Optimal subsampling for large scale Elastic-net regression
本文针对大规模弹性网回归提出一种基于A-最优性准则的随机化子抽样算法，利用alpha绝对值函数光滑逼近技术建立一致性分析、集中界与渐近正态性，并在合成与真实数据上验证其有效性。
2023-05-29 math.ST stat.TH
D-optimal Subsampling Design for Massive Data Linear Regression
针对海量观测数据线性回归的计算限制，基于最优设计理论推导了 D-最优子抽样设计及其简化方法，并提供了简单易实现的接受或拒绝数据点规则，模拟表明其在固定子样本量下与 IBOSS 方法具有可比性。
2025-05-29 math.ST stat.ME stat.TH
Scalable Statistical Inference of Photometric Redshift via Data Subsampling
Argonne National Laboratory（阿贡国家实验室）；Donostia International Physics Centre（多诺斯蒂亚国际物理中心）
处理大数据在很大程度上是传统统计模型的主要瓶颈。因此，当准确的点预测是主要目标时，对于更大的问题，机器学习模型往往优于其统计对应模型。但在量化与模型预测相关的不确定性方面，全概率统计模型往往优于其他模型。我们开发了一个数据驱动的统计建模框架，该框架结合了在精心选择的较小数据子集上学习的统计模型集合的不确定性，以考虑输入空间中的不平衡。我们证明了这种方法在宇宙学中的光度红移估计问题，它旨在推断红移的分布-在观察遥远的星系光的拉伸效应-观察到的物体在天空中的多元颜色信息。我们提出的方法进行平衡分区，基于图形的数据子采样的分区，和训练的合奏高斯过程模型。
2021-04-01 cs.LG stat.ME
Rank-transformed subsampling: inference for multiple data splitting and exchangeable p-values
本文提出秩变换子采样方法，通过组合多次随机数据分割的统计量或p值进行大样本推断，在控制第I类错误的同时显著提升检验功效。
2024-09-04 math.ST stat.ME stat.TH
Optimal subsampling for functional composite quantile regression in massive data
针对海量函数型数据计算受限问题，本文提出基于函数L-最优性准则的复合分位数回归最优子抽样方法，并证明其优于均匀子抽样。
2024-06-28 stat.ME
Novel Subsampling Strategies for Heavily Censored Reliability Data
针对大规模重度删失可靠性数据的计算挑战，提出基于L最优准则的高效子采样方法及对应估计算法，经真实与模拟数据验证性能优异。
2024-10-30 stat.CO stat.ME
Subsampling Methods for genomic inference
基因组序列相关数据集的大规模统计分析在现代生物学中起着重要的作用。这种统计分析的一个关键组成部分是计算基因组上定义的统计数据的$p$值和置信界限。目前，这种计算通常是通过特设的模拟措施。随机化方法是这些模拟程序的核心，它可以显著影响所得的统计结论。大多数模拟方案都引入了各种隐藏的假设，这些假设涉及数据中随机性的性质，导致无法捕获生物学上有意义的关系。为了解决大规模基因组研究中观察结果的重要性评估方法的需求，其中观察结果之间通常存在复杂的依赖结构，我们提出了一种基于数据子采样方法的统一解决方案。我们提出了一个分段平稳模型的基因组序列，并表明，子采样方法给出正确的答案在这个模型下。我们说明了三个模拟研究和两个真实数据的例子的方法。
2011-01-05 stat.AP
Extending Subsampling to Sequential Stopping
Stanford University（斯坦福大学）
本文针对固定宽度序贯停止机制在无穷方差或长程依赖场景下失效的问题，构建统一框架刻画停止时间与自归一化估计量的渐近行为，提出序贯子抽样过程，在两类场景下得到渐近有效的序贯置信区间并完成验证。
2026-09-02 math.ST stat.ME stat.TH
On the uniform asymptotic validity of subsampling and the bootstrap
本文提供了条件下，子抽样和自助可以用来构建估计的分位数分布的根，表现良好的均匀分布$\mathbf{P}$的一大类。然后应用这些结果（i）构造在$\mathbf{P}$上均匀表现良好的置信区域，在这个意义上，覆盖概率在$\mathbf{P}$上均匀地倾向于至少标称水平，以及（ii）构造在$\mathbf{P}$上均匀表现良好的检验，在这个意义上，大小在$\mathbf{P}$上均匀地倾向于不大于标称水平。如果没有这些更强的收敛概念，覆盖概率或大小的渐近近似可能很差，即使在非常大的样本中。具体应用包括多元均值、检验矩不等式、多重检验、经验过程和U统计量。
2013-02-18 math.ST stat.ME stat.TH
Optimal Distributed Subsampling for Maximum Quasi-Likelihood Estimators with Massive Data
非均匀子采样方法是一种有效的方法，可以减少计算负担，并保持估计效率的大数据。现有的方法大多集中在子采样与替换，由于其高的计算效率。如果数据量很大，不均匀的子采样概率不能一次计算，那么子采样替换是不可行的。本文解决了这个问题，使用泊松子采样。我们首先获得最佳泊松子采样概率的上下文中的准似然估计下的A-和L-最优性准则。对于一个具有近似最优子采样概率的实际可实现的算法，我们建立了所得估计量的相合性和渐近正态性。为了处理完整数据存储在不同块或多个位置的情况，我们开发了一个分布式子采样框架，在该框架中，在完整数据的较小分区上同时计算统计数据。研究了所得聚集估计的渐近性质。我们通过模拟和真实数据集的数值实验来说明和评估所提出的策略。
2021-07-05 cs.DC stat.CO stat.ME
Optimal Subsampling for Large Sample Logistic Regression
对于海量数据，二次抽样算法族是一种常用的算法，可以减小数据量，减少计算负担。现有的研究主要集中在线性回归中普通最小二乘估计的近似，其中统计杠杆分数通常用于定义子采样概率。在本文中，我们提出了快速子采样算法，有效地逼近逻辑斯谛回归的最大似然估计。我们首先建立一致性和渐近正态性的估计从一般的子采样算法，然后推导出最佳子采样概率，最小化的渐近均方误差的估计。另一种最小化准则也提出了进一步降低计算成本。最优子采样概率依赖于全数据估计，因此我们开发了一个两步算法来近似最优子采样过程。该算法计算效率高，与全数据方法相比，计算时间显著减少。本文还建立了两步算法估计量的相合性和渐近正态性。合成和真实数据集被用来评估所提出的方法的实际性能。
2018-03-07 stat.CO stat.ME stat.ML
Poisson Subsampling Algorithms for Large Sample Linear Regression in Massive Data
大样本量给现代数据分析带来了计算瓶颈。子采样是解决这一问题的有效策略之一。在以往的研究中，研究者们更多地关注带替换的二次抽样（SSR），而不是不带替换的二次抽样（SSWR）。本文研究了一种用于普通最小二乘问题的快速算法--泊松子采样（PSS）。我们建立了非渐近性质，即相应子样估计的误差界，它提供了计算成本和逼近效率之间的折衷。除了非渐近结果，我们还给出了子样本估计的渐近相合性和正态性。在方法上，我们提出了一个两步子采样算法，这是有效的统计目标和独立的线性模型假设。合成和真实数据被用来实证研究我们提出的子采样策略。实验结果表明：（1）当假设的线性模型不准确时，本文提出的两步算法具有明显的优势;（2）当子采样率增大时，PSS策略的性能明显优于SSR。
2015-11-23 stat.ML
Optimal Subsampling Bootstrap for Massive Data
自举法是一种广泛使用的统计推断方法，因为它的简单性和吸引人的统计特性。然而，由于需要重复对整个数据进行重新采样，因此对于许多现代大规模数据集来说，bootstrap的普通版本在计算上不再可行。因此，近年来对Bootstrap方法进行了一些改进，通过在重新抽样之前对整个数据集进行二次抽样来评估估计量的质量。自然地，这些现代子采样方法的性能受到调整参数的影响，例如子样本的大小、子样本的数量以及每个子样本的重采样数量。在本文中，我们开发了一种新的超参数选择方法来选择这些调谐参数。制定为一个优化问题，以找到最佳值的一些措施的准确性估计的计算成本，我们的框架提供了封闭形式的解决方案的最佳超参数值的二次抽样引导，二次抽样双引导和袋的小引导，在没有或很少的额外的时间成本。使用的均方误差作为代理的准确性措施，我们应用我们的方法来研究，比较和提高这些现代版本的引导程序的性能，通过模拟研究开发的海量数据。结果令人鼓舞。
2023-02-15 stat.ME
Approximating Partial Likelihood Estimators via Optimal Subsampling
针对大规模生存数据分析计算成本高的问题，提出一种快速最优子抽样方法近似Cox模型全数据偏似然估计量，通过最小化渐近方差协方差矩阵的迹确定最优抽样概率，并设计两步算法显著降低计算时间且保持良好渐近性质。
2023-05-17 stat.CO stat.ME
Confidence Intervals for the Number of Components in Factor Analysis and Principal Components Analysis via Subsampling
因子分析（FA）和主成分分析（PCA）是总结和解释多元数据集变异性的常用统计方法。默认情况下，FA和PCA假设已知的分量或因子数为\emph{a priori}。然而，在实践中，用户首先估计因子或分量的数量，然后使用点估计进行FA和PCA分析。因此，在实践中，用户忽略因子或分量数量的点估计中的任何不确定性。对于点估计值中的不确定性不可验证的数据集，谨慎的做法是对因子或组分数量的置信区间中的正整数值范围进行FA和PCA分析。我们解决这个问题，提出了一个基于子采样的数据密集型方法估计置信区间的FA和PCA的组件的数量。我们研究了建议的置信区间的覆盖概率，并提供非渐近理论保证的准确性的置信区间。作为一个副产品，我们推导出一阶\emph{Edgeworth expansion}的尖峰特征值的样本协方差阵时，数据矩阵下产生的因素模型。我们还证明了我们的方法的有用性，通过数值模拟和应用我们的方法估计置信区间的基因分型数据集的人类基因组多样性计划的因素的数量。
2022-05-14 math.ST stat.ME stat.TH
Optimal Subsampling Approaches for Large Sample Linear Regression
分析大样本数据的一个重要障碍是缺乏有效的统计计算和推断方法。子采样是一种新兴的分析大样本数据的强大方法，它从原始全样本中随机抽取子样本，并将其用作后续计算和估计的替代。本文研究了两种情形下的二次抽样方法：全样本最小二乘（OLS）估计的逼近和线性回归中系数的估计。给出了加权估计和非加权估计两种算法，并在一般条件下分析了其子样本估计的渐近性质。对于加权估计算法，我们利用渐近结果提出了一个选择最优抽样概率的准则。在此基础上，提出了两种新的子采样方法：最优子采样方法和预测子采样方法。预测因子长度子采样方法基于预测因子的L2范数，而不是杠杆分数。其计算成本是可伸缩的。对于未加权估计算法，我们证明了它的子样本估计与全样本OLS估计不一致。然而，它具有更好的性能比加权估计算法估计的系数。仿真研究和实际数据的例子来证明我们提出的子采样方法的有效性。
2015-11-23 stat.ME stat.ML
Subsampled One-Step Estimation for Fast Statistical Inference
本文提出子采样一步（SOS）估计方法，利用渐近展开弥补子采样估计的效率损失，在保持计算高效的同时实现接近全数据估计的收敛速度和统计推断性能。
2025-09-24 stat.ME
A Sequential Addressing Subsampling Method for Massive Data Analysis under Memory Constraint
近年来海量数据的出现给自动统计推断带来了挑战。如果数据太多而不能作为一个整体读入内存时，情况尤其如此。因此，需要新的采样技术来从硬盘驱动器采样数据。本文提出了一种顺序寻址二次采样（SAS）方法，可以直接从硬盘中采样数据。新提出的SAS方法是节省时间的寻址成本相比，随机寻址子采样（RAS）的方法。估算器（例如，构造了基于SAS子样本的样本均值，并研究了它们的性质。我们进行了一系列的模拟研究，以验证有限样本性能的建议SAS估计。并对SAS和RAS方法的时间成本进行了比较。为了说明的目的，对航空公司的数据进行了分析。
2021-10-03 stat.CO stat.ME
Multivariate Generalized Linear-statistics of short range dependent data
广义线性（GL-）统计量被定义为U-分位数过程的泛函，并统一了不同类别的统计量，如U-统计量和L-统计量。本文给出了强混合序列和任意维数核的GL-统计量的一个中心极限定理。为此，我们建立了U-统计量的极限定理和U-过程的不变原理，以及Bahadur表示的余项的收敛速度.给出了Pareto分布尾参数的广义中值估计的一个应用，该分布常用于高阈值的随机性模型。我们使用子采样来计算置信区间，并在模拟中研究其在独立和强混合下的行为。
2014-12-01 math.ST stat.TH
Estimating Extreme Value Index by Subsampling for Massive Datasets with Heavy-Tailed Distributions
现代统计分析经常遇到具有大规模和重尾分布的数据集。对于规模庞大的数据集，传统的估计方法很难直接估计极值指数。为了解决这个问题，我们在这里提出了一个基于子采样的方法。具体地说，多个子样本是从整个数据集通过使用简单的随机二次抽样替换技术。基于每个子样本，可以计算近似的极大似然估计。然后对所得估计值进行平均以形成更准确的估计值。在适当的正则条件下，我们从理论上证明了所提出的估计量是相合的和渐近正态的。借助估计的极值指标，我们可以一致地估计重尾随机变量的高水平分位数和尾概率。大量的仿真实验证明了我们的方法有前途的性能。为了说明的目的，还提供了一个真实的数据分析。
2022-07-25 stat.ME
On the validity of resampling methods under long memory
对于长记忆时间序列，基于时间序列的推断是至关重要的，因为渐近分布通常是非高斯的，并且很难在统计上确定。然而，由于强相关性，建立的渐近有效性的reservation方法是不平凡的。在本文中，我们推导出一个有效的界限之间的典型相关的两个有限块的长记忆时间序列。我们展示了如何使用这个界来建立长记忆下一般统计量的子采样过程的渐近一致性。它允许子样本量$b$为$o(n)$，其中$n$为样本量，与记忆强度无关。然后，我们能够改善文献中发现的许多结果。我们还考虑了长记忆下的子抽样方法在样本协方差、M-估计和经验过程中的应用。
2016-11-09 math.PR math.ST stat.TH
Functional L-Optimality Subsampling for Massive Data
海量数据给分析带来了巨大的内存和计算挑战。这些挑战可以通过从完整数据中提取子样本作为替代来解决。对于功能数据，通常会在其域上收集多个测量值，当样本量较大时，这需要更多的内存和计算时间。当需要通过自举样本进行统计推断时，计算将更加密集。据我们所知，本文是第一次尝试研究函数线性模型的子采样方法。提出了一种基于泛函L-最优性准则的最优子采样方法。当响应是离散或分类变量时，我们进一步将我们提出的函数L-最优子采样（FLoS）方法扩展到函数广义线性模型。我们建立了估计的渐近性质的FLoS方法。我们提出的FLoS方法的有限样本性能进行了广泛的仿真研究。通过分析两个大规模数据集：全球气候数据和肾移植数据，进一步证明了FLoS方法。对这些数据的分析结果表明，FLoS方法是远远优于均匀子采样的方法，可以很好地近似的结果的基础上的完整的数据，同时大大减少了计算时间和内存。
2021-07-06 stat.CO stat.ME
Bootstrap estimators for the tail-index and for the count statistics of graphex processes
Graphex过程解决了传统随机图模型中的一些问题，特别是提供了既可投射又允许稀疏的模型。大多数关于graphex过程的文献从概率的角度研究它们。用于推断这些过程的参数的技术--所谓的\textit{graphon} --仍然是边缘性的;例外的是考虑参数化的图子族的一些论文。非参数估计仍然未被考虑。在本文中，我们提出了一个选定的选择泛函的graphon估计。我们的估计源自graphex过程的子抽样理论，因此可以被看作是一种形式的自助程序。
2021-01-04 math.ST stat.TH
Gaussian Differential Private Bootstrap by Subsampling
本文提出了一种私有的经验 $m$ out of $n$ 自助法，在高斯差分隐私下验证了其一致性，相比私有 $n$ out of $n$ 自助法，该方法降低了计算成本与噪声，提升了统计准确性和有限样本性质。
2025-05-02 cs.LG math.ST stat.CO
Efficient Poisson Subsampling for the Partially Linear Additive Cox Model
Nankai University（南开大学）；Academy of Mathematics and Systems Science, Chinese Academy of Sciences（中国科学院数学与系统科学研究院）；University of Chinese Academy of Sciences（中国科学院大学）；Changchun University of Technology（长春工业大学）；Liaoning University（辽宁大学）；University of Connecticut（康涅狄格大学）；Tianjin University（天津大学）
针对大规模生存数据分析的计算存储挑战，提出用于部分线性可加Cox模型的高效泊松子采样方法，经模拟与淋巴瘤数据集验证，可实现大规模场景下的高效准确统计推断。
2026-08-21 stat.CO stat.ME
Scalable Subsampling Inference for Deep Neural Networks
University of California, San Diego（加利福尼亚大学圣迭戈分校）
该研究改进了深度神经网络的非渐近误差界，提出可扩展子采样的子聚合DNN估计器，兼顾计算效率与估计预测精度，还能构建有效的置信和预测区间，提供完整统计推断方案。
2024-05-14 cs.LG stat.CO stat.ML
Optimal hybrid block bootstrap for sample quantiles under weak dependence
在弱强混合假设下，建立了样本分位数的块自助分布估计的一般最优性理论。与现有的结果相比，我们研究了不同数量的块的块引导。这对应于二次采样自举和移动块自举（MBB）之间的混合，其中块的数量介于1和样本量与分组长度的比率之间。我们的主要定理确定了块数和分组长度的最佳选择，以实现样本分位数的块自助分布估计的最佳收敛速度。作为我们分析的一部分，我们还证明了一个重要的引理，它给出了块自助分布估计的收敛速度，甚至对光滑函数模型的影响。我们提出了一个直观的程序，经验选择的最佳数量和长度的块。相关的例子说明了最佳选择块的数量的好处。
2017-10-06 math.ST stat.TH
Leverage classifier: Another look at support vector machine
针对支持向量机计算量大难以应用于大规模数据集的问题，研究提出基于线性SVM的最优杠杆分类器，通过两阶段子采样选有信息的训练子集，推导相关统计性质，在估计、计算和预测上均优于现有方法。
2023-08-23 stat.ME
Overlapping Batch Confidence Intervals on Statistical Functionals Constructed from Time Series: Application to Quantiles, Optimization, and Estimation
本文提出基于重叠批次与 OB-x 极限的时间序列统计泛函置信区间方法，在多种估计任务中显著优于子采样和 bootstrap。
2023-07-17 cs.CE math.PR math.ST
Subsampling weakly dependent times series and application to extremes
本文应用Doukhan和Louhichi（1999）的结果，将Bertail等人（2004）关于子采样的工作从强混合情形推广到弱相依情形.研究了当时间序列为η或λ-弱相依时，收敛统计量和极值统计量分布的光滑和粗糙子采样估计的性质.
2010-09-04 math.ST stat.TH
Statistical Inference for Differentially Private Stochastic Gradient Descent
Center for Data Science, Zhejiang University（浙江大学数据科学中心）；Department of Statistics, Rutgers University（罗格斯大学统计系）；Faculty of Business and Economics, The University of Hong Kong（香港大学商学院）
本文提出了一种在差分隐私随机梯度下降中构建有效置信区间的两种方法，通过分析渐近方差分解，实现了在隐私保护下的统计推断。
2025-12-12 cs.LG stat.ME stat.ML
A penalized empirical likelihood method in high dimensions
本文提出了一种惩罚经验似然（PEL）方法，用于当观测数据维数的增长速度可能快于样本量时对总体均值的推断。在观测值的不同分量依赖结构下，即（i）非遍历，（ii）长程依赖和（iii）短程依赖，导出了PEL比统计量的渐近分布.由此可见，建议的PEL比统计量的极限分布可以根据相关结构而变化很大，并且它通常不同于固定和有限维情况下经验似然比统计量的通常卡方极限。提出了一种统一的基于子采样的校准，并在所有三种情况下建立了其有效性，（i）-（iii）。有限样本的性质的方法进行了研究，通过模拟研究。
2013-02-27 math.ST stat.TH
Exploring first and second-order spatio-temporal structures of lightning strike impacts in the French Alps using subsampling
本文针对法国阿尔卑斯山约140万次闪电击中事件，利用时空点过程结合子采样策略分析其一阶与二阶结构，以降低高计算成本并检验强度齐次性、可分离性及事件依赖性。
2024-01-11 math.ST stat.TH
Semiparametric estimation for isotropic max-stable space-time processes
有规律变化的时空过程已被证明是有用的研究极端依赖的时空数据。我们提出了一个半参数估计过程的基础上的极值封闭形式的表达式来估计参数模型的极值依赖函数。我们建立了参数估计的渐近性质，并提出了子抽样程序，以获得渐近正确的置信区间。仿真研究表明，所提出的方法适用于中等样本量，是强大的小偏离的基础模型。最后，我们应用此估计程序，在佛罗里达州的一个地区的雷达降雨测量拟合的最大稳定的过程。补充结果和一些关键结果的证明，并在补充的模拟研究。
2018-07-15 math.ST stat.ME stat.TH
Refitted cross-validation estimation for high-dimensional subsamples from low-dimension full data
本文针对全数据低维但子样本高维的估计问题，提出结合基于惩罚的降维与重拟合交叉验证的子抽样方法，建立了估计量的渐近正态性，并在数值实验中验证了其优异性能。
2024-09-21 stat.CO stat.ME
Estimation of the asymptotic variance of univariate and multivariate random fields and statistical inference
相关随机场是对高维数据中的相关结构进行建模的常用方法，特别是对于在成像中收集的数据。表征依赖程度的一个重要参数是非协方差，它将时间域和空间域中的所有自协方差相加。特别是，它出现在基于随机场的部分和的检验统计量的标准化中，因此检验的构造需要它的估计。在本文中，我们提出了这个参数的一致性估计的严格平稳混合随机场与任意维的域和采取的值在欧几里得空间的任意维，从而允许多元随机场。我们建立了相合性，给出了中心极限定理，并证明了基于随机场样本自协方差的相关检验统计量的分布近似可以用子抽样方法得到.由于在应用中的时空相关性往往是相当局部的，使得大量的自协方差消失或可以忽略不计，我们还研究了一种阈值方法，其中忽略了小幅度的样本自协方差。广泛的模拟研究表明，建议的估计工作在实践中，当用于标准化图像检验统计量，可以提供高度准确的图像测试程序。
2018-01-26 math.ST stat.TH
Data Reuse and the Long Shadow of Error: Splitting, Subsampling, and Prospectively Managing Inferential Errors
Stanford University School of Medicine（斯坦福大学医学院）；University of Virginia Department of Statistics（弗吉尼亚大学统计系）；Stanford University School of Medicine Department of Cardiothoracic Surgery（斯坦福大学医学院心胸外科）
本文研究了数据重用对测试过程依赖性的影响，提出通过个体研究者层面的抽样技术减少依赖，建立渐近联合正态性理论，并利用均值-方差投资理论定义预期方差比，证明数据分割在确保独立性时是渐近最优的。
2026-04-08 math.ST stat.TH
Resampling simplicial depth
Faculty of Mathematics and Physics, Charles University（查理大学数学与物理学院）；Institute for Mathematical Stochastics, Otto-von-Guericke-Universität Magdeburg（马格德堡奥托·冯·古里克大学数学随机性研究所）；Department of Statistics, TU Dortmund University（多特蒙德工业大学统计系）
针对二维情况下样本单纯形深度（SD）的渐近分布因对称中心未知而复杂的问题，提出带偏差校正的两步自适应子抽样法，实现分布估计并应用于置信区间构建与监督分类。
2026-08-12 stat.ME
Statistical Inference for Scenario-Based Dynamic Optimization under Uncertainty
Sandia National Laboratories（桑迪亚国家实验室）；H. Milton Stewart School of Industrial and Systems Engineering, Georgia Institute of Technology（佐治亚理工学院 H. 米尔顿·斯图尔特工业与系统工程学院）
研究不确定参数下有限时域开环动态优化问题，通过用采样参数平均值代替预期性能准则，基于稳定性估计得出统计理论，得到总体最优值置信区间，方法在补料分批案例中得以验证。
2026-09-18 math.OC math.ST stat.TH
Multi-resolution subsampling for large-scale linear classification
针对大数据下大规模线性分类的效率平衡问题，提出结合汇总统计全局信息与子采样点局部信息的多分辨率子采样策略，推导其渐近性质并通过仿真与真实数据验证了估计效率的提升。
2024-07-08 math.ST stat.ME stat.TH
Estimation of the Spectral Measure from ConvexCombinations of Regularly Varying RandomVectors
本文提出利用正则变化随机向量分量凸组合的极值行为构造谱向量组合矩的新估计量，证明其渐近正态性，并通过子采样 bootstrap 的 plug-in 估计实现极值系数的最小渐近方差。
2024-07-03 math.ST stat.ME stat.TH
Ordering results of extreme order statistics from multiple-outlier scale models with dependence
本文主要研究了相依多野值尺度模型中极值顺序统计量的随机比较问题。阿基米德Copula用于描述非负随机变量之间的相关结构。在通常的随机意义下，反向风险率，星和洛伦兹秩序的最大顺序统计量的比较得到的充分条件。最小的顺序统计量也比较相对于通常的随机，风险率，明星和洛伦兹订单。为了说明理论的建立，提供了一些例子。
2020-12-15 math.ST stat.ME stat.OT
Reproduction of scan B-statistic for kernel change-point detection algorithm
Tsinghua University（清华大学）
本文复现基于核 scan B-statistic 的在线变点检测算法，数值实验证明其优于参数方法，子采样技术可带来适度改进。
2024-08-23 cs.LG stat.ML
Bootstrap for U-Statistics: A new approach
非线性统计量的Bootstrap，如U-统计量的相关数据已经研究了几个作者。这通常通过生成样本的引导版本并将其插入统计数据来完成。我们提出了一种替代方法，得到一个引导版本的U-统计量，这可以被描述为一个折衷的引导和二次抽样。我们将展示新方法的一致性，并在模拟研究中比较其有限样本性质。
2015-05-27 math.ST stat.TH
Information-Based Optimal Subdata Selection for Big Data Linear Regression
在许多科学分支中产生了大量的数据。由于计算的局限性，非线性统计方法不再适用于超大数据集。大数据分析的一个关键步骤是数据简化。在线性回归的背景下，现有的调查集中在基于子采样的方法。然而，这种方法不仅容易产生采样误差，而且还导致估计量的协方差阵通常由子数据大小的倒数的项从下面限定。我们提出了一种新的方法，称为基于信息的最优子数据选择（IBOSS）。与领先的现有子数据方法相比，IBOSS方法具有以下优点：（i）速度明显更快;（ii）适合分布式并行计算;（iii）即使子数据大小固定，随着完整数据大小的增加，斜率参数估计量的方差也收敛到0，即，收敛速度取决于完整的数据大小;（四）数据分析的IBOSS子数据是直截了当的，抽样分布的IBOSS估计是很容易评估。理论结果和大量的模拟表明，IBOSS的方法是优于基于子采样的方法，有时由数量级。通过对实际数据的分析，说明了新方法的优越性.
2017-10-28 stat.ME
Adaptive and Stratified Subsampling for High-Dimensional Robust Estimation
Motilal Nehru National Institute of Technology Allahabad, Prayagraj 211004, India（Motilal Nehru国家理工学院Allahabad, Prayagraj 211004, 印度）
本文提出自适应重要抽样和分层抽样方法，用于高维稳健估计，在有限方差厚尾噪声和alpha混合依赖下实现最优估计性能。
2026-03-10 cs.LG math.ST stat.ME
Nonparametric estimation of the dynamic range of music signals
动态范围是测量声功率传播的重要参数，并且对于音乐信号，动态范围是记录质量的量度。声功率有各种描述性的测量方法，但没有一种方法有很强的统计基础。我们从一个非参数模型的声波，其中添加剂的随机项的作用，以捕捉瞬态能量。这个组件是恢复一个简单的速率最优内核估计，需要一个单一的数据驱动的调整。其方差的分布是近似的一致的随机抽样方法，能够应付的典型数据集的大规模。基于后者，我们提出了一个统计，和一个估计方法，能够代表的动态范围的概念一致。的统计行为进行评估的基础上，我们模拟动态压缩的选择真正的音乐信号的大型数值实验。应用该方法的实际数据也表明，该方法可以预测主观专家的意见，高保真质量的录音。
2018-02-14 stat.AP stat.CO stat.ME
Test for independence of long-range dependent time series using distance covariance
University of Twente（特温特大学）；Ruhr-University Bochum（波鸿鲁尔大学）
本文提出基于距离协方差检验长程依赖时间序列独立性的方法，推导了渐近分布并提出子采样程序确定临界值，通过模拟验证了检验性能。
2026-01-27 math.ST stat.TH
Empirical Likelihood for Random Forests and Ensembles
Department of Economics University of Wisconsin–Madison（威斯康星大学麦迪逊分校经济系）；Graduate School of Economics Hitotsubashi University（早稻田大学经济学研究生院）；Department of Economics London School of Economics（伦敦经济学院经济系）
本文针对随机森林及集成方法的统计不确定性量化问题，利用其预测的不完全U统计量结构构建经验似然框架，提出修正版本解决稀疏子采样下的过覆盖问题，验证了其覆盖率准确、计算高效且可靠。
2025-11-17 cs.LG econ.EM math.ST
Detecting changes in the trend function of heteroscedastic time series
我们提出了一个新的渐近检验来评估一个时间序列的平均值的平稳性，适用于同时存在异方差和短程依赖。我们的检验统计量由局部样本均值的基尼均值差组成。为了分析其渐近行为，我们发展了新的极限理论的U-统计量的强混合三角形阵列下的非平稳。最重要的是，我们显示渐近正态性的检验统计量的假设下，一个恒定的平均值，并证明了测试的一致性对一个非常一般的类的替代品，包括平滑和突然的变化的平均值。我们提出了所有参数的估计，包括一个适应的子采样估计长期方差，并显示其一致性。我们的程序实际上是在一个广泛的模拟研究和两个数据的例子进行评估。
2021-08-20 math.ST stat.TH
Fixed-smoothing asymptotics for time series
在本文中，我们推导出高阶Edgeworth展开的有限样本分布的子抽样为基础的t-统计量和Wald统计量的高斯位置模型下的所谓的固定平滑范式。特别地，我们证明了渐近近似的误差是在样本量的倒数的顺序，并获得明确的形式，在扩展的领先误差项。结果被用来证明一个新的引导方法，高斯相关的引导，在高斯位置模型的上下文中的二阶正确性。
2013-09-10 math.ST stat.TH
Almost Periodically Correlated Time Series in Business Fluctuations Analysis
提出非标准子抽样程序与 APC 时间序列离散谱的非参数建模及滤波方法，用于商业周期的正式统计推断和提取，并应用于波兰工业生产指数。
2012-04-21 math.ST stat.AP stat.TH
