Moving sum procedure for multiple change point detection in large factor models
本文针对大型因子模型中的多重变点检测问题，提出移动和方法，利用渐近零分布控制族错误率并证明估计一致性，通过模拟和波动率数据验证了其有效性。
2025-07-23 stat.ME
Bootstrap confidence intervals for multiple change points based on moving sum procedures
解决了通过置信区间量化多个变点位置的不确定性的问题。作为移动和统计量的局部最大值获得的变点估计量的渐近分布的推导，其中的极限分布的不同取决于是否相应的大小的变化是本地的，即趋于零，随着样本量的增加，或固定。提出了一种用于生成置信区间的自举过程，该过程适应于未知的变化幅度，并保证局部和固定变化的渐近有效性。仿真研究表明，所提出的引导程序的良好性能，并讨论了如何将其扩展到串行相关的错误。
2022-06-16 stat.ME
Moving sum procedure for change point detection under piecewise linearity
针对分段线性单变量数据的变点检测问题，提出计算复杂度$O(n)$的移动和（MOSUM）方法，兼具理论最优性与实际性能优势。
2023-08-24 stat.ME
Distribution-Free Robust Linear Regression
CREST（经济与统计研究中心）；ENSAE（国立统计与经济管理学院）；Institut Polytechnique de Paris（巴黎理工学院）；University of Oxford（牛津大学）；ETH Zürich（苏黎世联邦理工学院）
我们研究随机设计线性回归，没有假设协变量的分布和重尾响应变量。在这个分布的回归设置，我们表明，有界的条件二阶矩的响应给定的协变量是一个充要条件实现非平凡的保证。作为一个起点，我们证明了一个最佳版本的经典的期望范围内截断最小二乘估计由于Györfi，科勒，Krzyzyzyak，和步行。然而，我们发现，尽管它的最佳预期性能，这个过程失败的概率为常数的一些分布。然后，结合截断最小二乘，中位数的方法，和聚集理论的思想，我们构造了一个非线性估计实现超额风险的顺序$d/n$与一个最佳的次指数尾部。虽然现有的重尾分布的线性回归的方法集中在适当的估计，返回线性函数，我们强调，我们的程序是必要的不适当的分布自由设置实现非平凡的保证。
2021-10-21 cs.LG math.ST stat.ML
Analysis of Left Truncated and Right Censored Competing Risks Data
本文在潜在失效时间模型的假设下，对左截尾右截尾竞争风险数据进行了分析。假设有两个相互竞争的故障原因，虽然大多数结果可以扩展到两个以上的故障原因。假设失效竞争原因对应的寿命服从形状参数相同但尺度参数不同的韦布尔分布。讨论了模型参数的极大似然估计方法，并利用Bootstrap方法给出了模型参数的置信区间。当形状参数已知时，给出了尺度参数的极大似然估计的显式表达式;当形状参数未知时，给出了计算形状参数的极大似然估计的简单迭代方法.贝叶斯估计和相关的可信区间的未知参数也解决了一个非常灵活的先验的形状和尺度参数。广泛的蒙特卡罗模拟进行比较不同的方法的性能。为了说明的目的，提供了数值示例。最后，当两个相互竞争的失效原因被假定为具有不同形状参数的独立韦布尔分布时，结果得到了推广。
2020-08-18 stat.ME
Algorithm for the maximum likelihood estimation of the parameters of the truncated normal and lognormal distributions
本文给出了一种用极大似然估计一元截尾正态分布和对数正态分布参数的简便方法。它从作者先前介绍的对数正态分布的重新参数化开始，当对数正态分布接近幂律时特别有用，这是第一分布的极限情况。其中一个新参数量化了与幂律的距离，当幂律对数据给出了充分的描述时，这个参数就消失了。此时，另一个参数等于幂律的指数。相反，当使用标准参数化时，对数正态分布的参数在幂律附近发散。无论我们是否在这个邻域内，新参数都具有简化估计过程的特性。
2014-07-24 physics.data-an stat.CO
Efficient Integrated Volatility Estimation in the Presence of Infinite Variation Jumps via Debiased Truncated Realized Variations
针对无界变差跳跃的伊藤半鞅，提出基于两步去偏截断已实现变差的速率与方差高效波动率估计量，适用于Blumenthal-Getoor指数在(1,8/5)及更小情形，蒙特卡洛实验验证其优于现有方法。
2024-04-20 econ.EM math.ST q-fin.ST
Fitting and goodness-of-fit test of non-truncated and truncated power-law distributions
幂律分布包含了地球科学和其他领域大量过程的宝贵信息。虽然这些分布有合理的理论依据，但传统上支持幂律的经验证据一直很薄弱。最近，Clauset等人提出了一种系统的方法来找到在哪个范围内（如果有的话）某种分布表现为幂律。然而，他们的方法已经被发现失败，在这个意义上，真正的（模拟的）幂律尾部在某些情况下没有被识别出来，然后幂律假设被拒绝。此外，该方法不工作时，扩展到幂律分布与上截断。我们详细解释了一个类似的，但替代的程序，有效的截断以及非截断幂律分布，基于极大似然估计，Kolmogorov-Smirnov拟合优度测试，和蒙特卡罗模拟。提供了主要概念的概述以及其实际实施的秘诀。我们的方法的性能进行了测试，以前分析较少的系统方法的经验数据。这里介绍的数据库包括放射性核素的半衰期，在整个世界和南加州地震的地震时刻，由其他地方的热带气旋消耗的能量的代理，在意大利的森林火灾烧毁的面积，以及在南加州不同的空间分区计算的等待时间。我们认为该方法的运作非常令人满意。
2013-03-11 nlin.AO physics.data-an physics.geo-ph
Stratified Regression Analysis of Zero-Truncated Recurrent Event Data
本文针对零截断复发事件数据，提出一种结合人口普查补充信息的分层Cox回归模型及估计方法，并证明其一致性和渐近正态性，模拟显示其优于仅用零截断数据的最大似然估计。
2025-05-05 stat.ME
Modelling spatial heteroskedasticity by volatility modulated moving averages
空间异方差性是指方差和协方差在空间上随机变化。例如，在空气污染和植被数据中就观察到了这种特征。我们研究如何波动率调制移动平均线可以通过发展理论，模拟和统计推断方法来模拟这一点。为了说明，我们也适用于我们的程序，从国际气候与社会研究所的海表温度异常数据。
2016-09-15 stat.ME
Testing for an ignorable sampling bias under random double truncation
在临床和流行病学研究中经常出现双截断数据。例如，当数据注册表由间隔采样形成时就是这种情况。二次截断通常会导致目标变量的抽样偏差，因此必须使用普通估计和推断程序的适当校正。不幸的是，双截尾分布的非参数极大似然估计有几个缺点，如潜在的不存在性和非唯一性问题，或大的估计方差。有趣的是，当抽样偏差可消除时，不需要对双重截断进行校正，这可能发生在区间抽样和其他抽样设计中。在这种情况下，普通的经验分布函数是一个一致的和完全有效的估计，通常带来显着的方差改善相比，非参数极大似然估计。因此，识别这种情况是至关重要的简单和有效的估计的目标分布。本文首次介绍了双截尾数据下可检验抽样偏差的原假设的形式检验方法。研究了所提出的检验统计量的渐近性质。介绍了一种在实际应用中逼近检验零分布的Bootstrap算法。在模拟场景中研究了该方法的有限样本性能。最后，应用于儿童癌症和帕金森病的发病数据。方差估计的改进进行了讨论和说明。
2023-01-09 stat.ME
Optimal Design and Analysis of the Exponentially Weighted Moving Average Chart for Exponential Data
本文研究了指数加权移动平均图（EWMA）的优化设计问题，即如何通过选择平滑因子和决策统计量的初始值（起始点）来实现EWMA图的优化设计。特别解决的问题是，最快的检测的离散时间指数模型的参数的突然变化。假设变更前和变更后的参数值都是已知的，但变更点是未知的。对于这种变点检测的情况下，我们研究了传统的单侧EWMA图的性能相对于两个最优性标准：波拉克的极大极小标准与最大条件的预期延迟检测和Shiryaev的多循环设置与固定的预期延迟检测。使用积分方程的方法，我们推导出所有所需的性能指标的精确的封闭形式的公式。在此基础上，通过求解相应的两个二元约束优化问题，得到了最优的平滑因子和最优的起始点。最后，优化的EWMA图的性能进行了比较，对Shiryaev-Roberts- $r$程序在极小极大设置，并对原来的Shiryaev-Roberts程序在多循环设置。主要结论是，EWMA图，当充分优化，原来是一个非常有竞争力的程序，与性能几乎没有区别的已知的最好的Shiryaev-罗伯茨- $r$和Shiryaev-罗伯茨程序。
2014-11-06 stat.AP stat.CO stat.ME
Weak convergence of the empirical truncated distribution function of the Lévy measure of an Itō semimartingale
给出了一个具有时齐跳部分的伊藤半鞅，证明了Lévy测度的归一化截断经验分布函数弱收敛于高斯过程.在竞争的过程中，我们的估计工程的过程中，一个非零扩散组件和简单的假设下的跳跃过程。
2015-06-24 math.ST stat.TH
A Higher-Order Correct Fast Moving-Average Bootstrap for Dependent Data
我们开发并实现了一种新的快速引导依赖数据。我们的方案是基于i.i.d.平滑力矩指示器的恢复。我们刻画的类参数和半参数估计问题的方法是有效的。我们展示了所提出的方法的渐近改进，证明了在时间序列，估计函数和平滑核的温和假设下，它是高阶正确的。我们说明了我们的广义经验李克龙估计程序的适用性和优势。作为一个副产品，我们的快速引导提供高阶正确的渐近置信分布。蒙特卡罗模拟的自回归条件持续时间模型提供了数值证据，新的自助产生高阶准确的置信区间。一个股票交易量动态的实际数据的应用说明了我们的方法的优势，在复杂的应用一阶渐近理论，当潜在的分布的检验统计量是偏斜或厚尾。
2022-01-17 econ.EM q-fin.ST stat.ME
Minimax and Adaptive Transfer Learning for Sparse Canonical Correlation Analysis
School of Mathematics and Statistics, Xi’an Jiaotong University（西安交通大学数学与统计学院）
本文提出稀疏CCA的迁移学习框架，通过异质源数据提升目标估计，建立最小最大最优速率并设计自适应算法，无需稀疏度先验，同时提出源检测程序并推广sin-theta定理。
2026-10-06 stat.ME
Sequential FDR and pFDR control under arbitrary dependence, with application to pharmacovigilance database monitoring
本文提出在任意数据流相关性下控制FDR或pFDR的序贯多重检验程序，通过优化逐步下降检验的误差上界实现，模拟显示可节省45-65%样本量，并在英国黄卡药物警戒数据库上验证。
2024-11-26 stat.ME
Mean-square consistency of the $f$-truncated $\text{M}^2$-periodogram
本文讨论平稳随机过程或随机场的M $^2$（即多元和多维）谱密度函数的估计问题。我们提出了$f$ -截断周期图，即截断点是样本量的合适函数$f$的截断周期图。我们讨论了估计的渐近一致性，我们提供了三个具体的问题，可以使用所提出的方法来解决。仿真结果表明了该方法的有效性。
2022-08-25 math.OC math.ST stat.TH
Moving Block and Tapered Block Bootstrap for Functional Time Series with an Application to the K-Sample Mean Problem
我们考虑无限维希尔伯特空间值随机变量，在广义上被假定为时间依赖的。我们证明了一个中心极限定理的移动块引导和锥形块引导，并表明，这些块引导程序也提供了长期协方差算子的一致估计。此外，我们认为块引导程序为基础的充分功能测试几个独立的功能时间序列之间的平均函数的平等。我们建立了有效的块引导方法在近似的分布下的零感兴趣的统计和块引导为基础的测试下的替代品的一致性。有限样本行为的程序进行了研究，通过模拟。还讨论了一个应用到现实生活中的数据集。
2018-12-10 math.ST stat.TH
Numerical reconstruction of the covariance matrix of a spherically truncated multinormal distribution
本文将球面截尾正态多元二阶矩矩阵$S_B$与其全协方差阵$Σ$联系起来，提出了一种由$S_B$反演$Σ$的算法。虽然$Σ$的特征向量是左不变的截断，其特征值是非均匀阻尼。我们表明，$Σ$的特征值可以重建从他们的截断同行通过一个不动点迭代，其收敛性，我们证明了解析。该过程需要计算多维高斯积分的欧几里德球，我们扩展了一个数值技术，最初提出的鲁本在1962年，基于一系列的扩展χ 2分布。为了研究我们的方法的可行性，我们检查的收敛速度的一些迭代计划适当选择的合奏Wishart矩阵。最后，我们讨论了在样本空间中出现的实际困难，并概述了正则化的问题的基础上扰动理论。
2014-04-18 math.ST stat.TH
Approximation of Average Run Length of Moving Sum Algorithms Using Multivariate Probabilities
在用于检测随机过程中潜在变化的各种过程中，移动和算法由于其直观的吸引力和良好的统计性能而非常流行。变化检测算法的重要设计参数之一是假阳性之间的预期间隔，也称为平均游程长度（ARL）。ARL的计算通常涉及数值程序，但在某些情况下，它可以近似使用一系列涉及多元概率。在本文中，我们提出了一个分析，这个系列的方法，提供了充分的条件，收敛，并得出一个误差界。使用模拟研究，我们表明，该系列的方法是适用于移动平均和滤波导数算法。对于移动平均算法，我们比较我们的结果与以前已知的界限。我们用两个特殊的例子来说明我们的观察。
2009-08-20 math.ST stat.ME stat.TH
Data-driven fixed-point tuning for truncated realized variations
本文针对带跳跃半鞅的截断已实现变差，提出基于随机定点迭代的数据驱动自动调参方法，仅需采样频率信息即可实现积分波动率的渐近有效估计，并在有限样本下优于现有流行方法。
2024-10-21 econ.EM math.ST stat.TH
Sequential robust efficient estimation for nonparametric autoregressive models
对于光滑系数非参数自回归模型的点态估计问题，我们构造了有效的稳健截尾序贯估计。对于高斯模型，我们提出了一个自适应程序的基础上构建的序贯估计。建立了极大极小非自适应和自适应收敛速度。事实证明，在这种情况下，这些速率与回归模型相同。
2013-04-17 math.ST stat.TH
Testing Equality of Autocovariance Operators for Functional Time Series
我们考虑希尔伯特空间值随机变量的严格平稳随机过程，并着重于几个独立函数时间序列的零滞后自协方差算子相等性的全函数检验。提出了一种基于移动块引导的测试方法，该方法产生满足感兴趣的原假设的伪随机元。它是基于直接引导的张量积的时间序列，克服了一些常见的困难与应用程序的引导相关的测试问题。建议的方法可以潜在地应用于广泛的检验统计量的假设的兴趣。作为一个例子，我们建立了有效的近似分布下的空的检验统计量的基础上相应的样本滞后零自协方差算子的Hilbert-Schmidt距离，并显示下的替代品的一致性。作为一个先决条件，我们证明了一个中心极限定理的移动块自助程序适用于样本自协方差算子，这是感兴趣的本身。有限的样本量和功率性能的建议移动块引导为基础的测试过程中示出通过模拟和应用程序的现实生活中的数据集进行了讨论。
2020-04-05 math.ST stat.TH
Efficient pointwise estimation based on discrete data in ergodic nonparametric diffusions
构造了一种基于各态历经扩散过程的离散数据估计给定状态点处漂移系数的截断序贯方法。对于逐点绝对误差风险，得到了一个非渐近上界。对于渐近逐点minimax风险，得到了最优的收敛速度和界中的一个常数.因此，所提出的顺序程序的效率。
2015-09-18 math.ST stat.TH
On detecting changes in the jumps of arbitrary size of a time-continuous stochastic process
本文介绍了一个离散观测的伊藤半鞅的整个跳跃行为的突变和渐变的测试和估计程序。与现有的工作相比，我们分析跳跃的任意大小，不限于最低高度。我们的方法是基于弱收敛的截断序列经验分布函数的跳跃特性的基础伊藤半鞅。新的测试的临界值得到的乘数自助法，我们调查的测试性能也根据当地的替代品。一个广泛的模拟研究表明，新的程序的有限样本特性。
2019-02-07 math.ST stat.TH
Sequential Tests of Multiple Hypotheses Controlling False Discovery and Nondiscovery Rates
我们提出了一个通用的和灵活的程序来测试多个假设的顺序（或流）的数据，同时控制的错误发现率（FDR）和错误的非发现率（FNR）的最小假设下的数据流，可能会有所不同的分布，尺寸，并依赖。所有需要的是用于控制传统的I型和II型错误概率的每个数据流的检验统计量，并且不需要关于统计量或数据流的联合分布的信息或假设。该程序可与顺序、成组顺序、截断或其他采样方案一起使用。该程序是Benjamini和Hochberg（1995）广泛使用的固定样本量程序到顺序数据领域的自然扩展，具有序贯抽样提供的同时FDR和FNR控制的额外好处。我们证明了程序的错误控制，并给出了一些提示，在常见的测试情况下实施。
2019-01-11 math.ST stat.ME stat.TH
