Asymptotics and statistical inferences on independent and non-identically distributed bivariate Gaussian triangular arrays
本文建立了独立非同分布的二元高斯三角阵列的归一化最大值分布的一阶和二阶渐近性，其中$n$第行的每个向量服从二元高斯分布，相关系数是$i/n$的单调连续函数.进一步研究了该未知函数的参数推断问题。并给出了一些模拟研究和实际数据集分析。
2016-04-26 stat.ME
A test for Archimedeanity in bivariate copula models
我们提出了一个新的测试的假设，二元copula是阿基米德copula。检验统计量是基于两个措施的组合，这两个措施是由阿基米德copula的结合性和严格的上界的对角线上的Fréchet-上界的特性。我们证明了该统计量的弱收敛性，并证明了相应检验的临界值可由乘数自助法确定。如果Copula满足弱光滑假设，则该测试对所有偏离阿基米德性是一致的。一个模拟研究，说明了新的测试的有限样本特性。
2011-09-29 math.ST stat.TH
Estimating the limiting shape of bivariate scaled sample clouds: with additional benefits of self-consistent inference for existing extremal dependence properties
本文针对二元缩放样本云的极限形状开发了首个统计推断方法，构建了联合尾部统一推断框架，并为多种极值依赖度量提供了首套自洽估计量，避免了现有方法可能产生的矛盾结论。
2024-09-20 stat.ME
Goodness-of-fit test for the bivariate Hermite distribution
本文研究了二元Hermite分布的拟合优度检验。具体来说，我们提出并研究了一个基于经验概率生成函数的Cramér-von Mises型检验。Bootstrap可用于一致地估计检验统计量的零分布。模拟研究探讨有限样本量的自助法的优点。
2019-11-27 math.ST stat.TH
Goodness-of-fit Tests for the Bivariate Poisson Distribution
双变量泊松分布通常用于对双变量计数数据建模。在本文中，我们研究了这种分布的拟合优度检验。我们还提供了一个审查现有的测试的二元泊松分布，其多元扩展。所提出的测试与任何固定的替代方案都是一致的。它也能够检测到局部替代收敛到零的速率$n^{-\frac{1}{2}}$。Bootstrap可以用来一致地估计检验统计量的零分布。通过模拟研究，我们研究了有限样本量的自助逼近和功效的良好性。
2019-02-24 math.ST stat.TH
On the asymptotic distribution of certain bivariate reinsurance treaties
设（X_n，Y_n），n \ge 1是具有公共分布函数F的二元随机索赔额，N（t），t \ge 0是统计在时间区间[0，t]，t \ge 0内发生的索赔次数的随机过程.本文导出了随机样本（X_1，Y_1），（X_2，Y_2），.的随机指标顺序统计量的联合渐近分布，（X_{N(t)}，Y_{N(t)}），然后使用该模型获得在特定保险设置下可用的两个广义最大索赔再保险条约的联合分布的渐近表示。作为副产品，我们得到了一个随机表示的m维λ极值变量的iid单位指数随机变量。
2006-05-17 math.PR math.ST stat.TH
The Algebraic Complexity of Maximum Likelihood Estimation for Bivariate Missing Data
本文研究了在数据为随机缺失（MAR）的假设下，正态和多项式随机变量的二元缺失数据的一般模式的极大似然估计问题.对于正态数据，分数方程有九个复杂的解，其中至少有一个是真实的和统计上显著的。我们的计算表明，真正的解决方案的数量有关的MAR假设是否得到满足。在多项式的情况下，分数方程的所有解都是实数，并且实数解的数量随着基础随机变量的状态数呈指数增长，尽管总是有一个统计上显著的局部最大值。
2007-09-06 math.AG math.ST stat.CO
A weak law of large numbers for estimating the correlation in bivariate Brownian semistationary processes
本文给出了非半鞅的二元平稳随机过程的所谓实现协变的各种弱大数定律。更确切地说，我们考虑两种情况：随机相关的二元移动平均过程和随机相关的二元布朗半平稳过程。在这两种情况下，我们可以证明（可能缩放）实现的协变收敛到集成（可能波动调制）随机相关过程。
2017-07-26 math.PR math.ST stat.TH
On the circular correlation coefficients for bivariate von Mises distributions on a torus
本文研究了二元vonMises正弦和余弦分布的循环相关。这是两个简单而有吸引力的二元角数据模型，每个模型有五个参数，每个参数的解释与普通的二元正态模型相当。然而，与二元正态分布不同，角度对的变异性和关联性无法从模型参数中轻易推导出来。因此，要计算这种汇总措施，需要循环统计工具。我们推导出解析表达式，并研究了冯米塞斯正弦和余弦模型的Jammalamadaka-Sarma和Fisher-Lee圆相关系数的性质。然后提出了这些系数从样本数据的似然为基础的推断。的相关系数示出了数值和视觉的例子，最大似然估计的模拟和真实数据进行评估，与他们的非参数同行比较。在我们的R软件包BAMBI中提供了这些计算的实际应用。
2020-05-27 math.ST stat.TH
Concomitants and majorization bounds for bivariate distribution function
设（$X,Y)$是具有分布函数$F(x,y),$的随机向量，并且$(X_{1},Y_{1}),(X_{2},Y_{2}),...,(X_{n},Y_{n})$是（令$X_{i:n}$是从二元样本的第一坐标的样本$X_{1},X_{2},...,X_{n}$构造的$i$阶统计量，并且$Y_{[i:n]}$是$X_{i:n}.$的伴随物，表示$F_{i:n}% (x,y)=P\{X_{i:n}\leq x,Y_{[i:n]}\leq y\}.$。顺序统计量及其伴随，即${\dsum \limits_{i=1}^{n}}% {\sum\limits_{i=1}^{n}} p_{i}F_{i:n}(x,y)$和${\dsum \limits_{i=1}^{n}}% {\sum\limits_{i=1}^{n}} p_{i}F_{n-i+1:n}(x,y).$。证明了对于特定序列$(p_{1}(m),p_{2}(m),...,p_{n}(m)),m=1,2,..$，这些界收敛于$F$为$m\rightarrow\infty.$
2011-09-07 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
Testing parametric models for the angular measure for bivariate extremes
本文提出基于加权L1-Wasserstein距离的检验统计量，通过比较非参数秩估计与参数估计的角测度来检验双变量极值相依结构的参数模型拟合优度，并用自助法获得临界值，模拟和河流流量数据验证了方法有效性。
2024-11-19 math.ST stat.TH
A goodness-of-fit test for bivariate extreme-value copulas
通常可以合理地假设二元连续分布的相依结构属于极值copula类。后者的特点是他们的Pickands依赖函数。在本文中，提出了一个程序，用于测试是否属于一个给定的参数家庭的功能。该测试基于Cramér-von Mises统计量，该统计量测量参数Pickands依赖函数的估计值与Genest和Segers研究的两个非参数估计值之一之间的距离[Ann. Statist. 37（2009）2990- 3022]。由于检验统计量的极限分布取决于未知参数，因此必须通过参数自助法进行估计，并确定其有效性。蒙特卡罗模拟被用来评估的力量的测试和扩展的依赖结构，这是左尾下降的两个变量被认为是。
2011-02-10 math.ST stat.TH
Towards Optimal Estimation of Bivariate Isotonic Matrices with Unknown Permutations
Yale University（耶鲁大学）；UC Berkeley（加州大学伯克利分校）
许多应用，包括秩聚合、群标记和图子估计，可以根据具有作用于其行和/或列的未知排列的二元保序矩阵来建模。我们考虑的问题，估计一个未知的矩阵在这类中，基于噪声观测（可能是一个子集）的条目。我们设计和分析多项式时间算法，提高了两个不同的指标，特别是最小最大优化，计算效率的估计是在某些设置中实现的。一路上，我们证明了匹配的上限和下限的极小极大半径的某些锥测试问题，这可能是独立的利益。
2019-10-27 cs.IT cs.LG math.IT
Relative Edge Density of the Underlying Graphs Based on Proportional-Edge Proximity Catch Digraphs for Testing Bivariate Spatial Patterns (Technical Report)
数据随机图在空间模式统计检验中的应用是近年来出现的。在这种方法中，使用来自各种类别的点的相对位置从数据构造随机有向图。不同的随机图由与每个数据点相关联的邻近区域的不同定义产生，并且不同的图统计可以用于模式测试。本文中使用的方法是基于一个家庭的数据随机有向图，这是由一个家庭的参数化邻近映射确定的基础图。的AND-和OR-基础图形的相对边缘密度被用作汇总统计量，提供了一种替代的相对弧密度和控制数的有向图先前采用。适当缩放后，底层图的相对边密度是U统计量，便于使用标准U统计量中心极限理论对其渐进分布进行分析研究。该方法说明了应用程序的二元空间聚类模式的隔离和关联的测试。渐近分布的知识允许皮特曼渐近效率的评价，因此选择的邻近映射参数，以优化效率。渐近效率和Monte Carlo模拟分析表明，与-底层版本是更好的（在功率和效率方面）的隔离替代，而或-底层版本是更好的关联替代。这里提出的方法也适用于更高维度的数据。
2009-06-30 math.CO math.ST stat.ME
Weighted approximations of tail copula processes with application to testing the bivariate extreme value condition
考虑$n$ i.i.d.。$\mathbb{R}^2$上的随机向量，具有未知的公共分布函数$F$。在对$F$上的极值条件进行锐化的条件下，得到了相应的尾Copula过程的一个加权逼近.然后，我们构造了一个测试，以检查是否极值条件成立，通过比较两个估计的极限极值分布，一个得到的尾copula过程和另一个得到的第一次估计的谱测度，然后作为一个积木的极限极值分布。我们从上述的加权逼近推导出检验统计量的极限分布。该极限分布包含未知的功能参数。因此，我们证明了估计参数的版本弱收敛到真正的极限分布。基于此结果，我们的测试过程的有限样本性质进行了研究，通过模拟研究。并给出了一个实际数据应用。
2006-11-13 math.ST stat.TH
Asymptotic generalized bivariate extreme with random index
在许多生物、农业、军事活动问题和一些质量控制问题中，由于各种原因，总是有一些观测数据丢失，因此几乎不可能有一个固定的样本量。因此，样本量本身通常被认为是一个随机变量（rv）。充分刻画了独立同分布RV的随机二元极值广义顺序统计量（GOS）的极限分布函数类.当随机样本量与基本变量无关且其分布函数弱收敛于非退化极限时，得到了随机二元极值广义系统弱收敛的充要条件.在随机尺寸与基本rv的相互关系不受限制的情况下，导出了收敛的充分条件和极限df的形式。给出了说明性的例子，进一步支持我们的理论结果。
2017-01-17 math.ST stat.TH
Statistical Inference for Bivariate Functional Causal Discovery
University of Washington（华盛顿大学）；University of California San Francisco（加州大学旧金山分校）
本文针对函数型因果发现缺乏统计推断的问题，提出一种基于假设检验的双变量因果发现框架，利用拟合优度和独立性检验及重抽样量化不确定性，并通过模拟和真实数据验证其有效性。
2026-10-27 stat.ME
Kernel estimation of bivariate time-varying coefficient model for longitudinal data with terminal event
我们提出了一个非参数双变量时变系数模型的纵向测量与发生的终端事件，是受右删失。随时间变化的系数捕获协变量效应的纵向轨迹以及随访时间和剩余寿命。所提出的模型扩展了参数条件的方法，终端事件的时间在最近的文献中，从而避免了潜在的模型误指定。我们考虑一个核平滑方法估计回归系数在我们的模型和使用交叉验证带宽选择，在最后的分析中应用欠平滑，以消除渐近偏差的核估计。我们证明了核估计在较弱的正则条件下是渐近正态的，并提供了一个易于计算的夹心方差估计。我们进行了广泛的模拟，显示所提出的方法的理想性能，并应用该方法来分析终末期肾病患者的医疗费用数据。
2021-11-09 stat.ME
Reverse Exchangeability and Extreme Order Statistics
对于二元随机向量（X，Y），给出了在|X|，|Y|，|max（X，Y）|得双曲正弦值.| min（X，Y）|.将这些结果部分推广到多元随机向量（X1，.，Xn）也给出。
2012-06-21 math.ST stat.TH
Assessing bivariate independence: Revisiting Bergsma's covariance
本文重新研究Bergsma协方差κ，提出基于四个U统计量的直观估计量，推导其非零相依情形下的渐近分布，并通过模拟表明新估计量在功效和计算效率上具有竞争力。
2023-05-29 math.ST stat.ME stat.TH
Estimating failure probabilities
在风险管理中，通常必须估计一个随机向量落入极端失效集中的概率。在二元极值理论的框架下，我们构造了这种失效概率的一个估计，并在自然条件下分析了它的渐近性质。结果表明，如果对相关结构的极值近似至少与对边缘分布的广义Pareto近似一样精确，则估计误差主要取决于对边缘分布的统计分析的精度。此外，我们建立了置信区间，并简要讨论了推广到更高的维度和实际应用中出现的问题。
2015-06-03 math.ST stat.ME stat.TH
Bivariate change point detection: joint detection of changes in expectation and variance
提出了一种变点检测方法。本文考虑一个单变量独立随机变量序列，其期望值和方差均为分段常数，除此之外，其分布可以周期性变化。我们的目标是检测期望和方差的变化点。为此，我们提出了一个统计测试的原假设无变化点和算法的变化点检测。两者都是基于一个双变量移动和方法，共同评估的均值和经验方差。与单独的单变量方法相比，联合考虑有助于改善推断。我们有信心地推断变化的强度和类型。非参数方法支持对不同数据的分析。此外，多尺度方法解决了变化点和影响中的复杂模式。我们通过理论结果和仿真研究证明了性能。讨论了配套的R包jcp（可在CRAN上获得）。
2021-06-21 math.ST stat.ME stat.TH
A penalized approach to the bivariate logistic regression model for the association between ordinal responses
二元有序Logistic模型（BOLM）是一种对给定协变量的两个有序响应及其关联的边缘分布进行联合建模的方法。当响应类别的数量增加时，要估计的全局优势比（或其重新参数化）的数量也增加，并且估计关联结构对于这种类型的数据变得至关重要。事实上，这样的数据可能太“丰富”，无法用普通的BOLM完全建模，而有时，著名的Dale模型可能过于简约，无法提供良好的拟合。此外，当响应的交叉列表包含一些零时，对于许多模型配置，包括部分比例优势模型（PPOM）的双变量版本，通过Fisher评分算法估计BOLM可能失败或估计太“不规则”的关联结构。在这项工作中，我们建议使用一个非参数方法的极大似然估计的BOLM。我们对相邻行和列效应之间的差异应用惩罚。其结果是，估计是要求较低，比普通的BOLM，允许拟合的PPOM和/或平滑的边缘和关联参数的多项式曲线和曲面，与分数选择的数据。模型选择是基于惩罚的对数似然比，其极限分布已通过模拟研究，和AIC。我们的建议相比，古德曼的模型和戴尔的模型，在拟合优度和简约性，文献数据集。最后，提出了一个应用程序的肝脏疾病患者的原始数据集。
2014-07-07 math.ST stat.AP stat.CO
Bivariate log-symmetric models: distributional properties, parameter estimation and an application to fatigue data analysis
二元高斯分布是统计学许多发展的关键模型。然而，许多现实世界中的现象产生的数据，遵循不对称分布，因此，二元正态模型是不合适的，在这种情况下。二维对数对称模型具有吸引人的性质，在这些情况下可以被认为是很好的替代方案。本文讨论了二元对数对称分布及其特征。建立了模型参数的几个分布性质，并得到了模型参数的极大似然估计。蒙特卡罗模拟研究进行检查的性能开发的参数估计方法。最后，一个真实的数据集进行分析，以说明所提出的模型和相关的推理方法。
2022-12-07 stat.ME
Bivariate change point detection in movement direction and speed
针对生物沿线性结构运动中方向和速度的突变检测问题，本文提出一种新的随机模型，用移动核估计量替代经典MOSUM统计量，并给出变点估计及区分方向与速度变点的图形化方法。
2024-09-03 math.ST q-bio.QM stat.AP
Bivariate Discrete Generalized Exponential Distribution
在本文中，我们开发了二元离散广义指数分布，其边缘是由Nekoukhou、Alamatsaz和Bidram提出的离散广义指数分布（“Discrete generalized指数分布of a second type”，Statistics，47，876 - 887，2013）。可以看出，提出的二元分布是一个非常灵活的分布和二元几何分布可以得到作为这种分布的特殊情况。所提出的分布可以被看作是由Kundu和Gupta提出的双变量广义指数分布（“Bivariate generalized指数分布“，Journal of Multivariate Analysis，100，581 - 593，2009）的自然离散模拟。我们研究这个分布的不同性质，并探讨其依赖结构。本文提出了一种新的期望最大化算法来计算未知参数的极大似然估计，该算法可以非常有效地实现，并讨论了一些推论问题。一个数据集的分析已被执行，以显示所提出的模型的有效性。最后提出了一些有待解决的问题，并对本文进行了总结.
2017-01-13 stat.AP stat.ME
Single-index modulated multiple testing
在大规模多重检验中，假设往往伴随着一定的先验信息。在本文中，我们提出了一个单指数调制（SIM）的多重检验程序，它保持控制的错误发现率，同时将先验信息，通过假设的二元$p$ -值，$(p_1,p_2)$，为每个假设，其中$p_1$是一个初步的$p$ -值从先验信息和$p_2$是主要的$p$ -值的最终分析的可用性。为了找到二元$p$ -值的最佳拒绝区域，我们提出了一个基于真空和非空情况下$(p_1,p_2)$的概率密度函数之比的准则。二元正态设置中的该标准进一步促使我们将二元$p$值投影到单指标$p(θ)$，用于广泛的方向$θ$。通过参数和非参数方法估计$p(θ)$的真零分布，导致两个程序估计和控制错误发现率。为了得到最优投影方向$θ$，我们提出了一种新的方法，基于功率比较，这是进一步证明了在一些温和的条件下是一致的。仿真结果表明，SIM多重检测过程在控制错误发现率的同时，显著提高了检测能力。将说明对真实数据集的分析。
2014-07-01 math.ST stat.ME stat.TH
Statistical methods for estimating ecological breakpoints and prediction intervals
生态变量之间的关系通常通过拟合经过因变量条件均值的统计模型来获得。例如，非参数黄土和参数分段线性回归模型，通过给定的预测响应变量的条件平均值，用于分析简单到复杂的变量之间的关系。我们使用黄土和自举置信区间主观识别的数量和潜在的生态断点的位置在一个二元关系，和分段线性回归模型（PLRM）定量估计断点的位置和相关的精度。我们还使用分段线性分位数回归模型（PQRM）估计断点位置和精度，该模型拟合响应变量的条件分布的分位数（给定预测因子），并在估计关系和断点方面提供更丰富的信息。我们比较了PQRM相对于PLRM估计的断点的精度。我们比较了精度的方法，使用两个例子，从生态文献怀疑表现出多个断点：有关鱼类生物完整性指数（湿地的鱼类群落的“健康”指数）的人类活动在湿地附近流域的数量;和有关蓝藻的生物量在加拿大湖泊的总磷浓度。两个数据集均检测到统计学显著的断点，以明显不同的斜率划分三个线段的边界。我们建议分段线性分位数回归作为表征双变量环境关系的有效手段，其中点的散布代表自然环境变化而不是测量误差。
2019-08-19 stat.AP
On a class of distributions generated by stochastic mixture of the extreme order statistics of a sample of size two
本文考虑一类由大小为2的样本的顺序统计量的随机混合构成的分布族。所提出的模型的各种属性进行了研究。我们应用该模型扩展指数和对称拉普拉斯分布。扩展到双变量的情况下被认为是。
2019-04-08 math.ST stat.TH
Copulas from Order Statistics
Baker（2008）引入了一类新的基于顺序统计量的copula。在这里，进一步的属性的二元和多元copula的描述，如似然比优势（LRD），并进一步二元copula的介绍，推广了早期的工作。其中一个新的Copula是虚宗量Bessel函数乘积的积分，并且可以达到Fréchet界。使用这些Copula拟合数据进行说明，并举例说明。经验发现，以前提出的多变量Copula不够灵活，一般是有用的数据拟合，在这方面需要进一步的发展。
2014-12-02 stat.ME
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
The Bivariate Defective Gompertz Distribution Based on Clayton Copula with Applications to Medical Data
在医学研究中，常见的情况是存在一部分未发生关注事件的患者。这些患者是没有事件风险的人，或者是在研究期间治愈的患者。免疫或治愈患者的比例在文献中称为治愈率。传统的寿命统计模型一般不适用于包含双变量寿命的治愈率数据集。在本文中，它提出了一个双变量模型的基础上，一个缺陷Gompertz分布，并使用克莱顿copula函数来捕捉可能的依赖结构之间的寿命。进行了广泛的模拟研究，以评估偏差和均方误差的极大似然估计的参数与拟议的分布。使用医疗数据的一些应用程序，以显示所提出的模型的有用性。
2020-12-14 stat.AP
Bivariate gamma-geometric law and its induced Lévy process
在这篇文章中，我们介绍了二元指数几何（BEG）定律（Kozubowski和Panorska，2005）的三参数扩展。我们把这种新的分布称为双变量伽玛几何（BGG）定律。如果$N$具有几何分布，则二元随机向量$(X,N)$遵循BGG定律，并且$X$可以（在定律中）表示为$N$独立且同分布的伽马变量之和，其中这些变量独立于$N$。提供了矩生成和特征函数、矩和方差-协方差阵等统计性质。研究了边际律和条件律。我们证明了BBG分布和BEG模型一样是无限可分的。此外，我们提供了BGG分布的替代表示，并表明它具有几何稳定性。讨论了极大似然估计和推断，并提出了一种重新参数化的方法，以获得参数的正交性。我们提出了一个应用程序的真实数据集，我们的模型提供了一个更好的拟合比BEG模型。我们的二元分布导出了一个具有相关gamma和负二项过程的二元Lévy过程，它扩展了Kozubowski等人（2008）提出的二元Lévy运动。我们的Lévy运动的边缘是伽玛和负二项过程的混合，我们称之为${BMixGNB}$运动。给出了该过程的随机自相似性和协方差阵等基本性质。本文还研究了${BMixGNB}$过程在固定时刻的二元分布，得到了一些结果，包括对极大似然估计和推断的讨论。
2013-02-18 stat.ME
The Elliptically Optimal Confidence Interval: A Bivariate Extension of Wilson's Score Method
本文提出椭圆最优置信区间，通过闭式优化投影椭圆区域构造二项比例差的最短得分区间，保证覆盖且不欠覆盖，并精确量化极端比例下的过度覆盖。
2026-09-11 math.ST q-fin.ST stat.CO
The Bag-and-Whisker Plot: A New Bagplot for Bivariate Data
Fudan University（复旦大学）；Hong Kong Baptist University（香港浸会大学）；Capital Normal University（首都师范大学）
针对袋图用于双变量数据时存在的固定离群值检测因子及凸包不稳定问题，提出袋须图改进方法。将离群值检测转化为多重检验问题，给出数据自适应边界，改进可视化，经模拟和数据分析验证其优势并发布R包。
2026-07-07 stat.ME
Generalized Pearson correlation squares for capturing mixtures of bivariate linear dependences
出于在科学研究中捕获复杂但可解释的变量关系的迫切需要，在这里，我们将平方皮尔逊相关性推广到捕获两个实值随机变量之间的线性依赖的混合，有或没有指定线成员的索引变量。我们构造广义皮尔逊相关方，重点放在三个方面：两个变量的互换性，参数模型假设的独立性，和人口水平的参数的可用性。对于计算广义皮尔逊相关平方从一个样本没有线的成员资格规格，我们开发了一个K线聚类算法，其中K，线的数量，可以选择在一个数据自适应的方式。利用我们定义的总体水平广义皮尔逊相关平方，我们推导出样本水平统计量的渐近分布，以实现有效的统计推断。仿真研究验证了理论结果，并比较了广义皮尔逊相关方与其他广泛使用的关联措施的权力。基因表达数据分析证明了广义皮尔逊相关平方在捕获其他措施错过的可解释的基因-基因关系的有效性。我们在R包gR 2中实现了估计和推理过程。
2020-06-29 stat.ME
Statistical Inference for distributions with one Poisson conditional
我们记得经典的二元正态分布有正态边缘和正态条件。这是自然的问是否可以遇到类似的现象，涉及泊松边缘和条件。参考Arnold，Castillo和Sarabia（1999）关于条件指定模型的书，可以确认只有在变量独立的情况下，才会遇到泊松边缘，同时两个条件都是泊松形式。相反，在这篇文章中，我们将集中在二元分布与一个边缘和其他家庭的条件是泊松形式。这种分布称为伪泊松分布。我们讨论了这种模型的分布特征，探索推理方面，包括一个例子的应用程序的伪泊松模型的过度分散的数据集。
2020-09-02 stat.AP stat.ME
Depth-based Runs Tests for Bivariate Central Symmetry
McWilliams（1990）引入了一个基于游程的非参数方法来检验关于原点（等价地，关于任意指定中心）的单变量对称性。他的程序首先根据观测值的绝对值对它们重新排序，然后当得到的符号序列中的游程数量太少时拒绝空值。这个测试是普遍一致的，具有很好的鲁棒性，但不幸的是，仅限于单变量设置。本文将McWilliams方法推广到二元中心对称性的检验中。所提出的测试首先根据它们在样本的对称化版本中的统计深度对观测值进行重新排序，然后当单纯运行的原始概念太小时拒绝空值。我们的测试是仿射不变的，并具有良好的鲁棒性。特别是，它们不需要任何有限矩假设。我们导出了它们的极限零分布，从而建立了它们的无渐近分布。我们通过蒙特卡罗实验研究了它们的有限样本性质，并给出了一些结论。
2014-01-10 stat.ME
Estimating Concurrent Climate Extremes: A Conditional Approach
多个气候变量的极端值同时出现可能会造成巨大的社会和环境影响。因此，人们越来越有兴趣了解这些并发的极端。在许多应用中，不仅频率，而且幅度并发极值的兴趣。解决这个问题的一种方法是研究一个气候变量的分布，而另一个气候变量是极端的。在这项工作中，我们开发了一个统计框架，估计双变量并发极端通过条件的方法，单变量极值建模相结合的依赖建模的条件尾分布使用技术从分位数回归和极值分析，以量化并发极端。我们重点讨论了以日降水量取季节最大值为条件的日风速分布。加拿大区域气候模式大合奏是用来评估性能的拟议框架，通过模拟研究与指定的依赖结构，并通过气候模式模拟的依赖结构的分析。
2021-03-12 stat.AP
Fiber Uncertainty Visualization for Bivariate Data With Parametric and Nonparametric Noise Models
本文提出一种统计框架，通过扩展参数与非参数噪声模型并利用格林定理与数值积分，量化双变量场中纤维的位置概率，并通过体绘制实现不确定性可视化。
2022-07-22 cs.GR stat.ME
A mixed effect model for bivariate meta-analysis of diagnostic test accuracy studies using a copula representation of the random effects distribution
诊断测试准确性研究通常报告真阳性、假阳性、真阴性和假阴性的数量。真阳性和真阴性的数量之间通常存在负相关，因为采用不太严格的标准宣布试验阳性的研究会引起更高的灵敏度和更低的特异性。广义线性混合模型（GLMM）是目前推荐的综合诊断试验的准确性研究。我们提出了一个Copula混合模型，用于诊断试验准确性研究的双变量荟萃分析。我们的一般模型包括GLMM作为一个特殊的情况下，也可以操作的灵敏度和特异性的原始规模。通过分位数回归技术和不同的双变量随机效应分布特征，推导出该模型的受试者工作特征曲线。我们的一般方法是证明了广泛的模拟研究，并说明了重新分析的数据，两个发表的荟萃分析。我们的研究表明，可以有一个改进的GLMM在适合的数据，并提出了论点，为移动到copula随机效应模型。我们的建模框架在开源统计环境R中的CopulaREMADA包中实现。
2015-02-26 stat.AP stat.ME
Closed-form parameter estimation for the bivariate gamma distribution: New approaches
本文通过似然方程的单调变换和伽马随机变量的随机关系，提出了McKay双变量伽马分布参数的两族新闭式估计量，其表现与最大似然估计相当且避免了迭代优化。
2025-09-13 stat.ME
Some Results on Point Estimation of the Association Parameter of a Bivariate Frank Copula
本文全面研究了二元 Frank Copula 关联参数的点估计，比较了三种估计量在偏差、MSE等方面的表现，发现 MLE 整体最优但在零附近 MME 更佳，且 MLE 的渐近行为在 $n\ge 75$ 时表现良好。
2025-06-29 stat.ME
A sub-asymptotic model for bivariate threshold exceedances
UCLouvain（天主教鲁汶大学）；Laboratoire des Sciences du Climat et de l’Environnement (IPSL, CNRS, CEA, UVSQ)（气候与环境科学实验室（IPSL，CNRS，CEA，UVSQ））
本文提出了一种灵活的亚渐近参数模型，用于建模双变量阈值超额，能够捕捉广泛的尾部依赖行为，并在保留单变量GP尾部时作为极限情况。
2026-04-14 stat.ME
Monotonicity properties of the asymptotic relative efficiency between common correlation statistics in the bivariate normal model
Pearson是最常见的相关统计量，主要用于参数设置。最常见的非参数相关统计是斯皮尔曼和肯德尔的。我们表明，对于二元正态i.i.d.样本这三个统计量之间的成对渐近相对效率单调依赖于总体相关系数。这种单调性是一个更强结果的推论。证明依赖于使用医院型规则的单调性模式。
2009-07-31 math.PR math.ST stat.CO
Testing and estimation of the index of stability of univariate and bivariate symmetric $α-$stable distributions via modified Greenwood statistic
Wroclaw University of Science and Technology（弗罗茨瓦夫科技大学）；University of Wrocław（弗罗茨瓦夫大学）；University of Nevada, Reno（内华达大学雷诺分校）
本文提出了一种用于单变量和双变量对称α-稳定分布的检验与估计方法，扩展了修改后的Greenwood统计量至双变量情形，并通过模拟研究证明其在区分高斯分布与接近2的α-稳定分布方面的有效性。
2026-04-17 math.PR stat.ME
Order statistics from overlapping samples: bivariate densities and regression properties
本文研究重叠样本下两个顺序统计量的联合分布。在父分布绝对连续（关于实直线上的勒贝格测度）的假设下，给出了这类随机变量对的分布的一个显式公式.该分布是通过密度的形式来确定的，该密度是$\R^2$上的二元勒贝格测度和对角$\{(x,x):\,x\in\R\}$上的一元勒贝格测度之和。我们还感兴趣的问题，在多大程度上的条件期望的一个这样的顺序统计量给另一个决定父分布。特别是，我们提供了一个新的表征线性回归的顺序统计量从扩展的样本给定的一个从原始样本，特殊情况下解决了一个问题，在文献中明确指出。看来，为了描述正确的母体分布，使用分位数密度函数是方便的。在其他几种情况下回归的顺序统计量，我们提供了新的结果，在样本中的分布的唯一性。然而，一般问题的可识别性的父分布的回归顺序统计量重叠样本仍然开放。
2019-03-19 math.PR
