Asymptotic properties of the sequential empirical ROC, PPV and NPV curves under case-control sampling
受试者工作特征(ROC)曲线、阳性预测值(PPV)曲线和阴性预测值(NPV)曲线是连续诊断生物标志物的三种性能度量。ROC、PPV和NPV曲线通常根据经验估计,以避免对生物标志物的分布形式的假设。最近,有一个推动将组序贯方法纳入诊断生物标志物研究的设计。对序贯经验ROC、PPV和NPV曲线的渐近性质的透彻理解将在设计组序贯诊断生物标志物研究时提供更大的灵活性。本文利用序贯经验过程理论,导出了病例对照抽样下序贯经验ROC、PPV和NPV曲线的渐近理论。我们表明,连续的经验ROC,PPV和NPV曲线收敛到独立的Kiefer过程的总和,并显示这些结果可以用来推导渐近结果的总结连续的经验ROC,PPV和NPV曲线。
2012-03-14 math.ST stat.TH
An asymptotic expansion of the empirical angular measure for bivariate extremal dependence
该研究针对二元极值依赖场景,基于有界函数空间弱收敛理论推导经验角度测度的泛函渐近展开,既复原已知渐近分布,还可推导其他相关统计量的展开与弱极限,为极端值统计学习提供理论工具。
2024-07-15 math.ST stat.TH
Asymptotic equivalence of empirical likelihood and Bayesian MAP
在本文中,我们感兴趣的经验似然(EL)作为一种估计方法,我们解决了以下两个问题:(1)选择在EL框架中的各种经验差异和(2)证明,EL有一个定义良好的概率解释,将证明其使用在贝叶斯上下文中。使用大偏差的方法,贝叶斯大数定律的发展,这意味着EL和贝叶斯最大后验概率(MAP)估计是一致的误设定和EL可以被看作是一个渐近形式的MAP。基于其他经验差异的估计,在一般情况下,不一致的误指定。
2009-08-24 math.ST stat.TH
Convergence of the empirical measure in expected Wasserstein distance: non asymptotic explicit bounds in $\mathbb{R}^d$
我们提供了一些非渐近的界限,明确的常数,衡量的收敛速率,在预期的Wasserstein距离,与独立同分布相关的经验措施。$N$ -$\mathbb{R}^d$上给定概率分布的样本。
2023-03-14 math.PR math.ST stat.TH
Integrated empirical measures and generalizations of classical goodness-of-fit statistics
本文基于 $m$ 重积分经验测度推广三类经典拟合优度统计量,给出其极限过程、KL 展开、特征值及便于计算的有限矩乘积。
2024-04-09 math.ST stat.TH
Asymptotic Properties of the Empirical Spatial Extremogram
Davis和Mikosch(2008)提出的极值图是一种有用的工具,用于测量时间序列中的极值依赖性和检查模型充分性。我们定义的极值在空间域中观察到的数据在一个格子上或在位置分布的泊松点过程在d维空间。在混合和其他条件下,我们建立了经验空间极值图的中心极限定理。我们证明了这些条件适用于最大移动平均过程和Brown-Resnick过程,并通过仿真说明了经验极值图的性能。我们还展示了它的实际使用与降雨在佛罗里达州的一个地区的数据集。
2015-06-05 math.ST stat.TH
An Empirical Likelihood-based Local Estimation
本文提出了经验似然(EL)的局部表示方法。EL通过它的似然比性质承认经典的局部线性二次表示。利用新的表示方法,得到了一个局部估计量.一致性、局部渐近正态性和渐近最优性结果对于新的估计量成立。特别地,当正则性条件不包含任何可微性假设时,这些渐近结果对于局部估计仍然有效。仿真结果表明,局部方法提高了EL的推理精度。
2014-03-26 math.ST stat.TH
Asymptotic Theory of $L$-Statistics and Integrable Empirical Processes
本文发展了经验分位数函数关于随机权函数积分的渐近理论,它是经典$L$ -统计量的推广。当样本修剪或Winsorization应用于渐近线性估计量时,它们会出现。其关键思想是在适合整合的空间中考虑经验过程。首先,我们在有界可积函数空间中刻画了经验分布函数和随机权函数的弱收敛性。其次,我们建立了经验分位数函数可积函数的delta方法。第三,我们推导了$L$ -统计量的delta方法。最后,我们证明了它们的自助过程的弱收敛性,证明了非参数自助过程的有效性。
2019-10-16 econ.EM math.ST stat.TH
Asymptotic Behaviour of the Empirical Distance Covariance for Dependent Data
在不对样本作任何iid假设的情况下,给出了可分度量空间上经验距离协方差的两个渐近结果。特别是,我们证明了经验距离协方差的几乎必然收敛的任何措施,有限的一阶矩,提供的样本形成一个严格平稳和遍历过程。在样本绝对正则的假设下,我们进一步给出了经验距离协方差的渐近分布的一个结果,并将这些结果推广到某些类型的伪度量空间.在这个过程中,我们得到了一个一般定理,关于渐近分布的退化V-统计量的二阶下的强混合条件。
2021-01-05 math.PR math.ST stat.TH
On the Asymptotic Distribution of the Scan Statistic for Empirical Distributions
我们调查的扫描统计量的几个变种的渐近行为应用于经验分布,它可以被应用到检测任何长度的异常间隔的存在。特别令人感兴趣的是学生化的扫描统计,这在实践中是优选的。证明中的主要成分是Kolmogorov定理,泊松近似和Kabluchko等人(2014)的最新技术结果。
2020-03-24 math.PR math.ST stat.TH
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
Asymptotic Goodness-of-Fit Tests for Point Processes Based on Scaled Empirical K-Functions
本文研究了尺度边缘校正的经验(广义)K函数序列(修改Ripley的K函数),每个K函数都是由一个$d$ -维四阶平稳点过程在采样窗口W_n中的单次观测构造的,W_n以一定的尺度率无界增长,n -> infty。在一些自然的假设下,证明了尺度经验K函数与尺度理论K函数之间的归一化差弱收敛于一个具有简单协方差函数的均值为零的高斯过程.这一结果表明,经验和理论K-函数与已知的极限分布,允许执行拟合优度测试检查一个假设的点过程的强度和(广义)K-函数之间的差异措施。对于W_n中两个独立的点过程具有相同的分布而不知道它们的强度和K函数的假设,导出了相似的检验统计量.
2017-06-04 math.ST stat.TH
Non-asymptotic upper bounds for the reconstruction error of PCA
我们分析了主成分分析(PCA)的重建误差,并证明了相应的超额风险的非渐近上界。这些界限统一和改进现有的上界从文献。特别地,他们在温和的特征值条件下给出了预言不等式。的界限表明,超额风险显着不同,通常认为子空间距离的基础上典型的角度。我们的方法依赖于经验谱投影仪的分析,结合加权经验协方差算子和经验特征值的浓度不等式。
2019-03-29 math.ST stat.TH
Asymptotics of the Empirical Bootstrap Method Beyond Asymptotic Normality
Microsoft Research(微软研究院)
形成统计推断的置信区间的最常用的方法之一是经验自助法,当估计量的极限分布未知时,该方法特别方便。然而,尽管它无处不在的作用,它的理论性质仍然没有得到很好的理解非渐近正态估计。本文在稳定性条件下,建立了经验Bootstrap估计的极限分布,导出了渐近相合的紧条件,并量化了收敛速度。此外,我们提出了三种替代方法来使用自举方法建立置信区间的覆盖保证。最后,我们通过一系列的例子,包括均匀置信带,两个样本核测试,极小极大随机程序和堆叠估计的经验风险,说明我们的结果的一般性和紧密性。
2020-11-23 cs.LG math.ST stat.ML
Asymptotic results for sample autocovariance functions and extremes of integrated generalized Ornstein-Uhlenbeck processes
考虑正平稳广义Ornstein-Uhlenbeck过程\[V_t=\mathrm{e}^{-ξ_t}\biggl(\int_0^t\mathrm{e}^{ξ_{s-}}\ ,\mathrm{d}η_s+V_0\biggr)\qquadfor t\geq0,\]和积分广义Ornstein-Uhlenbeck过程$I_k=\int_{k-1}^k\sqrt{V_{t-}} \mathrm{d}L_t$的增量$k\in\mathbb{N}$,其中$(ξ_t,η_t,L_t)_{t\geq0}$是与初始随机变量$V_0$无关的三维Lévy过程.广义模型是一个随机递归方程的连续时间版本。因此,我们的模型包括,特别是,连续时间版本的$\operatorname {ARCH}(1)$和$\operatorname {GARCH}(1,1)$过程。本文研究了$(V_t)_{t\geq0}$和$(I_k)_{k\in\mathbb{N}}$的极值点的渐近性态和样本自协方差函数。此外,我们提出了一个中心极限的结果$(I_k)_{k\in\mathbb{N}}$。正则变分和点过程收敛在建立$(V_t)_{t\geq0}$和$(I_k)_{k\in\mathbb{N}}$的统计量中起着至关重要的作用。该理论可应用于$\operatorname {COGARCH}(1,1)$和Nelson扩散模型。
2010-02-23 math.ST stat.TH
Asymptotic Properties of the Maximum Likelihood Estimator in Regime Switching Econometric Models
马尔可夫状态转换模型在经济学和金融学中有着广泛的应用。然而,最大似然估计(MLE)的渐近分布还没有被证明为一些经验流行的马尔可夫状态转换模型。特别是,MLE的渐近分布一直是未知的模型,其中的转移概率矩阵的一些元素的值为零,通常假设在经验应用与模型超过两个政权。这也包括模型,其中特定的制度密度取决于当前和滞后的制度,如汉密尔顿(1989年)的开创性模型和切换模型的汉密尔顿和Susmel(1994年)。本文证明了这些模型的极大似然估计的渐近正态性和渐近协方差阵估计的相合性。
2018-06-28 math.ST stat.TH
On Efficiency of the Plug-in Principle for Estimating Smooth Integrated Functionals of a Nonincreasing Density
考虑了在$[0,\infty)$上利用非参数极大似然估计器估计单调非增密度$f$的光滑积分泛函的问题.我们发现这个自然的(调整参数免费)插件估计,适当规范化的确切渐近分布。特别是,我们表明,简单的插件估计总是$\sqrt{n}$一致的,另外是渐近正常的零均值和半参数有效方差估计的一个子类的集成泛函。与以前关于这个主题的结果相比(例如,Nickl(2007),Gine and Nickl(2008),Jankowski(2014),and Sohl(2015)),我们的结果适用于更大的一类泛函(其中包括线性和非线性泛函)的基础$f$的限制性较低的假设下-我们不要求$f$是(i)光滑,(ii)有界远离$0$,或(iii)compensable支持。此外,当$f$是一个紧凑的间隔上的均匀分布,我们明确地描述了渐近分布的插件估计-现在收敛在一个非标准的速度-从而扩展的结果在Groeneboom和Pyke(1983)的情况下的二次功能。
2019-04-14 math.ST stat.TH
An asymptotic total variation test for copulas
我们提出了一个新的拟合优度检验copula,基于经验copula过程和他们的非参数自助配对。基于经验copula过程的上确界,将Copula的标准Kolmogorov-Smirnov型检验推广到以半空间为指标的经验copula过程的上确界,并利用检验统计量对经验copula过程的上确界进行了推广,其中L n是一个缓慢趋于无穷大的矩形.虽然潜在的经验过程不收敛,它被证明,我们的新的检验统计量的p值可以一致估计的自助。仿真结果表明,新的程序的功率是高于标准的Kolmogorov-Smirnov测试的Copula的功率。
2013-12-02 math.ST stat.TH
Testing monotonicity of a hazard: asymptotic distribution theory
引入两个新的检验统计量来检验抽样分布在指定区间[0,a]上具有递增危险率的原假设。这些统计量是保序估计之间的经验L_1型距离,它使用单调性约束,以及经验分布函数或经验累积风险。由于局部非单调性,它们测量经验估计相对于保序估计的偏移。如果风险在[0,a]上严格增加,则在温和条件下建立检验统计量的渐近正态性。这是通过首先用相对于基础分布函数的距离来近似全局经验距离来完成的。由此产生的积分被视为越来越多的局部积分,其中CLT可以应用的总和。局部积分的行为由一个规范过程决定:随机过程x -> W(x)+x^2(其中W是标准的双侧布朗运动)与其最大凸次量之间的差。
2011-10-26 math.ST stat.TH
Sharp asymptotic and finite-sample rates of convergence of empirical measures in Wasserstein distance
在度量空间上的两个概率测度之间的Wasserstein距离是在统计、概率和机器学习中应用的接近度的度量。在这项工作中,我们考虑的基本问题是如何迅速从$n$独立样本从$μ$方法$μ$在Wasserstein距离的任何顺序的经验措施。我们证明了一般紧度量空间上的一般测度的这种收敛速率的尖锐的渐近和有限样本结果。我们的有限样本的结果表明存在多尺度行为,措施可以表现出根本不同的收敛速度作为$n$增长。
2017-07-01 math.PR math.ST stat.TH
Asymptotic hypothesis testing for the colour blind problem
在经典的两样本问题中,检验分布相等性的传统方法是基于两个边际经验分布函数之间的差异,而独立性检验是基于二元和边际经验分布函数的乘积之间的对比。在这篇文章中,我们考虑的问题,测试独立性和分布的平等时,观察员是“色盲”,所以他不能区分的分布,产生了两个测量。在一个非参数的框架内,我们提出了一个经验过程中,这个问题,并找到线性统计,这是渐近最优的测试对一个特定形式的连续的替代品的边缘分布的平等。
2018-06-13 math.ST stat.TH
Asymptotics of empirical copula processes under non-restrictive smoothness assumptions
证明了经验Copula过程的弱收敛性,并证明了在单位超立方体的某些子集上Copula的一阶偏导数存在且连续的假设下,经验Copula过程的弱收敛性成立.这个假设是非限制性的,因为无论如何都需要它来确保候选限制过程存在并具有连续的轨迹。此外,基于乘子中心极限定理的恢复方法仍然有效,该方法要求对一阶导数进行一致的估计。在允许边界附近爆炸行为的二阶偏导数的某些增长条件下,可以恢复Stute表示的经验copula过程中的几乎必然速率。以满秩相关阵、多个阿基米德Copula和多个极值Copula为例,验证了这些条件的正确性.
2012-07-05 math.ST stat.TH
Asymptotic Distribution-Free Tests for Ultra-high Dimensional Parametric Regressions via Projected Empirical Processes and $p$-value Combination
Hunan University(湖南大学);Wuhan University of Technology(武汉理工大学);Beijing Normal University at Zhuhai(北京师范大学珠海校区)
本文提出了一种基于投影经验过程和p值组合的混合检验方法,用于超高维参数回归模型的拟合优度检验,通过结合低频和高频信号检测提升检验效能。
2026-01-02 math.ST stat.TH
Optimal use of auxiliary information : information geometry and empirical process
我们把有限期望集合中的辅助信息以最优信息几何的方式引入到经验测度中。这允许统一利用边信息的几种方法,并唯一地定义知情的经验测量。这些方法被证明共享相同的渐近性质。然后研究了真实信息下的知情经验过程。在最小假设条件下,建立了经验测度的Glivenko-Cantelli和Donsker定理,并量化了渐近一致方差缩减.此外,我们证明了知情的经验过程比经典的经验过程更集中的所有大$n$。最后,作为方差减少的一个例子,我们将其中一些结果应用于知情的经验分位数。
2021-07-01 math.ST stat.TH
Deriving the asymptotic distribution of U- and V-statistics of dependent data using weighted empirical processes
一般认为,具有无界核的V-泛函不是Hadamard可微的,因此,具有无界核的U-和V-统计量的渐近分布不能用函数Delta方法(FDM)导出。然而,在这篇文章中,我们表明,V-泛函是拟阿达玛可微的,因此,一个修改版本的FDM(最近介绍的(J.多元分析。101(2010)2452- 2463))可以应用于该问题。修改后的FDM需要弱收敛的加权版本的基本经验过程。后者不是问题,因为在文献中存在关于加权经验过程的若干结果;例如,参见(J. Econometrics 130(2006)307- 335,Ann. Probab. 24(1996)2098- 2127,经验过程及其在统计学中的应用(1986)Wiley,Statistist. Sinica 18(2008)313- 333)。改进的FDM方法具有非常灵活的优点。基础数据和未知分布函数的估计量。这两个方面都将通过各种例子加以说明。特别是,我们将表明,我们的FDM方法主要涵盖了文献中已知的U-和V-统计量的渐近分布的依赖数据的基础上的所有结果-我们的假设是由趋势甚至更弱。此外,使用我们的FDM方法,我们将这些结果扩展到现有文献中没有涉及的依赖概念。
2012-07-25 math.ST stat.TH
Efficient Empirical Bayes prediction under check loss using Asymptotic Risk Estimates
我们开发了一种新的经验贝叶斯方法,用于高维高斯模型中的校验损失预测。校验损失是分段线性损失函数,其具有用于测量低估或高估的量的差分权重。它下的预测在基本方面不同于加权二次损失下的估计或预测。由于这种损失的性质,我们的推断目标是预测分布的预先选择的分位数,而不是预测分布的平均值。我们开发了一种新的方法来构造一致有效的渐近风险估计,然后最小化,以产生有效的线性收缩预测规则。在计算的幅度和方向的收缩,我们提出的预测规则纳入了损失函数的不对称性,并被证明是渐近最优的。使用数值实验,我们比较了我们的方法与传统的经验贝叶斯程序的性能,并获得了令人鼓舞的结果。
2016-06-23 math.ST stat.ME stat.TH
Asymptotic confidence interval for R2 in multiple linear regression
本文在White稳健多元线性回归框架下,于最小矩条件中构造了多重相关系数R²的渐近置信区间,并给出各R²估计量的渐近联合分布,模拟验证了其稳健性及对计数回归的适用性。
2024-11-21 math.ST stat.TH
Exact and asymptotic goodness-of-fit tests based on the maximum and its location of the empirical process
标准化经验过程的上确界是检验i.i.d.实随机变量等于给定的分布函数$F_0$(假设)或$F \ge F_0$(单侧选择)。由于\cite{r5},众所周知,当样本大小趋于无穷大时,上确界的仿射线性变换在分布上收敛于Gumbel定律。这使得能够构造渐近水平- $α$测试。然而,收敛的速度极其缓慢。因此,即使样本量超过$10.000$,I类错误的概率也远大于$α$。现在,标准化包括权函数$1/\sqrt{F_0(x)(1-F_0(x))}$。用一个合适的随机常数代替权函数,得到一个新的检验统计量,我们可以在假设下导出它的精确分布(和极限分布)。通过Monte-Carlo模拟的比较表明,新的测试是一致优于Smirnov测试和适当修改的测试,由于\cite{r20}。我们的方法也适用于双侧替代$F \neq F_0$。
2022-07-16 math.ST stat.TH
Goodness-of-Fit Tests for Symmetric Stable Distributions -- Empirical Characteristic Function Approach
我们考虑基于标准化数据的经验特征函数与标准对称稳定分布的特征函数之间的平方距离的加权积分的对称稳定分布的拟合优度检验,其中特征指数$α$由数据估计。我们将$α$视为未知参数,但为了理论简单,我们也考虑$α$固定的情况。对于参数的估计和数据的标准化,我们使用最大似然估计(MLE)和最小化加权积分的等变综合平方误差估计(EISE)。我们导出了参数由MLE和EISE估计的特征函数过程的渐近协方差函数。对于极大似然估计的情形,数值计算了协方差函数的特征值,并利用复积分得到了检验统计量的渐近分布。模拟研究表明,检验统计量的渐近分布是非常精确的。对于一般分布,我们还给出了参数由有效估计量估计的特征函数过程的渐近协方差函数的公式。
2006-02-16 math.ST stat.TH
LAMN property for hidden processes: the case of integrated diffusions
本文证明了由扩散过程$X$的局部均值观测值给出的统计模型的局部渐近混合正态性。我们的数据是由$ \int_0^1 X_{\frac{s+i}{n}} \dd μ(s)$为$i=0,...,n-1$和未知参数出现在扩散系数的过程$X$。虽然数据既不是马尔可夫的也不是高斯的,但我们可以借助Malliavin演算写出模型的对数似然的显式表达式,然后研究其渐近展开。我们实际上发现,该模型的渐近信息是相同的一个通常的离散采样的$X$。
2007-07-02 math.PR math.ST stat.TH
Empirical likelihood test in a posteriori change-point nonlinear model
为了检验非线性参数回归中是否发生了变化,本文提出了一种基于经验似然的非参数方法。首先,我们测试了无变化的原假设与回归参数变化的替代。在原假设下,证明了回归参数估计的相合性和收敛速度。得到了在原假设下检验统计量的渐近分布,从而可以找到渐近临界值。另一方面,我们证明了所提出的检验统计量的渐近功效等于1。这些理论结果可以找到一个简单的检验统计量,非常有用的应用。在备择假设下,研究了一类特殊的具有两个变点的传染病模型。通过Monte-Carlo模拟的数值研究显示了所提出的检验统计量的性能,与文献中现有的方法相比。
2014-05-21 math.ST stat.TH
Prediction-based inference for integrated diffusions with high-frequency data
University of Copenhagen(哥本哈根大学)
本文提出了一种基于预测的估计方法,用于高频率数据下的积分扩散过程推断,证明了估计量的渐近存在性、唯一性和正态性。
2026-02-06 math.ST stat.ME stat.TH
Asymptotic and finite-sample distributions of one- and two-sample empirical relative entropy
De Vinci Higher Education, De Vinci Research Center(德芬奇高等教育,德芬奇研究中心);École normale supérieure(巴黎高等师范学院)
研究两个概率分布散度统计检验中经验相对熵的分布,推导有限样本集中不等式、渐近分布及贝里 - 埃森界,引入新方法获和统计量非线性函数的贝里 - 埃森不等式,涵盖单双样本经验相对熵。
2026-07-21 math.ST q-fin.ST q-fin.TR
Empirical Regularized Optimal Transport: Statistical Theory and Applications
我们得到的极限分布的某些经验正则化的最优输运距离之间的概率分布支持有限的度量空间,并显示(天真)的引导程序的一致性。特别是,我们证明了经验正则化的运输计划本身渐近遵循高斯定律。该理论包括玻尔兹曼-香农熵正则化,因此是广泛应用的辛霍恩发散的极限定律。我们的方法是基于应用隐函数定理的必要和充分最优性条件的正则化运输问题。在Monte Carlo模拟的渐近结果进行了研究。我们进一步讨论了计算和统计应用,例如基于正则化最优输运的蛋白质相互作用网络的共定位分析的置信带。
2019-05-01 math.ST stat.TH
Asymptotic Guarantees for Generative Modeling Based on the Smooth Wasserstein Distance
最小距离估计(MDE)作为(隐式)生成建模的一个公式最近受到关注。它考虑在模型参数上最小化经验数据分布与模型之间的统计距离。这个公式本身很适合理论分析,但典型的结果受到维数灾难的阻碍。为了克服这一点,并设计一个可扩展的有限样本统计MDE理论,我们采用平滑1-Wasserstein距离(SWD)$\mathsf{W}_1^{(σ)}$的框架。SWD最近被证明可以保持经典Wasserstein距离的度量和拓扑结构,同时具有无量纲的经验收敛速度。在这项工作中,我们进行了彻底的统计研究的最小光滑Wasserstein估计(MSWES),首先证明估计的可测性和渐近一致性。然后,我们描述的极限分布的最优模型参数和相关的最小SWD。这些结果意味着一个$O(n^{-1/2})$泛化界的生成式建模的基础上MSWE,它保持在任意维。我们的主要技术工具是经验$\mathsf{W}_1^{(σ)}$的一个新的高维极限分布结果。非退化极限的表征与经典的经验1-Wasserstein距离形成鲜明对比,其中类似的结果仅在一维情况下已知。我们的理论的有效性是由实证结果支持,构成SWD作为一个强有力的工具,在高维学习和推理。
2020-10-20 math.ST stat.TH
Exact and asymptotic distribution theory for the empirical correlation of two AR(1) processes with Gaussian increments
本文研究了具有高斯增量的两个独立 AR(1) 过程经验相关性的精确分布,证明了其在 Wasserstein 距离和 Kolmogorov 距离下向标准高斯分布的收敛速率,并将结果扩展至具有相关高斯增量的 AR(1) 过程。
2025-08-11 math.PR math.ST stat.TH
Curvature effects on the empirical mean in Riemannian and affine Manifolds: a non-asymptotic high concentration expansion in the small-sample regime
Bhattacharya \& Patrangenaru(BP-CLT)[6]利用中心极限定理建立了黎曼流形上IID随机变量序列Fr{é}chet均值的渐近集中性.这一渐近结果表明,Fr{é}chet平均值的行为几乎与充分集中分布的通常欧几里德情况相同。然而,经验平均值的渐近协方差阵被平方距离的期望Hessian修正。这个黑塞矩阵在[5]中对常曲率空间进行了明确计算,以便将其与截面曲率联系起来。虽然公式是明确的,但仍然很难解释,曲率对渐近收敛的直观影响仍然不清楚。此外,在实践中,我们最感兴趣的是有限小样本的平均值。在这项工作中,我们的目标是了解在这个小样本制度的流形曲率的影响。最后但并非最不重要的一点是,人们希望可以从黎曼流形中的经验Fr{é}chet平均扩展到仿射联络流形中的经验指数重心的可计算和可解释的近似。对于高度集中在其平均值周围的分布,以及对于任何有限样本个数,我们建立了显式的经验平均值的第一和第二时刻的泰勒展开由于一个新的泰勒展开的黎曼对数映射在仿射联络空间。这表明经验平均值具有与用协方差阵收缩两次的曲率张量的梯度成比例的1/n的偏差,以及与协方差-曲率张量成比例的协方差阵的收敛速度的调制。我们证明了我们的非渐近高浓度展开与BP-CLT的渐近展开是一致的。常曲率空间上的实验表明,这两个扩展是非常准确的有效域。此外,调制的收敛速度的经验平均值的协方差阵的显式编码使用标量乘…
2019-06-18 math.DG math.ST stat.TH
Asymptotics and Concentration Bounds for Bilinear Forms of Spectral Projectors of Sample Covariance
设$X,X_1,\dots, X_n$为i.i.d.。具有零均值和协方差算子$Σ={\mathbb E}(X\otimes X)$的高斯随机变量取值于可分希尔伯特空间${\mathbb H}.$令$$ {\bf r}(Σ):=\frac{{\rm tr}(Σ)}{\|Σ\|_{\infty}} $$为$Σ,$的有效秩${\rm tr}(Σ)$为$Σ$的迹,$\|Σ\|_{\infty}$为其算子范数。设$$\hat Σ_n:=n^{-1}\sum_{j=1}^n (X_j\otimes X_j)$$是基于$(X_1,\dots, X_n).$的样本(经验)协方差算子,本文讨论了协方差算子$Σ$的谱投影算子由其经验对应算子$\hat Σ_n$的谱投影算子(empirical spectral projectors)估计的问题。重点是样本量$n$和有效秩${\bf r}(Σ)$都很大的问题。该框架包括并推广了众所周知的高维尖峰协方差模型。给定对应于协方差算子$Σ$的特征值$μ_r$的谱投影算子$P_r$及其经验对应物$\hat P_r,$,我们根据样本大小$n$和有效维数${\bf r}(Σ).$导出经验谱投影算子$\hat P_r$的双线性型的精确浓度界。本文证明了随机算子$\hat P_r -{\mathbb E}\hat P_r$的双线性型的渐近正态性,并在$n\to \inft…
2015-08-07 math.ST stat.TH
Higher-order approximation for uncertainty quantification in time series analysis
针对高时间相关性时间序列中经验过程收敛缓慢的问题,本文推导高阶误差项渐近分布并提出新置信区间计算方法,模拟显示其覆盖率与长度优于传统渐近方法。
2025-05-22 math.ST stat.TH
GARTFIMA Process and its Empirical Spectral Density Based Estimation
在这篇文章中,我们介绍了一个Gegenbauer自回归回火分数积分移动平均(GARTFIMA)过程。我们工作的谱密度和自协方差函数的介绍过程。利用非线性最小二乘技术和Whittle似然估计技术,利用经验谱密度进行参数估计。所提出的估计技术的性能进行评估模拟数据。此外,所介绍的过程中示出,以更好地模拟真实世界的数据相比,其他时间序列模型。
2022-08-30 math.ST stat.TH
Functional delta-method for the bootstrap of quasi-Hadamard differentiable functionals
函数δ方法提供了一个方便的工具,用于从相应的经验过程的渐近分布导出统计泛函的插入式估计量的渐近分布。此外,它提供了一个工具,从经验过程的自举一致性导出插件估计的自举一致性。最近的研究表明,采用拟Hadamard可微性的概念,可以大大地扩大渐近分布的泛函δ方法的应用范围。在这里,我们在一般情况下表明,这种扩大进行的自举。也就是说,对于拟阿达玛可微泛函,插入式估计量的自举一致性来自相应经验过程的自举一致性。这种扩大往往需要自举的经验过程在分布上的依分布收敛。一个非均匀的超范数后者并不成问题,这将通过实例加以说明。
2016-05-04 math.ST stat.TH
Empirical MSE Minimization to Estimate a Scalar Parameter
我们考虑一个标量参数的估计,当两个估计可用。第一个总是一致的。第二个一般是不一致的,但有一个较小的渐近方差比第一个,并可能是一致的,如果一个假设得到满足。我们建议使用两个估计的加权和最低估计均方误差(MSE)。我们表明,这第三个估计量占主导地位的其他两个从最小最大遗憾的角度来看:最大渐近MSE增益可能会导致使用此估计,而不是其他估计之一是大于最大渐近MSE损失。
2020-06-25 econ.EM math.ST stat.TH
Modified weighted power variations of the Hermite process and applications to integrated volatility
本文研究了Hermite过程的修正加权幂变分的渐近行为,并将其应用于构造非高斯设置下的积分波动率估计量。
2026-01-05 math.PR math.ST stat.TH
Empirical likelihood test for high-dimensional two-sample model
提出了一种基于经验似然的非参数方法,用于检测高维线性模型系数的变化,其中模型变量的数目随着样本量的增加而增加。这相当于检验无变化的原假设与回归系数变化一次的备择假设。基于经验似然比统计量的理论渐近性态,我们提出了一种在固定设计下更简单、更易于实际应用的检验统计量。在原假设下证明了该检验统计量的渐近正态性,这一结果不同于具有固定变量数的模型的$χ^2$定律。在备择假设下,检验统计量会发生偏离。然后,我们可以找到两个相位的参数差的渐近置信区域。一些蒙特卡罗模拟研究的行为,建议的检验统计量。
2015-06-19 math.ST stat.ME stat.TH
General asymptotic representations of indexes based on the functional empirical process and the residual functional empirical process and applications
本文通过结合函数经验过程和残差函数经验过程,为广泛的统计指数(如福利指数)建立了一般渐近表示(GAR),并给出了其应用。
2025-08-06 math.PR math.ST stat.TH
Asymptotic convergence in distribution of the area bounded by prevalence-weighted Kaplan-Meier curves using empirical process modeling
Kaplan-Meier乘积限估计量是事件时间分析中一个简单而强大的工具。对于分层为队列的人群,存在一种扩展,其中通过队列水平生存曲线的加权平均生成人群生存曲线。为了使用该统计量进行群体水平的比较,我们分析了两条加权生存曲线之间的面积统计量。基于乘积限估计量的经验过程,我们导出了该统计量的大样本行为。该估计器被一个跨学科的NIH-SSA团队用于确定医疗条件,以优先考虑残疾福利处理中的裁定。
2018-10-02 math.PR math.ST stat.ME
Asymptotic normality of robust risk minimizers
本文研究基于稳健均值代理的经验风险最小化算法的渐近性质,证明在广泛参数问题中,稳健风险最小化器与经典经验风险最小化器具有相同的收敛速率和渐近方差。
2023-05-30 math.ST stat.ML stat.TH
Asymptotic Expansion and Bounds for the Bias of Empirical Tail Value-at-Risk
Saint Petersburg State University(圣彼得堡国立大学);Emperor Alexander I Saint Petersburg State Transport University(亚历山大一世圣彼得堡国立交通大学);Purdue University(普渡大学);RISC Foundation(RISC基金会);Western University(韦仕敦大学)
本文通过渐近展开和上界推导,分析了经验TVaR估计量的偏差来源及其影响因素,并通过模拟和实际数据验证了其有效性。
2026-01-17 math.ST stat.AP stat.ME
Asymptotics of Empirical Eigen-structure for Ultra-high Dimensional Spiked Covariance Model
我们推导出的渐近分布的尖峰特征值和特征向量的广义和统一的渐近制度下,考虑到尖峰幅度的领先特征值,样本量,和维数。这种新的制度允许高维和发散的特征值尖峰,并提供了新的见解的主导特征值,样本量,和维度发挥主成分分析的作用。结果证明了一个技术设备,它交换的行和列的作用,并将高维问题转化为低维的。我们的结果是Paul(2007)中的结果的自然扩张,以新的见解扩展到更一般的环境,并解决了Shen等人(2013)中的收敛率问题。揭示了用主成分分析估计主特征值和特征向量时存在的偏差,并提出了一种新的近似因子模型协方差估计量--收缩主正交补阈值法(S-POET),以纠正这种偏差.我们的结果被成功地应用于大投资组合的风险估计和相关检验统计量的错误发现比例的突出问题,并通过模拟研究加以说明。
2015-09-12 math.ST stat.ME stat.TH
On the rate of convergence in Wasserstein distance of the empirical measure
令$μ_N$为与$\mathbb{R}^d$上的给定概率分布$μ$的$N$样本相关联的经验度量。我们感兴趣的收敛速率的$μ_N$ $μ$,当测量的Wasserstein距离的顺序$p>0$。对于$p>0$和$d\geq 1$的任意值,我们给出了一些令人满意的非渐近$L^p$ -界和浓度不等式.我们还推广了非渐近的$L^p$ -界的平稳$ρ$ -混合序列,马尔可夫链,和一些相互作用的粒子系统。
2013-12-07 math.PR math.ST stat.TH
An Asymptotic Law of the Iterated Logarithm for $\mathrm{KL}_{\inf}$
Carnegie Mellon University(卡内基梅隆大学)
本文提出了一种适用于无界数据的经验KL_inf的迭代对数定律,以解决非渐近集中界的最优性问题。
2026-02-05 math.ST stat.ML stat.TH
Signature asymptotics, empirical processes, and optimal transport
本文建立签名渐近性、经验过程与Wasserstein距离的理论关联,将Hambly-Lyons极限重解释为同分布两独立经验测度Wasserstein距离的渐近性,把该结果从$C^3$曲线推广至$C^2$曲线,并给出极限的二阶微分方程显式计算方法。
2023-05-05 math.PR math.ST stat.TH
Beyond the Mean: Limit Theory and Tests for Infinite-Mean Autoregressive Conditional Durations
本文针对积分型ACD模型中持续期无限期望及传统渐近方法失效的难题,建立了涵盖积分型情形的统一渐近理论,并提出持续期有限/无限期望的假设检验框架,应用于高频加密货币ETF数据,发现五种加密货币的持续期均具有无限均值。
2025-05-09 econ.EM math.ST q-fin.ST
Asymptotics of empirical eigenvalues for large separable covariance matrices
研究了一类非独立高斯过程(可分离且时间平稳)的样本协方差阵在Kolmogorov渐近条件下特征值的渐近性.限制谱分布(LSD)被证明是明确地依赖于柯尔莫哥洛夫常数(一个固定的限制比的样本量的维数)和参数表示的空间和时间的相关性。由自由调和分析得到的柯西变换、M变换和N变换在LSD计算中起着关键作用。对于空间协方差阵为对角占优Wigner矩阵,时间协方差阵为指数非对角衰减(Toeplitz)矩阵,利用自由随机变量的自由乘法律给出了LSD的半封闭形式(只有最后一步是数值计算).此外,我们还推导出一个非线性收缩估计的顶部特征值与低秩矩阵(厄米)从其噪声测量。数值研究的估计的有效性。
2019-10-10 cs.IT math.IT math.PR