Intrinsic minimum average variance estimation for sufficient dimension reduction with symmetric positive definite matrices and beyond
本文研究了响应值为对称正定矩阵的充分降维问题。我们提出的内在最小平均方差估计方法和内在外积梯度方法,充分利用响应所在的黎曼流形的几何结构。我们提出的算法,我们新开发的方法下的对数欧几里德度量和对数Cholesky度量。这两个度量中的每一个都与一个阿贝尔李群结构相关联,该结构将我们在流形上定义的模型转换为欧几里得模型。所提出的方法,然后进一步推广到一般的黎曼流形。我们建立了严格的渐近结果,包括收敛速度和渐近正态性。我们还开发了一个交叉验证算法的结构维度的估计与理论保证全面的模拟研究和应用程序的纽约出租车网络数据进行显示所提出的方法的优越性。
2023-02-25 stat.ME
Parameter Estimation Procedures for Exponential-Family Random Graph Models on Count-Valued Networks: A Comparative Simulation Study
本文提出一种用于计数网络ERGMs的高效可并行子采样MPLE方案,通过模拟比较表明其在大方差网络中兼具高估计质量与计算效率,且作为MCMLE种子方法优于CD。
2023-07-29 cs.SI stat.CO stat.ME
Fréchet Analysis Of Variance For Random Objects
Fréchet均值和方差提供了一种获得一般度量空间值随机变量的均值和方差的方法,并且可以用于对位于缺乏代数结构和运算的抽象空间中的数据对象进行统计分析。这种空间的例子包括协方差阵、网络的图拉普拉斯算子和单变量概率分布函数。利用经验过程理论,在弱正则性条件下得到了Fréchet方差的中心极限定理,并给出了渐近方差的一个相容估计.这些结果导致一个测试,比较k人口的基础上Fréchet方差一般度量空间值的数据对象,重点是比较均值和方差。我们研究有限样本的性能,这种推理过程通过模拟研究的几个特殊情况下,包括概率分布和图形拉普拉斯算子,这导致测试比较人口的网络。该方法对不同类型的随机对象具有良好的有限样本性能。我们用不同国家的死亡率数据和静息状态功能磁共振成像数据说明了所提出的方法。
2019-10-20 math.MG math.ST stat.TH
MLE for the parameters of bivariate interval-valued models
本文针对双变量区间值数据,推导了协方差参数的极大似然估计量并建立其渐近性质,将Le-Rademacher和Billard仅限单变量均值与方差估计的早期结果推广为特例,为回归、主成分分析等方法提供基础。
2023-05-29 stat.AP stat.ME
CLT for LES of real valued random centrosymmetric matrices
Indian Institute of Technology, Bhubaneswar(印度技术学院布巴内斯瓦尔分校)
本文研究实值大型中心对称随机矩阵线性特征值统计量的涨落,建立相依变量和的CLT,并通过加权图重叠环计数的组合论证给出极限高斯分布的方差表达式。
2025-09-30 math-ph math.MP math.PR
Change-Point Detection and Bootstrap for Hilbert Space Valued Random Fields
研究了随机场中流行病变化存在性的检验问题。为了能够处理边缘分布的一般变化,引入了基于希尔伯特空间理论的Cramér-von Mises类型检验。证明了$ρ$ -混合希尔伯特空间值随机场的一个泛函中心极限定理.为了避免长期方差的估计和获得临界值,Shao的依赖野生自助法适用于这种情况。为此,联合功能中心极限定理的原始和自助样本。最后,通过一个简短的仿真研究补充了理论结果。
2016-10-20 math.ST stat.TH
Change-Point Detection for Object-valued Time Series
University of Illinois at Urbana-Champaign(伊利诺伊大学厄巴纳-香槟分校);University of Notre Dame(圣母大学);Washington University in St. Louis(华盛顿大学圣路易斯分校)
针对度量空间中对象值时间序列,提出基于自归一化的统计量检测边际分布变化,结合Wild Binary Segmentation算法估计多个变点,理论证明渐近性质并展示广泛适用性。
2026-05-30 math.ST stat.ME stat.TH
Pseudo-variance quasi-maximum likelihood estimation of semi-parametric time series models
本文提出基于高斯拟似然和参数化伪方差的半参数时间序列估计方法,推导其渐近性质与限制检验,证明其不受伪方差误设影响且效率更高,并通过模拟和实证验证其有效性。
2025-07-18 math.ST stat.ME stat.TH
Spectral Density Estimation of Function-Valued Spatial Processes
谱密度函数描述了$\mathbb{R}^d$上平稳随机过程的二阶性质。本文考虑了取值于可分希尔伯特空间的连续时间随机过程的谱密度的非参数估计。我们的估计是基于核平滑,可以应用到各种各样的空间采样方案,包括那些在不规则的空间位置观察到的数据。因此,它在空间统计中找到了直接的应用,其中自然会出现不规则的采样数据。在一般条件下,在一个混合域渐近设置的估计的偏差和方差率。当在规则网格上观察数据时,估计量的最优速率匹配根据幂律衰减的一类协方差函数的最小最大速率。在一般的条件下,对高斯Hilbert空间值过程,建立了谱密度估计的渐近正态性。最后,鉴于对实际应用的渐近结果专门的情况下,离散采样的功能数据的再生核希尔伯特空间。
2023-02-04 math.ST stat.TH
Markov Chain Variance Estimation: A Stochastic Approximation Approach
本文提出一种基于线性随机逼近的递归估计器,以O(1)计算复杂度估计马尔可夫链函数的渐近方差,具有最优收敛速率,并推广至协方差估计及平均奖励强化学习中的策略评估。
2024-09-22 math.PR math.ST stat.ML
High confidence estimates of the mean of heavy-tailed real random variables
基于PAC-Bayesian迭代截尾方法,给出了实值随机变量均值的新估计。我们分析了方差有界或峰度有界分布的估计量偏差的非渐近极小极大性质。事实证明,这些极小极大偏差与高斯分布的经验平均估计量的偏差具有相同的阶数。然而,对于给定方差或峰度(结果是重尾的)的最差分布,经验平均值本身在高置信水平下表现不佳。为了获得(近)极大极小偏差在这些广泛的分布类,有必要使用一些更强大的估计,我们描述了一个迭代截断计划的偏差接近极大极小。为了校准截断并获得明确的置信区间,有必要处理方差或峰度的先验界。当峰度的先验界是可用的,我们得到作为一个副产品的一个新的方差估计具有良好的大偏差性质。当没有先验界时,仍然可以使用Lepski方法来适应未知方差,尽管不再可能获得可观察的置信区间。
2009-09-29 math.ST stat.TH
Semiparametric mean and variance joint models with clipped-Laplace link functions for bounded integer-valued time series
本文针对有界计数时间序列,利用方差上下界和截断拉普拉斯链接函数提出半参数均值与方差联合模型,可同时刻画欠离散、等离散和过离散现象,并建立了平稳性、遍历性及估计量渐近性质。
2024-05-02 stat.ME
Vector-Valued Control Variates
针对多个相关 Monte Carlo 积分需重复使用大量样本的问题,本文提出基于核插值、广义 Stein 恒等式和矩阵值 Stein 再生核的向量值控制变量,以联合缩减方差并跨任务迁移信息。
2023-06-07 stat.ME
Maximum likelihood estimators uniformly minimize distribution variance among distribution unbiased estimators in exponential families
我们采用无参数分布估计框架,其中估计量是广义过程,并利用Kullback-Leibler(KL)散度作为损失函数。Wu和Vos [J. Statist.计划推论142(2012)1525-1536]表明,当从i.i.d.样本被看作是一个广义过程,当估计量是一个实值随机变量时,估计量的KL风险以与均方误差分解平行的方式分解。在本文中,我们探讨如何条件版本的分布期望($E^{\dagger}$)可以定义,使分布版本的Rao-Blackwell定理成立。我们定义了分布期望和方差($V^{\dagger}$),也提供了一个分解的KL风险指数和混合物的家庭。对于指数族,我们证明了最大似然估计(视为一个广义过程)是分布无偏的,是唯一的均匀最小分布方差无偏(UMV $^{\dagger}$ U)估计。此外,我们表明,MLE是强大的对模型规格,如果真的分布不属于指数族,MLE是UMV $^{\dagger}$ U的KL投影的真的分布到指数族提供这两个分布有相同的期望的典型统计量。为了让估计值以外的指数家庭,我们包括KL投影的结果,并定义一个扩展的投影,以适应不存在的MLE的离散样本空间的家庭。提供了说明性的例子。
2015-09-18 math.ST stat.TH
Forecasting density-valued functional panel data
本文提出一种基于中心对数比变换和函数型方差分析分解的统计方法,用于预测由多个密度构成的函数型面板数据,并在美国51个州的生命表死亡人数预测中验证了其有效性。
2025-02-07 stat.ME
A test for counting sequences of integer-valued autoregressive models
针对INAR模型中计数序列分布未经统计验证的问题,提出基于均值-方差关系的检验方法,具有渐近正确性,并通过模拟和实际数据验证其有效性。
2024-02-02 math.ST stat.ME stat.TH
Estimating Great Expectations Under Autoregressive Language Models with Potentials
ETH Zürich(苏黎世联邦理工学院);Columbia University(哥伦比亚大学)
本文提出利用采样副产品的下一词元条件概率,通过可加分解测试函数的前缀势函数构造估计量,推导其降方差条件,开发实用势函数并在相当计算成本下实现显著方差降低,提升了自回归语言模型下期望估计的效率。
2026-10-22 cs.AI cs.LG stat.ME
Distance-based analysis of variance: approximate inference and an application to genome-wide association studies
在一些现代应用中,从遗传学到基因组学和神经成像,需要比较不同人群的观察结果,例如健康和患病个体的群体。我们的兴趣在于检测群体效应。当观测值为向量、实值且服从多元正态分布时,常规应用多元方差分析(MANOVA)检验。然而,当处理更复杂的数据结构时,例如函数(例如曲线)或图形结构(例如树和网络)对象,这样的传统过程是不合适的,其中可能违反所需的分布假设。在本文中,我们讨论了一种基于距离的MANOVA类方法,DBF测试,用于检测更广泛的数据类型的组之间的差异。类似于其他基于距离的统计量,检验统计量仅依赖于适当选择的距离度量,该距离度量捕获所有可用样本之间的成对相异性。提出了一种近似零概率分布的DBF统计,从而允许推断得出,而不需要昂贵的置换程序。通过大量的模拟,我们提供的证据表明,所提出的方法适用于一系列的数据类型和距离,并概括了传统的MANOVA测试。我们还报告了所提出的方法的应用程序进行分析的多位点全基因组关联研究阿尔茨海默病,这已进行了使用几个遗传距离的措施。
2012-05-11 stat.AP stat.ME
Semiparametric mean and variance joint models with Laplace link functions for count time series
针对计数时间序列条件方差难以独立建模的局限,提出 RRC-GARCH 半参数均值与方差联合模型,利用 Laplace 链接函数灵活捕捉均值-方差结构,证明了其理论性质,并通过模拟与真实数据验证了其预测准确性。
2024-04-29 math.ST stat.ME stat.TH