在一个常数$K\geq 1$,使采样率$Δ_T$满足$TΔ_T^{2K+2}\leq 1.$如果这个条件不能满足,我们仍然提供了我们的估计上限。估计过程基于与Buchmann和Grübel(2003)相同的复合算子的反演。
2012-03-14 math.ST stat.TH
Statistics for Poisson models of overlapping spheres
本文考虑了具有球形颗粒的平稳Poisson布尔模型,提出了一类半径分布的非参数估计。这些估计是基于观察到的距离和半径,加权以适当的方式。它们是比率无偏的,并且对于增长的观测窗口是渐近一致的。结果表明,渐近方差的存在,并给出了一个相当明确的整式。在对权函数适当的可积性假设下,建立了渐近正态性。本文还提供了一个简短的讨论相关的估计以及模拟研究。
2013-01-08 math.PR math.ST stat.TH
Second order asymptotic efficiency for a Poisson process
考虑强度函数为周期函数的非齐次泊松过程的均值函数的估计问题。对于MISE,所有估计量都存在一个经典的下界,而经验均值函数达到了这个下界,因此它是渐近有效的。根据Golubev和Levit的工作思想,我们比较了渐近有效估计,并提出了一个二阶渐近有效的估计。遵循Pinsker的思想,在Sobolev椭球上进行二阶效率。
2020-06-24 math.ST stat.ME stat.TH
Efficient nonparametric inference for discretely observed compound Poisson processes
本文研究了一类参数均未知的复合泊松过程在多个等间距时刻的运动。在较弱的条件下,给出了跳跃分布和Lévy分布的非参数估计,并证明了基于一致范数的泛函中心极限定理.极限高斯过程的识别和效率的估计建立。本文还提出了质量函数、强度和漂移的核估计,分析了它们的渐近性质,包括有效性,并证明了它们的联合渐近正态性。简要讨论了置信区域和检验等推理工具。
2017-01-27 math.PR math.ST stat.TH
Exact Good-Turing characterization of the two-parameter Poisson-Dirichlet superpopulation model
大样本量之间的等效性著名的{ \it近似}古德图灵估计的概率,发现一个物种已经观察了一定的次数(好,1953年)和现代贝叶斯非参数对应最近已经建立了凭借一个特定的平滑规则的基础上的两个参数泊松-狄利克雷模型。在这里,我们改进了这个结果表明,对于任何有限的样本量,当人口的频率被假定为是从一个超人口与两个参数Poisson-Dirichlet分布选择,那么贝叶斯非参数估计的发现概率对应于Good-Turing { \it精确}估计。此外,在一般的超总体假设下,Good-Turing解可以解释为部分信息下的现代贝叶斯非参数估计。
2019-01-28 math.ST stat.TH
Asymptotic normality of a generalized maximum mean discrepancy estimator
在本文中,我们提出了一个估计的广义最大平均差异之间的几个分布,构造通过修改一个朴素估计。在这些分布相等和备择假设下,得到了该估计量的渐近正态性。
2020-03-12 math.ST stat.TH
Shrinkage Estimation for the Diagonal Multivariate Exponential Families
研究了一类协协方差阵的对角元是均值参数的某个二次函数的多元分布均值参数的收缩估计。这类分布包括对角多元自然指数族。我们提出了两类半参数收缩估计的均值和相应的风险构造无偏估计。我们建立了这些收缩估计的渐近一致性和收敛速度下的平方误差损失的$n$,样本量,和$p$,尺寸,趋于无穷大。接下来,我们将这些结果专门用于对角多元自然指数族,这些自然指数族已被分类为由正态分布、泊松分布、伽玛分布、多项式分布、负多项式分布和混合分布组成。我们建立了我们的估计的一致性,在正常的,伽玛,负多项式的情况下,条件是$p n^{-1/3} (\log{n})^{4/3} \to 0$,并在泊松和多项式的情况下,如果$p n^{-1/2} \to 0$,作为$n,p \to \infty$。模拟研究提供了我们的估计的性能进行评估,我们说明,在伽马和泊松的情况下,我们的估计实现比最大似然估计的风险更低,从而证明了我们的估计的优越性,在最大似然估计。
2022-07-01 math.ST stat.TH
A note on a Bayesian nonparametric estimator of the discovery probability
Favaro、Lijoi和Pruenster(2012,Biometrics,68,1188- 1196)推导了一种新的贝叶斯非参数估计,该估计是在$(n+m+1)$次观察时检测到一个物种的概率,该物种已经在$n+m$大小的扩大样本中以任何给定频率观察到,条件是大小为$n$的基本样本。不幸的是,吉布斯先验下的一般结果(定理2),以及因此在$(α, θ)$泊松-狄利克雷先验下的显式结果(命题3),似乎是错误的。在这里,我们提供了两个结果的正确公式,通过Cerquetti(2013)设计的新技术获得。我们验证了我们的推导的正确性,明确的反证的两个参数Poisson-Dirichlet的情况。
2013-04-03 math.ST stat.TH
Generalized Bayes Estimators with Closed forms for the Normal Mean and Covariance Matrices
在多元正态分布均值矩阵的估计中,给出了具有封闭形式的广义Bayes估计,并给出了关于矩阵损失函数和标量平方损失函数的极大极小的充分条件.给出了协方差阵的广义Bayes估计的封闭形式,并讨论了Stein损失函数的优势性质。
2021-08-13 math.ST stat.TH
An extended class of minimax generalized Bayes estimators of regression coefficients
在不变二次损失下,得到了尺度未知时具有球对称误差的一般线性模型中回归系数的Minimax广义Bayes估计。这类估计量推广了Maruyama和Strawderman(2005)中考虑的估计量,以包括非单调收缩函数。
2008-03-09 math.ST stat.TH
Generalized Estimation and Information
本文将标量参数的广义估计量思想扩展至多维参数,提出结合广义估计量与扩展信息定义的广义估计方法,并证明Fisher信息为估计量利用信息提供上界且得分达此上界。
2024-08-23 math.ST stat.TH
Nonparametric estimation of the job-size distribution for an M/G/1 queue with Poisson sampling
University of Haifa(海法大学)
本文提出了一种非参数估计方法,用于估计M/G/1队列中作业大小分布的累积分布函数,并探讨了其在不同分布下的收敛性和风险界。
2025-12-10 math.PR math.ST stat.TH
Generalized class of estimators for finite population mean when study variable is qualitative in nature
本文利用辅助变量上的信息,给出了简单随机抽样中定性研究变量总体均值的一类广义估计。得到了这类估计量的偏差和均方误差的渐近表达式。研究了渐近最优估计量及其近似均方误差。研究表明,在定性研究变量的情况下,所提出的广义估计量类比Singh等人(2010)考虑的所有估计量都更有效。此外,理论研究结果的支持下,基于实际人口的实证研究,以显示优于其他的构造估计。
2014-09-16 math.ST stat.TH
Estimation in Poisson Noise: Properties of the Conditional Mean Estimator
本文考虑了泊松噪声中随机变量的估计问题,将信号标度系数和暗电流作为噪声模型的显式参数。具体地说,本文着重于作为缩放系数,暗电流参数,输入随机变量的分布和信道实现的函数的条件均值估计的性质。对于标度系数和暗电流,建立了几个导数恒等式。例如,它示出了相对于缩放系数和暗电流参数的条件均值估计的梯度与条件方差成比例。此外,提出了一种评分函数,并恢复了条件期望的Tweedie式公式。关于分布,示出了几个规律性条件。例如,它表明,条件均值估计唯一地确定输入分布。此外,它表明,如果条件期望是接近一个线性函数的均方误差,那么输入分布近似为伽玛的Lévy距离。此外,还得到了条件均值估计线性化的充要条件,有趣的是,当泊松噪声的暗电流参数不为零时,条件均值估计不可能是线性的.
2020-03-31 cs.IT eess.SP math.IT
Poisson hulls
该研究在Poisson点过程上引入包络算子,利用过程关于包络的空间强马尔可夫性,推导期望线性统计量的估计方法及误差的正态收敛速率,可应用于凸体体积、Hölder函数积分估计,还探讨了高阶对称统计量估计。
2024-02-01 math.PR math.ST stat.TH
Axiomatic characterisation of generalized $ψ$-estimators
HUN-REN–SZTE Analysis and Applications Research Group, Bolyai Institute, University of Szeged(塞格德大学博莱研究所);Institute of Mathematics, University of Debrecen(德布勒森大学数学研究所)
本文通过公理化方法对广义ψ估计量和Z估计量的性质进行刻画,重点探讨了对称性、内向性和渐近幂等性等关键特性。
2026-03-06 math.ST stat.TH
Asymptotic normality of generalized maximum spacing estimators for multivariate observations
本文讨论了多元观测值的最大间距法。最近邻球被用作单变量间距的多维模拟。利用一类信息型测度推广了最大间距估计的概念。证明了当所指定的模型类是正确的,即真密度是模型类的成员时,这些广义最大间距估计的渐近正态性。
2019-04-18 math.ST stat.TH
Comparison and equality of generalized $ψ$-estimators
本文推导了广义 $ψ$-估计量比较与相等性的充分必要条件,并将其应用于 Bajraktarević 型、准算术型估计量及多种已知统计估计量与分布的似然方程求解。
2024-09-19 math.ST stat.TH
Poisson intensity parameter estimation for stationary Gibbs point processes of finite interaction range
本文给出了空间平稳Gibbs点过程的Poisson强度参数的半参数估计。在一类Gibbs模型所满足的非常温和的假设下,我们建立了它的强相合性和渐近正态性。我们还考虑其有限样本性质的模拟研究。
2013-02-23 math.ST stat.TH
Generalized Minimum Distance Estimators in Linear Regression with Dependent Errors
本文讨论了具有相依误差的强混合线性回归模型的最小距离估计方法。利用最小距离估计方法对回归参数进行了估计,并讨论了估计量的渐近分布性质。仿真研究比较了最小距离估计与其他著名的估计性能。这个模拟研究显示了最小距离估计优于另一种估计。用于模拟研究的KoulMde(R软件包)可在线获得。详情见第4节。
2017-01-05 math.ST stat.TH
On Smooth Change-Point Location Estimation for Poisson Processes
我们感兴趣的是估计的位置,我们称之为“光滑变点”的$n$独立的意见,一个非齐次泊松过程。平滑变点是过程的强度函数从一个水平到另一个水平的平滑过渡,但是在这样一个小的间隔上,其长度$δ\_n$被认为是以$n\to+\infty$的形式减少到$0$。我们表明,如果$δ\_n$去零慢于$1/n$,我们的模型是局部渐近正态(与一个相当不寻常的速率$\sqrt{δ\_n/n}$),最大似然和贝叶斯估计是一致的,渐近正态和渐近有效的。相反,如果$δ\_n$比$1/n$更快地变为零,则我们的模型是非正则的,并且表现得像变点模型。更确切地说,在这种情况下,我们证明了贝叶斯估计是一致的,收敛速度$1/n$,有非高斯极限分布,是渐近有效的。所有这些结果都是使用似然比的分析方法得到的,同样产生所考虑的估计量的多项式矩的收敛性。然而,为了研究在$δ\_n$比$1/n$更快地变为零的情况下的最大似然估计,该方法不能使用函数空间中的通常收敛拓扑来应用。因此,这项研究应该通过使用替代拓扑结构,并将在未来的工作中考虑。
2021-02-16 math.ST stat.TH
High-dimensional stochastic optimization with the generalized Dantzig estimator
我们提出了一个广义版本的Dantzig选择器。我们证明了它在预测和估计上满足稀疏预言不等式。然后,我们考虑高维线性回归模型选择与Huber损失函数的特殊情况。在这种情况下,我们得到的超范数收敛速度和符号集中性的Dantzig估计的字典上的互相关假设。
2008-11-14 math.ST stat.TH
Elemental unbiased estimators for the Generalized Pareto tail
无偏的位置和规模不变的“元素”估计的GPD尾部参数。每个都涉及三个日志间距。对于有限的样本量,即使小到N=3,估计量也是无偏的。它表明,元素形成了一个完整的基础,无偏的位置和尺度不变的估计量构造的线性组合的日志空间。初步的数值证据表明,元素的组合可以构建的尾部参数从纯GPD家庭的样本是一致的估计。
2013-04-14 math.ST stat.TH
Admissibility and minimaxity of generalized Bayes estimators for spherically symmetric family
在平方误差损失下,给出了球对称分布位置向量广义Bayes估计可容许的一个充分条件。与已知的多元正态情形的结果相比,我们的充分条件是非常紧的,并且接近于必要条件。特别是,我们建立了广义贝叶斯估计的容许性关于调和先验和先验的尾部略重比调和先验。我们使用的理论,经常变化的功能,以构建一个序列的顺利适当的先验接近不适当的先验足够快,以建立容许性。我们还讨论了广义Bayes估计关于调和先验的极小极大性的条件。
2006-04-19 math.ST stat.TH
Monotone representation and measurability of generalized $ψ$-estimators
University of Szeged(塞格德大学);University of Debrecen(德布勒森大学)
本文研究了广义ψ估计量的单调表示与可测性,通过构造基于递减函数ψ的估计量,将非凸优化问题转化为凸问题,并证明了估计量的可测性等价于函数ψ在第一变量的可测性。
2026-05-07 math.ST stat.TH
On the Generalized Poisson Distribution
广义泊松分布(GPD)是由Consul和Jain(1973)提出的。然而,正如Consul(1989)所指出的,“很难通过直接求和来证明所有概率之和是1”。我们给出了一个更短,更优雅的证明的基础上应用欧拉的经典差分引理。
2006-06-10 math.NT math.ST stat.TH
The Pólya sum kernel and Bayes estimation
我们认为一个特定的Cox过程从贝叶斯的观点和贝叶斯估计的强度措施是所谓的Pólya和内核,最近发生的背景下,建设的所谓的Papangelou过程。更准确地说,如果先验,考克斯过程的直接测度,是泊松-伽马随机测度,那么后验也是泊松-伽马随机测度,强度的贝叶斯估计是波利亚和核。此外,我们将这一结果扩展到双随机Poisson-Gamma先验,并给出了条件下,人们可以确定的贝叶斯估计的强度。
2012-05-10 math.PR math.ST stat.TH
Some Properties of the Generalized Stuttering Poisson Distribution and its Applications
本文从口吃泊松分布(SPD)的概率母函数出发,考虑了SPD的一些等价命题。在此基础上,我们证明了在非寿险精算应用中的一些分布是SPD,如负二项分布、复合泊松分布等。通过弱化SPD等价命题的条件,定义了广义SPD。本文考虑广义SPD参数的累积量估计。作为一个应用程序,我们使用SPD与四个参数(第四SPD),以适应汽车保险索赔数据。拟合结果表明,四阶SPD比负二项分布和泊松分布更精确。
2015-03-31 math.PR math.ST stat.TH
Likelihood ratios and Bayesian inference for Poisson channels
近年来,无限维方法已被引入高斯信道估计。本文的目的是研究类似方法在泊松信道中的应用。特别是,我们使用似然比和离散Malliavin梯度计算泊松信道的贝叶斯估计。该算法适合于通过Monte-Carlo方法进行数值实现。作为应用,我们给出了Guo,Shamai和Verduú最近得到的关于时间连续Poisson信道的输入-输出互信息的一些导数与输入的条件均值估计的公式的一个新的证明.这些结果,然后扩展到混合高斯泊松信道。
2009-02-11 cs.IT math.IT math.ST
Scattering Statistics of Generalized Spatial Poisson Point Processes
我们提出了一个机器学习模型的随机生成的离散信号的分析,建模为一个非齐次,复合泊松点过程的点。像Mallat介绍的小波散射变换,我们的建设是自然不变的平移和反射,但它的规模和频率的作用,取代小波与Gabor型测量。我们发现,适当的非线性,我们的测量区分泊松点过程从常见的自相似过程,并分离不同类型的泊松点过程。
2021-10-09 math.ST stat.ML stat.TH
Nonparametric inference for Poisson-Laguerre tessellations
Delft Institute of Applied Mathematics, Delft University of Technology(代尔夫特理工大学应用数学研究所)
本文提出两种非参数估计器用于泊松-拉格uer尔 tessellations的分布函数推断,并证明其在观测窗口扩展时的强一致性。
2025-01-15 math.ST stat.ME stat.TH
Optimal empirical Bayes estimation for the Poisson model via minimum-distance methods
针对 Poisson 模型中 Robbins 估计量缺乏平滑性和单调性的问题,基于最小距离方法提出一套经验 Bayes 估计量,在保持最小最大 regret 最优性的同时在合成与真实数据上优于 Robbins 方法。
2025-09-13 math.ST stat.ME stat.TH
Unbiased Test Error Estimation in the Poisson Means Problem via Coupled Bootstrap Techniques
本研究针对泊松均值问题提出耦合Bootstrap方法,通过合成二项噪声生成训练测试样本并多次抽样平均,在特定条件下可恢复无偏估计,适用于两种损失函数,还通过理论分析和实证验证了参数对估计精度的影响。
2024-08-18 math.ST stat.ME stat.TH
Statistical Inference in High-dimensional Poisson Regression with Applications to Mediation Analysis
本文研究高维稀疏 Poisson 回归的统计推断,提出回归向量线性与二次变换的偏差校正估计量、置信区间和检验方法,并用于计数结果的高维中介分析。
2024-10-28 math.ST stat.ME stat.TH