Robust Factor Number Specification for Large-dimensional Elliptical Factor Model
因子个数的准确确定是影响因子模型有效性的关键，在因子分析中几乎占据着核心地位。在因子的四阶矩和特质误差有界的限制条件下，已有大量的估计量。在本文中，我们通过考虑一个更一般的静态椭圆因子模型（EFM）框架，提出了有效的和强大的估计因子数。我们创新性地提出利用多变量肯德尔的tau矩阵，它捕获的相关结构的椭圆随机向量。理论上，我们表明，所提出的估计是一致的，而不施加任何时刻的条件时，横截面N和时间维度T趋于无穷大。仿真研究表明，新的估计在重尾数据设置更好地执行，而执行与最先进的方法在轻尾高斯设置。最后，通过一个宏观经济数据的实证分析，说明了该方法的优势和实用性.
2019-08-14 stat.ME
Robust self-tuning semiparametric PCA for contaminated elliptical distribution
主成分分析（PCA）是最常用的降维方法之一。已知通常的PCA对异常值的存在敏感，因此已经开发了许多鲁棒的PCA方法。其中，泰勒的M-估计被证明是最强大的散布估计下的椭圆分布。然而，当潜在的分布被污染，偏离椭圆，泰勒的M-估计可能无法很好地工作。在这篇文章中，我们应用半参数理论，提出了一个强大的半参数PCA。我们的建议有两个优点。首先，它对重尾椭圆分布以及非椭圆离群值具有鲁棒性。其次，它与数据驱动的调优过程很好地结合在一起，该调优过程基于活动比率，可以适应不同程度的数据异常。理论性质的推导，包括各种统计泛函的影响函数和渐近正态性。仿真研究和数据分析证明了该方法的优越性。
2022-06-08 stat.ME
High dimensional matrix estimation through elliptical factor models
Nankai University（南开大学）
本文提出POET-TME方法，通过椭圆因子模型改进高维矩阵估计，展现其在厚尾分布下的优越性能。
2025-12-22 stat.ME
Joint Estimation of Location and Scatter in Complex Elliptical Distributions: A robust semiparametric and computationally efficient $R$-estimator of the shape matrix
从理论和计算两方面研究了一组独立同复椭圆对称（CES）分布观测值的位置向量和形状矩阵的联合估计问题。这个联合估计问题是在半参数模型的原始上下文中框架，允许我们处理（通常未知的）密度生成器作为\textit{infinite-dimensional}滋扰参数。在本文的第一部分中，一个计算效率和节省内存的实现的强大的和半参数有效的$R$估计形状矩阵。在此基础上，在第二部分中，联合估计，依赖于泰勒的$M$ -估计的位置和形状矩阵的$R$ -估计，提出了其均方误差（MSE）性能相比，半参数克拉美-拉奥界（CSCRB）。
2021-01-26 eess.SP stat.ME
Affine equivariant Tyler's M-estimator applied to tail parameter learning of elliptical distributions
本研究提出基于Tyler权重的尺度估计量，构建仿射等变Tyler M估计量，建立椭圆分布尾参数估计统一框架，其多元t分布自由度鲁棒估计在重尾场景下性能优于现有方法，且提供了对应R包。
2023-05-07 stat.CO stat.ME
Design-Based Weighted Regression Estimators for Average and Conditional Spillover Effects
本文提出基于设计的加权回归估计量，用于估计平均和条件溢出效应，通过三种非参数估计方法，统一处理单位间溢出效应的加权平均。
2025-12-13 stat.ME
OCDE: Odds Conditional Density Estimator
条件密度估计（CDE）模型可用于许多统计应用，特别是因为估计完整的条件密度而不是传统的回归点估计，从而揭示关于感兴趣的随机变量的不确定性的更多信息。在本文中，我们提出了一种名为Odds Conditional Dense Estimator（OCDE）的新方法来估计监督学习方案中的条件密度。其主要思想是，这是非常困难的估计$p_{x,y}$和$p_{x}$，以估计的条件密度$p_{y|x}$，但通过引入工具分布，我们把CDE问题的几率估计的问题，或类似的，训练一个二元概率分类器。我们演示了如何使用模拟数据OCDE的工作原理，然后测试其性能对其他已知的最先进的CDE方法在真实数据。总的来说，OCDE在真实数据集上与这些方法相比具有竞争力。
2021-06-24 stat.ME
Nonparametric Conditional Inference for Regression Coefficients with Application to Configural Polysampling
我们认为推断程序，条件上观察到的从属统计量，为回归系数下的线性回归设置未知的误差分布指定非参数。在正则条件下，建立了回归系数估计的条件渐近正态性，并证明了条件推断过程中核型密度估计的插入方法.仿真结果表明，该方法在构造置信区间时，可以得到精确的条件覆盖概率。插件的方法可以应用于与神经多元采样，以获得强大的条件估计自适应对抗的对比方案。我们证明了这一点，通过调查的条件均方误差的位置估计在各种对抗的模拟研究，成功地扩展到一个非参数的背景下，几何多抽样。
2007-10-30 stat.ME
A product-limit estimator of the conditional survival function when cure status is partially known
针对治愈状态部分已知的右删失数据，提出混合治愈模型中条件生存函数的非参数估计量，证明其渐近性质与方差减小优势，并通过模拟与肉瘤患者真实数据验证了其优越性。
2024-02-10 stat.ME
Nonparametric estimation of conditional value-at-risk and expected shortfall based on extreme value theory
我们提出了一个金融资产的一系列收益的条件分布的条件风险价值（CVaR）和条件预期亏损（CES）的非参数估计。收益率序列和条件协变量（可能包括滞后收益率和其他外生变量）被假设为强混合，并遵循非参数条件位置-规模模型。将位置和规模的第一阶段非参数估计与Pickands（1975）提出的分布尾部的广义Pareto近似相结合，给出CVaR和CES的最终估计。我们提供了适当的归一化下的估计的一致性和渐近正态性。我们还提出了一个蒙特卡罗研究，揭示了他们的有限样本性能的结果。实证可行性的模型和估计量进行了调查，通过回测练习，使用五种农产品的期货合同的回报。
2016-12-23 stat.ME
A Test for Multivariate Location Parameter in Elliptical Model based on Forward Search Method
本文基于散布矩阵的前向搜索估计，给出了椭圆模型中多元位置参数的一个检验方法。在此，我们研究了在相邻方案下，基于检验统计量的渐近分布，检验的渐近功效。此外，对不同的模拟数据和实际数据进行了性能测试，并与经典的性能进行了比较。
2018-04-11 stat.ME
Conditional copula graphic estimator for semi-competing risks data
Children’s Hospital Research Institute of Manitoba, University of Manitoba（曼尼托巴儿童医院研究所，曼尼托巴大学）；Department of Mathematics and Statistics, University of Guelph（圭尔夫大学数学与统计系）；Hospital for Sick Children（多伦多多伦多儿童医院）；Department of Statistics, University of Manitoba（曼尼托巴大学统计系）
针对半竞争风险数据中对非终端事件时间生存函数估计受终端事件相依删失影响的问题，提出条件copula图形估计器，可进行协变量调整，通过顺序迭代算法得到，用模拟和真实数据评估其性能并与无条件估计器比较。
2026-07-14 stat.ME
Large Covariance Estimation through Elliptical Factor Models
提出了一种基于近似因子模型的大规模协方差阵估计的通用主正交互补保持（POET）框架。为了更好地理解POET的工作原理，提出了一组在不同矩阵范数下实现最优收敛速度的高级充分条件。这样的框架允许我们以更透明的方式恢复亚高斯的结果，该方式仅取决于样本协方差阵的浓度特性。作为一个新的理论贡献，第一次，这样的框架允许我们利用条件稀疏协方差结构的重尾数据。特别是，对于椭圆数据，我们提出了一个鲁棒估计的基础上边际和多元肯德尔的tau，以满足这些条件。此外，本文还在同一框架下对条件图模型进行了研究.本文所开发的技术工具对高维主成分分析具有普遍意义。最后给出了数值计算结果，验证了理论的正确性.
2015-07-30 stat.ME
Ensemble Conditional Variance Estimator for Sufficient Dimension Reduction
包络条件方差估计（ECVE）是一种新的充分降维（SDR）方法，适用于具有连续响应和预测变量的回归模型。ECVE适用于一般的非加性误差回归模型。它是在预测变量可以被低维投影代替而不丢失信息的假设下运行的。它是一种基于半参数前向回归模型的穷举充分降降维估计方法，在温和的假设下证明是一致的。它优于中央子空间平均方差估计（csMAVE），它的主要竞争对手，在几个模拟设置和基准数据集分析。
2021-02-26 stat.ME
Elliptical Wishart distributions: information geometry, maximum likelihood estimator, performance analysis and statistical learning
Université Paris-Saclay（巴黎萨克雷大学）；CNRS（法国国家科学研究中心）；CentraleSupélec（中央理工-高等电力学院）
本文针对椭圆 Wishart 分布，提出定点算法与黎曼优化两种 MLE 求解方法，并研究其统计性质，进而设计分类聚类方法，在模拟及 EEG、高光谱数据上验证了有效性。
2024-11-05 cs.LG stat.ME stat.ML
A Pair of Novel Priors for Improving and Extending the Conditional MLE
通过引入一对先验信息，提出了一种改进条件极大似然估计的贝叶斯估计。在解释了条件极大似然估计的先验下的后验模式，我们定义了一个有前途的估计相应的先验下的后验均值。先验等价于熟悉模型中的参考先验。本方法的优点包括两个不同的最优性属性的诱导估计，各种扩展和可能的治疗有限的样本量的容易。现有的方法进行了讨论和批评。
2022-07-07 stat.ME
Event Conditional Correlation: Or How Non-Linear Linear Dependence Can Be
通常只有在发生事件时才收集大量数据集：进行调查，参加实验等等。然而，这样的部分样本偏差经典的相关估计。在这里，我们展示了如何通过事件条件相关性的两个互补估计来校正这种抽样效应：两个随机变量在给定事件条件下的相关性。首先，我们在最小假设下证明了所提出的估计量的一致性和渐近正态性。然后，通过合成的例子，我们表明，这些估计表现良好的小样本和非线性回归以及相关性测试产生强大的方法。最后，通过串联使用这两个估计，我们探索了金融数据集中的反事实依赖机制。通过这样做，我们表明，2007- 2011年金融危机期间发生的蔓延不能仅仅用金融风险增加来解释。
2016-01-04 stat.ME
A new non-parametric Kendall's tau for matrix-valued elliptical observations
针对矩阵值椭圆观测，本文提出广义行/列矩阵Kendall's tau及配套的矩阵因子模型载荷空间、因子个数估计方法，通过理论推导、仿真与实证验证了方法的鲁棒性与实用价值。
2025-11-19 stat.ME
Inference in experiments conditional on observed imbalances in covariates
双盲随机对照试验传统上被视为因果推断的金标准，因为均值差估计量是实验中平均处理效应的无偏估计量。然而，该估计量在所有可能的随机化中无偏的事实并不意味着任何给定的估计值接近真实的处理效应。类似地，虽然预先确定的协变量在治疗组和对照组之间平均平衡，但在给定实验中可能观察到较大的不平衡，因此研究人员可能希望使用线性回归对此类协变量进行调节。本文研究了协变量观测差的均值差和OLS估计量\emph{conditional}的理论性质。通过推导条件估计量的统计性质，我们可以为如何处理协变量不平衡建立指导。我们研究了与OLS的推断，以及与新版本的Fisher精确检验，其中的随机化分布来自一个小的子集的所有可能的分配向量。
2021-08-24 stat.ME
Conditional density estimation with covariate measurement error
我们考虑估计一个易出错的协变量上的响应条件的密度。基于现有的两种不含协变量测量误差的核密度估计，提出了一种修正现有的测量误差估计的方法.在不同类型的测量误差分布下，导出了合成估计量的渐近性质。此外，我们调整现有的带宽选择方法开发的无误差的数据，以获得新的估计带宽。进行了大量的仿真研究，以比较所提出的估计与朴素的估计，忽略测量误差，这也提供了经验证据的有效性，所提出的带宽选择方法。一个真实的数据例子被用来说明这些方法在实际场景下的实现。我们开发了一个R包lpme来实现所有考虑的方法，我们在附录H中通过一个R代码示例演示了这些方法。
2020-01-08 stat.ME
A nonparametric super-efficient estimator of the average treatment effect
因果效应的双稳健估计是估计因果效应的常用方法。这样的估计量将给定治疗和混杂因素的结果的条件平均值的估计（所谓的结果回归）与给定混杂因素的治疗的条件概率的估计（倾向得分）相结合，以产生感兴趣的效应的估计。除了享受双重鲁棒性，这些估计有额外的好处。首先，灵活的回归工具，如在机器学习领域开发的回归工具，可用于估计相关的回归，而处理效应的估计值保留所需的统计特性。此外，这些估计往往是统计有效的，实现了正常的，渐近线性估计的方差的下限。然而，尽管他们的渐近最优性，在因果被估量是弱可识别的问题，这些估计可能会表现不稳定。我们提出了两个新的估计技术，用于在这些具有挑战性的设置。我们的估计建立在两个现有的框架，有效的估计：有针对性的最小损失估计和一步估计。然而，在构建估计量时，我们没有使用倾向得分的估计值，而是选择了另一种回归量：给定条件平均结果的治疗条件概率。我们讨论的理论意义，并证明了估计的性能在模拟和真实数据。
2019-01-15 stat.ME
Tensor Elliptical Graphic Model
针对稀疏高维张量椭圆图模型的鲁棒估计问题，提出基于空间符号的估计器，在椭圆分布下达到与正态假设下相当的收敛速率，实验验证了其在厚尾场景下的实用性。
2025-08-01 stat.ME
Joint Tracking of Multiple Quantiles Through Conditional Quantiles
分位数估计是实时分析中最基本的任务之一。大多数实时数据流随时间动态变化，增量分位数估计器记录了跟踪此类数据流分位数的最新性能。然而，大多数不能以一致的方式对多个分位数进行联合估计，并且估计可能违反分位数的单调性。在本文中，我们提出了一般的概念 * 条件分位数 *，可以扩展增量估计联合跟踪多个分位数。我们应用这个概念提出了两个新的估计。在合成数据和真实数据上的大量实验结果表明，新的估计器明显优于传统的最先进的联合分位数跟踪算法，并在动态变化的数据流中实现更快的自适应性。
2019-02-13 stat.ME
Nonparametric Estimation of Conditional Copula using Smoothed Checkerboard Bernstein Sieves
针对条件copula半参数估计需选择参数模型的问题，提出基于经验棋盘Bernstein copula的全非参数估计方法，推导了条件依赖度量的闭式估计，证明了大样本相合性，并通过模拟和实际案例验证了其性能。
2023-11-06 stat.ME
Rates of convergence in conditional covariance matrix with nonparametric entries estimation
设$X\in \mathbb{R}^p$和$Y\in \mathbb{R}$是两个随机变量。我们估计的条件协方差阵$\mathrm{Cov}\left(\mathrm{E}\left[\boldsymbol{X}\vert Y\right]\right)$应用插件内核为基础的算法，其条目。其次，我们研究了$(\boldsymbol{X},Y)$的密度函数在光滑假设下的估计的收敛速度。在一个高维的背景下，我们提高了一致性的整个矩阵估计提供了一个递减结构的$\mathrm{Cov}\left(\mathrm{E}\left[\boldsymbol{X}\vert Y\right]\right)$条目。我们说明了一个切片逆回归设置为时间序列匹配的条件下，我们的估计
2018-02-09 stat.ME
Selective Correlations - the conditional estimators
在神经影像学中，巫毒相关性的问题被认为是从用于选择感兴趣的相同数据中估计感兴趣的量的问题。在统计学术语中，从相同数据中选择后的推理问题是选择性推理问题。被推荐的补救措施的不受欢迎的副作用所激励-分裂数据。最近提出了一种基于观测值的正确选后分布构造置信区间的方法。我们利用类似的方法，以提供点估计，占很大一部分的选择偏差。我们通过大量的模拟表明，所提出的估计具有良好的性能，即，它是可能的，以减少估计偏差和均方误差相比，直接估计，而不牺牲功率检测非零相关的情况下，数据分裂的方法。我们表明，点估计值和置信区间都是必要的，以便得到一个完整的评估点估计值的不确定性，因为两者都集成到最近提出的置信校准图。估计量的计算在附带的软件包中实现。
2014-12-10 stat.ME
Family of multivariate extended skew-elliptical distributions: Statistical properties, inference and application
本文基于椭圆对称分布提出一类定义在实数集任意子集上的多元扩展偏斜椭圆分布族，系统研究其统计性质与参数估计，并通过模拟和社会经济数据验证方法的有效性。
2024-08-30 stat.ME
On Conditional Prediction Errors in Mixed Models with Application to Small Area Estimation
混合模型中的经验Bayes估计对于小区域估计是有用的，在增加小区域平均值的预测精度的意义上，人们想要知道基于数据的经验Bayes估计的预测误差。本文研究的是混合模型中的条件预报误差，而不是传统的无条件预报误差。在基于二次方差函数的自然指数族的混合模型中，证明了在远离正态分布的情况下，条件和无条件预测误差之间的差异是显著的。特别是对于Binomial-beta混合模型和Poisson-gamma混合模型，条件预报误差的前导项在小区域内分别是直接估计的二次凹函数和增函数，而相应的无条件预报误差的前导项是常数.二阶无偏估计量无偏估计量的条件预测误差也来自和他们的性能进行了检查，通过模拟和实证研究。
2015-11-23 stat.ME
The Elliptical Quartic Exponential Distribution: An Annular Distribution Obtained via Maximum Entropy
本文介绍了椭圆四次指数分布在$\mathbb{R}^D$，通过施加二阶和四阶矩约束的最大熵建设。我将讨论与相关工作的关系，归一化常数和熵的解析表达式，以及条件分布和边缘分布。
2022-10-09 cs.IT math.IT math.ST
Conditional Aalen--Johansen estimation
提出适用于任意有限状态跳过程、可纳入内外部协变量的条件 Aalen–Johansen 非参数估计量，并证明其强一致一致性与渐近正态性。
2025-02-17 math.ST stat.ME stat.TH
Cumulative Conditional Expectation Index
在本文中，我们研究的累积条件期望函数（CCEF）的copula背景下。它示出了如何计算CCEF的累积Copula函数，这种自然的表示允许推导出一些有用的属性，例如与应用程序的Copula凸组合。我们介绍了CCEF的Bernstein多项式Copula的基础上的近似。我们介绍估计CCEF，这是通过伯恩斯坦多项式估计copula构建。CCEF的估计量是渐近正态和有偏的。
2015-03-16 stat.AP stat.ME
On the choice of the two tuning parameters for nonparametric estimation of an elliptical distribution generator
本文研究Liebscher（2005）提出的椭圆分布密度生成元非参数估计，推导其渐近MSE及最优带宽h、附加参数a的显式表达式，还讨论生成元导数估计，模拟验证了方法性能。
2025-02-21 math.ST stat.ME stat.TH
Conditional Estimation in Two-stage Adaptive Designs
我们考虑两阶段样本量可调设计中的条件估计和以下偏倚。更具体地说，我们考虑的设计允许提高样本量时，中期结果看起来相当有希望，并保持原来计划的样本量时，结果看起来非常有希望。报告的估计程序包括无条件的极大似然，有条件的无偏Rao-Blackwell估计，有条件的中位数无偏估计量，和有条件的极大似然与和无偏校正。我们比较这些估计的分析结果的基础上，并通过模拟研究。我们在一个真实的临床试验环境中展示了它们如何应用。
2018-08-24 stat.AP stat.ME
High Precision Causal Model Evaluation with Conditional Randomization
Microsoft Research（微软研究院）
针对条件随机化实验中IPW估计方差高、难以精确评估因果模型的问题，提出pairs estimator，通过对模型与真实效应使用同一IPW估计量抵消方差，实现接近RCT的评估性能。
2023-11-03 cs.LG stat.ME
Smoothing the Conditional Value-at-Risk based Pickands Estimators
本文将条件风险价值（CVaR）引入广义Pickands估计量，提出beta测度平滑方法并开发算法确定最优beta测度以最小化渐近均方误差，在模拟中展现出良好且稳定的有限样本性能。
2024-09-24 math.ST stat.ME stat.TH
Empirical sandwich variance estimator for iterated conditional expectation g-computation
针对ICE g计算中方差估计计算量大问题，提出基于堆叠估计方程的经验三明治方差估计量，模拟与应用示例表明该方法准确且比bootstrap更快。
2024-08-19 stat.CO stat.ME
Can one estimate the conditional distribution of post-model-selection estimators?
本文考虑了模型选择后估计的条件分布的估计问题，其中条件是在所选择的模型上。模型选择后估计器的概念在这里指的是从首先选择模型（例如，通过诸如AIC的模型选择标准或通过假设检验过程），然后估计所选模型中的参数（例如，通过最小二乘或最大似然），所有这些都基于相同的数据集。我们表明，这是不可能的，甚至渐近估计这个分布具有合理的精度。特别是，我们证明了这个分布的估计量不可能是一致的（甚至不是局部的）。这如下作为一个推论（本地）极大极小下界的性能估计，这个分布。对于线性函数的条件分布也得到了类似的不可能性结果（例如，模型选择后的估计量。
2007-02-23 math.ST stat.ME stat.TH
Non-parametric estimation of conditional quantiles for time series with heavy tails
提出修正的加权Nadaraya-Watson估计量用于重尾时间序列条件分位数，建立渐近正态性，并通过模拟和实际数据验证性能。
2024-07-22 math.ST stat.ME stat.TH
Conditional bias robust estimation of the total of curve data by sampling in a finite population: an illustration on electricity load curves
出于营销或电网管理的目的，电力公司现在进行了许多基于对客户组的总电力消耗曲线的分析的研究。总负荷曲线或平均负荷曲线是使用在精细时间网格上测量的单个曲线估计的，并根据一些抽样设计收集。由于用电量分布的偏态，这些样本往往包含离群曲线，这可能对通常的估计程序产生重要影响。我们介绍了几个强大的估计的总消费曲线，这是不敏感的离群曲线。这些估计是基于条件偏差方法和鲁棒函数方法。我们还推导出这些稳健估计的均方误差估计，最后，我们评估和比较爱尔兰电力数据的建议估计的性能。
2018-06-27 stat.AP stat.ME
Flexible distribution-free conditional predictive bands using density estimators
University of São Carlos（圣卡洛斯大学）
保形方法创建预测带，除了i.i.d.之外，没有任何假设可以控制平均覆盖率。数据除了平均覆盖率之外，人们可能还希望控制条件覆盖率，即每个新测试点的覆盖率。然而，如果没有强有力的假设，就无法实现有条件的覆盖。鉴于这种限制，文献集中在渐近条件覆盖的方法。为了获得该属性，这些方法需要对目标变量和特征之间的依赖性的强条件。我们介绍了两个保形方法的基础上，条件密度估计，不依赖于这种类型的假设，以获得渐近条件覆盖：距离分裂和CD分裂。而Dist-split渐近获得最佳区间，这比一般区域更容易解释，CD-split获得最佳大小的区域，这比区间小。CD分割还通过创建缩放到高维设置的特征空间的数据驱动分区以及通过在分区元素上本地生成预测带来获得局部覆盖。在各种各样的模拟场景中，我们的方法比以前提出的方法有更好的控制条件覆盖和更小的长度。
2019-12-09 cs.LG stat.ME stat.ML
The Elliptical Processes: a Family of Fat-tailed Stochastic Processes
RISE Research Institutes of Sweden AB（瑞典RISE研究院）；Elekta（医科达）
我们提出了椭圆过程-一个家庭的非参数概率模型，包括高斯过程和学生t过程。这种推广包括一系列新的厚尾行为，但保留了计算的易处理性。我们的椭圆过程的基础上表示的椭圆分布作为一个连续的混合高斯分布，并获得封闭形式的表达的边缘和条件分布。我们使用分段常数混合分布定义的椭圆过程对稳健回归进行了数值实验，并与高斯过程进行了比较。椭圆过程可能在几种情况下取代高斯过程，包括当可能性不是高斯或精确的尾部建模至关重要时。
2020-12-02 cs.LG stat.ME stat.ML
Conditional Cross-Design Synthesis Estimators for Generalizability in Medicaid
提出条件跨设计合成估计量，结合随机与观察性数据解决各自偏差，利用协变量重叠消除未测量混杂，并应用于估计纽约市Medicaid受益人管理式医疗计划对医疗支出的因果效应。
2021-09-27 stat.ME stat.ML
Conditional Variance Estimator for Sufficient Dimension Reduction
条件方差估计（CVE）是一种新的充分降维（SDR）方法，适用于具有连续预测变量和连接函数的可加误差回归。它是在预测变量可以被低维投影代替而不丢失信息的假设下运行的。与大多数基于矩的充分降维方法相比，条件方差估计是完全数据驱动的，不需要限制性线性和恒定方差条件，并且不基于逆回归。证明了CVE是一致的，其目标函数是一致收敛的。CVE优于平均方差估计，（MAVE），它的主要竞争对手，在几个模拟设置，保持在其他人的水平，而它总是优于通常的逆回归基于线性SDR方法，如切片逆回归。
2021-02-17 math.ST stat.ME stat.TH
Quantile regression approach to conditional mode estimation
在本文中，我们考虑估计的条件模式的结果变量给定的回归。为此，我们提出并分析了一个计算可扩展的估计来自一个线性分位数回归模型，并发展渐近分布理论的估计。具体来说，我们发现，逐点极限分布是一个规模的转换，尽管存在的回归的Dalloff的分布。此外，我们考虑分析和基于子采样的置信区间的建议估计。我们还进行蒙特卡罗模拟来评估所提出的估计量的有限样本性能以及分析和子采样置信区间。最后，我们应用所提出的估计预测净小时发电量使用联合循环电厂数据。
2019-07-29 math.ST stat.ME stat.TH
Boundary Adaptive Local Polynomial Conditional Density Estimators
该研究提出一类边界自适应的局部多项式条件密度估计量，推导其一致统计性质与高斯逼近结果，给出实现方案并配套R包，可用于构建置信带与假设检验。
2023-12-18 econ.EM math.ST stat.ME
Fast estimation of Kendall's Tau and conditional Kendall's Tau matrices under structural assumptions
本文提出在块结构假设下通过对成对估计值进行平均化来快速估计 Kendall's tau 和条件 Kendall's tau 矩阵的新方法，显著降低了计算成本和渐近方差，并在模拟和大型股票投资组合风险价值估计中验证了性能提升。
2024-12-27 math.ST q-fin.ST stat.ME
lpcde: Estimation and Inference for Local Polynomial Conditional Density Estimators
本文介绍R包lpcde，实现基于局部多项式平滑的条件分布、密度及其导数的估计与推断，提供最优带宽选择、稳健偏差校正的不确定性量化及正则化密度估计，并与现有开源包对比验证其功能。
2025-03-07 stat.AP stat.CO stat.ME
Constructing unbiased gradient estimators with finite variance for conditional stochastic optimization
针对条件随机优化中嵌套期望梯度难以无偏估计的问题，论文证明 multilevel Monte Carlo 梯度估计器可在一定条件下实现无偏、有限方差与有限期望成本，并给出另一特殊构造。
2022-09-13 cs.NA math.NA stat.ME
Parametric convergence rate of a non-parametric estimator in multivariate mixtures of power series distributions under conditional independence
本文研究条件独立幂级数分布多元混合的非参数估计，证明极大似然估计的Hellinger距离收敛速率，构建达参数速率的新估计量，提出条件独立性检验方法，经模拟和Vélib数据集验证有效。
2025-09-05 math.ST stat.ME stat.TH
Debiased Regression for Root-N-Consistent Conditional Mean Estimation
针对非参数回归估计器缺乏√n一致性和渐近正态性保证的问题，提出一种去偏技术，通过添加偏差校正项扩展一步估计器，理论证明其满足√n一致性和渐近正态性，且保持无模型特性，能提高估计精度并简化置信区间构建。
2024-11-25 cs.LG econ.EM math.ST
Nonparametric Estimation of Conditional Incremental Effects
针对CATE识别依赖正定性的问题，本文提出基于增量倾向评分干预的条件效应，构造具有双重稳健性的非参数估计量与异质性检验，并通过重症监护入院数据验证。
2023-04-24 math.ST stat.ME stat.TH
Efficient estimation of conditional covariance matrices for dimension reduction
设$\boldsymbol{X}\in \mathbb{R}^p$和$Y\in \mathbb{R}$。在本文中，我们提出了一个估计的条件协方差阵，$\mathrm{Cov}(\mathbb{E}[\boldsymbol{X}\vert Y])$，在逆回归设置。基于二次函数的估计，该方法从半参数的角度提供了一个有效的估计。我们考虑了$\mathrm{Cov}(\mathbb{E}[\boldsymbol{X}\vert Y])$在一些温和的条件下的功能泰勒展开和使用未知的联合分布的估计的效果。并给出了该估计量的渐近性质。
2014-08-19 math.ST stat.ME stat.TH
Uniform limit laws of the logarithm for nonparametric estimators of the regression function in presence of censored data
本文建立了截尾加权非参数逆概率（I.P.C.W.）随机删失下多元回归函数的估计量。对于条件分布函数的估计量也得到了类似的结果。从我们的主要结果中还得到了条件密度和条件风险率函数估计的带宽一致相合性。此外，我们建立的对数律产生几乎必然同时渐近置信带的功能，我们认为。显示了从模拟数据中获得的置信带示例。
2007-09-13 math.PR math.ST stat.ME
Kernel-smoothed conditional quantiles of randomly censored functional stationary ergodic data
本文研究了在随机删失条件下，当考虑{ \it函数平稳遍历数据}时，标量随机响应和函数随机协变量（即在无穷维空间中取值）的条件分位数估计.我们引入了条件分位数函数的核型估计。我们建立了该估计量与率的强相合性以及渐近正态性，该正态性导出了一个置信区间，该置信区间不依赖于任何未知量，因此在实际中是可用的。应用于电力高峰需求区间预测与删失智能电表数据进行了显示所提出的估计器的性能。
2013-04-16 math.ST stat.ME stat.TH
