Maximum profile binomial likelihood estimation for the semiparametric Box--Cox power transformation model
Box-Cox转换模型已被广泛应用多年。该模型的参数版本假设随机误差遵循参数分布，即正态分布，并使用极大似然方法估计模型参数。半参数版本假设随机误差的分布是完全未知的;现有方法要么需要强假设，要么当随机误差的分布显著偏离正态分布时效果较差。我们采用半参数假设，并提出了最大轮廓二项似然方法。从理论上建立了模型参数估计量的联合分布。通过大量的数值研究，我们证明了我们的方法具有优于现有的方法，特别是当分布的随机误差偏离正态分布。此外，我们比较了我们的方法和现有的方法在HIV数据集上的性能。
2021-05-19 stat.ME
Generalised likelihood profiles for models with intractable likelihoods
本文针对似然函数不可求值但可进行随机模拟的模型，提出基于广义贝叶斯推断的广义似然剖面构造与校准方法，以实现频率学派覆盖并支持实际可识别性分析。
2023-05-19 stat.CO stat.ME
Estimating the Likelihood of Arrest from Police Records in Presence of Unreported Crimes
本文提出一种结合受害调查与警方记录的两步回归框架，以调整未报告犯罪，估计逮捕可能性；实证发现调整后逮捕率显著下降，且种族差异在考虑犯罪特征后较小。
2023-10-11 stat.AP stat.ME
Monte Carlo modified profile likelihood in models for clustered data
处理聚类数据的分析师的主要焦点通常不是聚类变量，因此特定于组的参数被视为讨厌的东西。如果一个固定效应配方是首选和集群的总数是相对于单组大小大，经典的频率依赖于配置文件的可能性技术往往是误导。由于存在非标准建模和/或抽样假设，使用替代工具，如修改轮廓似然或综合似然，对感兴趣的参数进行准确推断可能会变得复杂。我们在这里展示了如何采用蒙特卡罗模拟，以近似修改后的配置文件的可能性，在这些非常规的框架。所提出的解决方案是广泛适用的，并保持通常的属性修改后的配置文件的可能性。该方法在两种情况下，特别是相关的应用程序，即缺失数据模型和生存模型与未指定的删失分布进行检查。通过仿真研究和两个临床试验应用验证了所提出的解决方案的有效性。
2018-12-29 stat.CO stat.ME
Monte Carlo profile confidence intervals
蒙特卡罗方法来评估和最大化的似然函数，使置信区间和假设检验的建设，促进科学调查使用模型的似然函数是棘手的。当蒙特卡罗误差可以通过充分详尽的计算变得很小时，则基于可能性的推理的标准理论和实践适用。随着数据变得更大，模型变得更复杂，出现了没有合理的计算量可以使蒙特卡罗误差可以忽略不计的情况。我们开发配置文件的可能性方法，以提供频率论的推论，考虑到蒙特卡罗的不确定性。我们调查的作用，这种方法在促进计算上具有挑战性的动态潜变量模型的推理。我们提出了三个例子中出现的传染病传播的研究。这三个例子展示了我们的方法推断非线性动态模型，使用基因序列数据，面板时间序列数据，时空数据。我们还讨论了非线性时间序列分析的适用性。
2017-02-09 stat.ME
Efficient Estimation For The Cox Proportional Hazards Cure Model
在分析至事件发生时间数据时，可能有一定比例的受试者将永远不会经历感兴趣的事件，并且他们被认为是治愈的。当考虑到生存模型的这一特征时，这些模型通常被称为治愈模型。在存在协变量的情况下，可以通过使用治愈模型来对群体的条件生存函数进行建模，治愈模型取决于未治愈的概率（发生率）和未治愈受试者的条件生存函数（潜伏期），并且使用逻辑斯谛回归和Cox比例风险（PH）回归的组合分别对发生率和潜伏期进行建模。本文通过对剖面似然的渐近展开，证明了剖面似然估计的渐近正态性，并得到了剖面似然中含有隐函数的方差估计的显式形式。我们还证明了基于投影理论的有效得分函数与轮廓似然得分函数是相等的。本文的贡献在于将有效信息矩阵表示为轮廓似然得分函数的方差。模拟研究表明，估计的标准误从自助样本（SMCURE包）和配置文件的可能性得分函数（我们的方法）提供了类似的和可比的结果。我们提出的方法的数值结果也通过使用来自SMCURE R-包的黑素瘤数据示出（Cai等人，2012），并将结果与SMCURE软件包的输出进行比较。
2020-01-24 stat.ME
Profile likelihoods for parameters in Gaussian geostatistical models
针对高斯地质统计学模型中方差矩阵分解计算负担大导致剖面似然难以应用的问题，提出利用Matern相关函数族、重新参数化与GPU并行计算的剖面似然方法，证明其参数置信区间覆盖率优于传统Wald型区间。
2023-07-03 stat.CO stat.ME
Temporal Fourier Likelihoods with Spatial Hilbert-Space Gaussian Process Approximations
Umeå University（于默奥大学）；The Pennsylvania State University（宾夕法尼亚州立大学）
本研究提出结合时间离散傅里叶变换与希尔伯特空间高斯过程近似的谱似然方法，用于高效重建时空高斯过程，在保持重建精度的同时将拟合时间减少69%。
2026-09-15 stat.ME
Learning Optimal Test Statistics in the Presence of Nuisance Parameters
最优检验统计量的设计是频率统计学中的一项关键任务，并且对于许多场景，最优检验统计量例如轮廓-似然比是已知的。通过扭转这一论点，我们可以找到配置文件的似然比，即使在无可能性的情况下，其中只有来自模拟器的样本是可用的，通过优化这些场景中的检验统计量。我们提出了一种无似然训练算法，该算法产生的检验统计量相当于在已知后者是最佳的情况下的配置文件似然比。
2022-03-24 physics.data-an stat.ME
Maximum likelihood estimation of parameters of spherical particle size distributions from profile size measurements and its application for small samples
显微镜研究往往需要恢复颗粒尺寸分布在三维从只有几个（10 - 200）剖面测量。这个问题是特别相关的岩相学和矿物学研究，其中参数假设是合理的，并找到分布参数的微观研究的小部分是必不可少的。本文讨论了粒子近似为球形的特殊情况（即Wicksell问题）。本文提出了一种新的近似的概率密度的球形颗粒的轮廓尺寸。这种近似使用矿物颗粒的实际非光滑性，而不是完美的球体。新的近似有利于数值上有效地使用的极大似然方法，一般强大的方法，提供了分布参数估计的最小方差在大多数实际情况下。最大似然法估计的方差和偏差进行了数值比较的几个典型的粒度分布与替代参数的方法（矩量法和最小距离估计），和极大似然估计被认为是更可取的小样本和大样本。极大似然法和建议的近似法也可用于选择模型，用于使用所有分布图（无随机抽样）构建分布参数的窄置信区间，以及用于包括由截面边界覆盖的分布图的测量值。该方法的实用性说明使用一个例子，从冰川冰岩相学。
2022-02-15 stat.AP stat.ME
Efficient Estimation For The Joint Model of Survival and Longitudinal Data
在生存研究中，重要的是记录关键纵向协变量的值，直到受试者事件发生。因此，必须使用联合模型研究纵向和事件发生时间结局之间的关联。本文应用剖面似然法估计了生存与纵向数据联合模型的累积危险度和回归参数。此外，我们通过对轮廓似然的渐近展开，证明了轮廓似然估计的渐近正态性，并得到了方差估计的显式形式。联合模型的回归参数的估计是半参数有效的。
2021-06-08 stat.ME
Bridged Posterior: Optimization, Profile Likelihood and a New Approach to Generalized Bayes
本文提出桥接后验这一广义贝叶斯框架，将优化子问题嵌入似然以保留计算效率与约束结构，并证明其参数后验渐近等价于积分后验，从而消除部分优化会低估不确定性的传统顾虑。
2025-07-22 stat.ME
Fast Network Community Detection with Profile-Pseudo Likelihood Methods
随机块模型是研究最多的社区发现网络模型之一。众所周知，大多数用于拟合随机块模型似然函数的算法不能扩展到大规模网络。一个突出的工作，克服了这一计算挑战是阿米尼等人。（2013），其提出了用于将随机块模型拟合到大型稀疏网络的快速伪似然方法。然而，这种方法不具有收敛保证，并且不太适合于中小规模的网络。在这篇文章中，我们提出了一种新的基于似然的方法，在似然函数，这使得一个快速的交替最大化的行和列的标签，新方法是计算效率高，表现良好的小型和大型网络，并具有可证明的收敛保证。我们表明，我们的方法提供了强相合估计的社区在一个随机块模型。仿真结果表明，该方法在估计精度和计算效率方面都优于伪似然方法，特别是对于大型稀疏网络。我们进一步考虑扩展我们提出的方法来处理网络的度异质性和二分属性。
2021-08-29 math.ST stat.ME stat.ML
A two-step approach to model precipitation extremes in California based on max-stable and marginal point processes
在建模空间极值时，依赖结构通常通过假设块极大值来自最大稳定过程来推断。气象站提供每日记录，而不仅仅是块最大值。单变量极值分析的点过程方法使用较多的历史数据，并被一些从业者所青睐，但不容易适应空间环境。我们提出了一个两步的方法，利用网站明智的每日记录，除了块最大值的复合可能性。该方法将边际参数和相关参数的估计分为两步进行。第一步，利用日记录，从点过程方法估计具有独立似然的边际参数。给定边际参数估计，第二步使用块极大值以成对似然估计相关参数。在模拟研究中，两步的方法被发现是更有效的比成对的似然方法只使用块极大值。应用该方法研究了厄尔尼诺-南方涛动对加利福尼亚州55年来35个站点冬季最大日降水量的影响。采用针对具体地点的广义极值模型，两步法导致更多地点发现厄尔尼诺效应，收益水平的置信区间更窄，共同界定事件的风险计量的置信区域更紧。
2015-06-16 stat.ME
On Birnbaum-Saunders Inference
Birnbaum-Saunders分布，也称为疲劳寿命分布，经常用于可靠性研究。我们得到调整的Birnbaum-Saunders配置文件似然函数。对于形状和尺度参数，获得了似然函数的修改版本，即，我们将形状参数视为感兴趣的，而将尺度参数视为讨厌的，然后考虑这样的情况，其中感兴趣的是在以讨厌的方式进入建模的形状参数的情况下对尺度参数执行推断。通过极大化相应的调整后的似然函数得到修正的轮廓极大似然估计。我们提出了不同的估计和相关的似然比检验的有限样本行为的数值证据。结果有利于调整估计和测试，我们建议。本文中获得的轮廓似然调整的一个新的方面是，它们产生改进的点估计和测试。当对形状参数进行推断时，两个轮廓似然调整工作良好，并且其中一个在对尺度参数执行假设检验推断时显示出优越的行为。两个经验的应用程序进行了简要介绍。
2008-04-06 math.ST stat.ME stat.TH
The AI&M Procedure for Learning from Incomplete Data
Aalborg Universitet（奥尔堡大学）
我们研究的方法参数学习不完整的数据，是随机缺失。基于似然性的方法则需要考虑所有可能的缺失机制的简档似然性的优化。优化此配置文件的可能性提出了两个主要的困难：多个（局部）最大值，其非常高维的参数空间。在本文中，提出了一种新的方法来优化的轮廓可能性，解决了第二个困难：在建议的AI&M（调整插补和最大化）过程中的优化是通过在数据完成的空间中的操作，而不是直接在参数空间的轮廓可能性。我们将AI&M方法应用于贝叶斯网络的参数学习。该方法进行了比较保守的推断，考虑到每个可能的数据完成，并对EM。结果表明，基于似然的推理仍然是可行的，在未知的缺失机制的情况下，保守的推理是不必要的弱。另一方面，我们的结果也提供了证据，期望最大化算法仍然是相当有效的数据时，不是随机缺失。
2012-06-27 cs.AI cs.LG stat.ME
Profile Likelihood Biclustering
双聚类是同时对数据矩阵的行和列进行聚类的过程，是在高维数据集中发现结构的一种流行而有效的工具。许多biclustering程序在实践中似乎工作得很好，但大多数没有相关的一致性保证。为了解决这个缺点，我们提出了一个新的双聚类过程的基础上配置文件的可能性。该程序适用于广泛的数据模式，包括二进制，计数和连续观测。我们证明，该过程恢复真正的行和列类时，数据矩阵的维度趋于无穷大，即使数据分布的函数形式是错误的。该过程需要计算组合搜索，这在实践中可能是昂贵的。而不是直接执行此搜索，我们提出了一个新的启发式优化过程的基础上的Kernighan-Lin启发式，它具有良好的计算性能，并在模拟中表现良好。我们展示了我们的程序与应用程序国会投票记录，和微阵列分析。
2020-06-02 math.ST stat.ME stat.ML
Bias Correction and Modified Profile Likelihood under the Wishart Complex Distribution
Universidade Federal de Pernambuco（伯南布哥联邦大学）；Universidade Federal de Alagoas（阿拉戈斯联邦大学）
本文提出了等价视数$L$的最大似然估计的改进方法。该参数在极化合成孔径雷达（PolSAR）图像的背景下有意义的解释。由于在其处理中存在相干照明，PolSAR系统生成的图像呈现称为散斑的颗粒噪声。作为减少这种干扰的潜在解决方案，参数$L$控制信噪比。因此，已经寻求用于$L$的有效估计方法的建议。为此，我们首先考虑，极化SAR图像很好地描述了缩放复Wishart分布。近年来，Anfinsen等人推导和分析了基于ML和迹统计矩的估计方法，用于获得这种概率定律的未标度版本的参数$L$。本文概括了这种方法。我们给出了Cox和Snell为该参数的ML估计量提出的二阶偏差表达式。讨论了Barndorff-Nielsen用$L$修正的轮廓似然公式。此类推导产生了参数$L$的两个新ML估计量，并将其与Anfinsen等人提出的估计量进行了比较。通过蒙特卡罗实验评估了这些估计量的性能，采用三种统计指标作为比较标准：均方误差、偏差和变异系数。等效的模拟研究，实际极化SAR数据的应用程序得出结论，建议的估计优于所有其他均匀的情况下。
2014-04-18 cs.CV stat.ME
Semiparametric inference in mixture models with predictive recursion marginal likelihood
预测递推算法是混合模型中混合密度非参数估计的一种精确且计算效率高的算法。然而，在半参数混合模型中，该算法无法考虑额外的未知结构参数中的任何不确定性。作为现有的配置文件似然方法的替代方案，我们把预测递归作为一个过滤器近似拟合完全贝叶斯模型，从而出现的结构参数的近似边际似然，并可用于推理。我们称之为预测递归边际似然。预测递归下的模型误指定的收敛特性也导致了这个新的过程有吸引力的建设。我们证明了这个边缘似然函数的规范化版本的逐点收敛。仿真结果比较了这种新的边缘似然方法的性能，现有的轮廓似然方法以及Dirichlet过程混合物的密度估计。混合效应模型和经验贝叶斯多重检验应用在时间序列分析也被认为是。
2011-06-16 math.ST stat.ME stat.TH
Computation of Two and Three Dimensional Confidence Regions with the Likelihood Ratio
与对数似然比的分布有关的渐近结果允许创建置信区域，该置信区域是置信区间的一般扩展。可以直观地显示二维和三维区域，以便同时描述感兴趣参数的合理区域。虽然最先进的统计教科书的推理讨论这些渐近置信区域，没有探索如何计算这些地区的图形的目的。本文演示了应用一个简单的三角恒等式来计算二维和三维置信区域，我们将笛卡尔坐标转换为我们所说的径向剖面对数似然。该方法适用于具有定义的似然函数的任何分布，因此它不限于特定的数据分布或模型范例。我们描述的方法，随着算法，遵循我们的方法的一个例子，并结束与检查的计算时间。
2015-11-14 stat.ME
On the Estimation of Population Size from a Dependent Triple Record System
三重记录系统下基于捕获-再捕获实验的种群规模估计是流行病学、种群研究等领域的一个有趣问题。在许多现实生活场景中，捕获和再捕获尝试之间存在固有的依赖性。我们提出了一个新的模型，成功地结合了可能的依赖性和相关的参数具有很好的解释。基于极大似然方法，给出了总体规模和相关模型参数的估计方法。该模型应用于分析公共卫生和人口普查覆盖率评估研究的真实数据集。通过广泛的模拟研究评估了拟议估计的性能，并将结果与现有竞争对手进行了比较。结果表明，无论是在实际数据分析和仿真研究所提出的模型优于现有的竞争对手。
2019-04-01 stat.CO stat.ME
Estimation of MIDAS Regressions with Errors-in-the-Variables
Panjab University（潘扎布大学）；Reserve Bank of India（印度储备银行）
本文研究了在低频和高频变量均受测量误差影响时的MIDAS模型，提出了一种修正得分方法结合轮廓似然方法的参数估计方法，通过蒙特卡洛模拟检验了估计量的小样本和大样本性质。
2026-04-25 econ.EM stat.ME
A Matrix--free Likelihood Method for Exploratory Factor Analysis of High-dimensional Gaussian Data
提出了一种新的剖面似然估计方法，用于估计高维高斯数据集的探索性因子分析中的协方差参数，其观测值小于变量数。隐式重新启动的Lanczos算法和有限内存拟牛顿法实现开发一个无矩阵的框架似然最大化。仿真结果表明，我们的方法是大大快于期望最大化的解决方案，而不牺牲精度。我们的方法适用于自杀未遂者，自杀意念者和对照组的数据拟合因子模型。
2019-11-10 q-bio.QM stat.AP stat.CO
Cubic lower record-based transmuted family of distributions: Theory, Estimation, Applications
Necmettin Erbakan University（内赫梅特·埃尔巴坎大学）
本文提出了一种三次下记录基于转变分布族，通过蒙特卡洛模拟验证其参数估计方法，并在实际数据中展示其优越的拟合性能。
2026-01-04 stat.AP stat.ME
Implementing measurement error models with mechanistic mathematical models in a likelihood-based framework for estimation, identifiability analysis, and prediction in the life sciences
本综述针对生命科学中加性高斯噪声假设不合理导致的参数估计与预测问题，介绍了在Profile-Wise Analysis似然框架中实现多种测量误差模型的方法，并通过案例说明其适用性，同时提供了开源代码。
2023-11-09 q-bio.QM stat.ME
Quasi maximum likelihood estimation for strongly mixing state space models and multivariate Lévy-driven CARMA processes
本文研究了一般非高斯离散时间线性状态空间模型和等距观测多元Lévy驱动的连续时间自回归滑动平均（MCARMA）过程的拟极大似然（QML）估计.在离散时间情形下，我们证明了在标准矩假设和状态空间模型输出过程的强混合条件下，QML估计的强相合性和渐近正态性。在本文的第二部分中，我们研究了等距采样连续时间状态空间模型的概率和分析性质，并将我们的结果从离散时间的设置来推导离散记录的MCARMA过程的QML估计的渐近性质。在自然可识别条件下，估计量再次一致，并渐近正态分布的任何采样频率。我们还证明了我们的方法的实用性，通过模拟研究和计量经济学的数据例子。
2012-10-28 math.ST stat.ME stat.TH
Maximum likelihood estimation for left-truncated log-logistic distributions with a given truncation point
从数学和数值两个方面详细分析了左截尾对数逻辑斯谛分布在给定截尾点的极大似然估计。这些极大似然方程往往没有一个解决方案，即使是小的截断。一个简单的标准，提供了一个定期的极大似然解决方案的存在。在这种情况下，可以构造轮廓似然函数，并且优化问题被降低到一维。当极大似然方程不承认某些数据样本的解决方案，它表明，Pareto分布是$L^1$ -限制的退化左截断对数逻辑斯谛分布。使用此数学信息，进行高效的蒙特卡罗模拟，以获得一些拟合优度检验的临界值。置信度表和插值公式提供和几个应用程序，以现实世界的数据。
2022-10-27 math.ST stat.CO stat.ME
