A new set of tools for goodness-of-fit validation
本研究基于新提出的比较曲线分量，构建了含可视化B图和自适应$χ^2$型检验的拟合优度验证工具集，通过数据驱动的分量选择规则，在不同场景下均实现了具备竞争力的检验效能，可定位模型与数据的偏离位置。
2024-05-15 math.ST stat.ME stat.TH
Goodness-of-fit tests for weibull populations on the basis of records
记录用于减少运行实验的时间和成本（Doostparast和Balakrishnan，2010）。重要的是要检查推断或行动所依据的模型是否充分（Lawless，2003，第10章，第465页）。在基于记录数据的拟合优度方面，研究较少。Smith（1988）提出了一种检验参数模型的残差形式。但在大多数情况下，图形摘要中固有的变化是巨大的，即使数据是由假设的模型生成的，眼睛也不能总是确定图中的特征是否在自然随机变化的范围内。因此，正式的假设检验是模型检验的重要组成部分（Lawless，2003）。本文提出了记录数据的Kolmogorov-Smirnov和Cramer-von Mises型拟合优度检验。并提出了一种新的加权拟合优度检验方法。一个Monte-Carlo模拟研究进行推导出的统计建议。最后，给出了一些真实的数据集调查所获得的结果。
2011-10-25 math.ST stat.CO stat.TH
Assessing and Visualizing Matrix Variate Normality
提出了一个三向数据矩阵变量正态性的评估框架。该框架包括一个视觉方法和一个基于马氏平方距离（MSD）的拟合优度检验。多元和矩阵变量正态估计的MSD分别被用作矩阵变量正态性的评估工具。具体而言，这些都是使用的距离-距离（DD）图的形式作为可视化矩阵变量正态性的图形方法。此外，我们采用流行的Kolmogorov-Smirnov拟合优度检验的背景下，评估矩阵变量正态性的三向数据。最后，一个适当的模拟研究跨越大范围的维度和数据大小表明，对于各种设置，测试证明自己非常强大。
2019-10-07 math.ST stat.ME stat.TH
Goodness-of-fit tests for functional linear models based on integrated projections
函数线性模型是评价函数或标量性质的两个随机变量之间关系的最基本工具之一。这一贡献提出了一个良好的拟合测试功能线性模型的功能响应，巧妙地适应功能/标量响应/预测。特别是，新的拟合优度测试扩展了以前的标量响应的建议。该检验统计量基于方便的正则化估计量，易于计算，并通过有效的自举回归进行校准。一个图形化的诊断工具，从模型的偏差可视化，介绍和说明了一个新的数据应用程序。R包goffda实现了所提出的方法，并允许数据应用的再现性。
2020-08-22 stat.ME
A goodness-of-fit test for the functional linear model with scalar response
在这项工作中，一个良好的拟合检验的原假设的功能线性模型与标量响应。该测试是基于对以前的功能框架的概括，设计用于使用随机投影的多变量协变量回归模型的拟合优度。检验统计量易于使用几何和矩阵参数计算，并且易于通过残差的野生自助法对其分布进行校准。有限样本性质的测试说明了几种类型的基础和不同的替代品下的模拟研究。最后，测试应用于两个数据集，以检查功能线性模型的假设和图形工具。补充材料可在网上查阅。
2020-09-20 stat.ME
Goodness-of-fit Tests for high-dimensional Gaussian linear models
令$(Y,(X_i)_{i\in\mathcal{I}})$是零均值高斯向量，并且$V$是$\mathcal{I}$的子集。假设我们被给予$n$ i.i.d.。载体$(Y,X)$的复制。我们提出了一个新的测试，测试$Y$是独立的$(X_i)_{i\in \mathcal{I}\backslash V}$有条件的$(X_i)_{i\in V}$对一般的替代，它不是。该过程不依赖于$X$的协方差或$Y$的方差的任何先验信息，并且适用于高维设置。它直接扩展到测试高斯图形模型的邻域。该程序是基于随机高斯协变量的高斯回归模型。我们给出了非渐近性质的测试，我们证明了它是率最优的（一个可能的$\log(n)$因素）在各种类别的替代品在一些额外的假设。此外，它使我们能够得到非渐近极小极大检验率在此设置。最后，我们进行了模拟研究，以评估我们的程序的性能。
2008-05-23 math.ST stat.TH
A New Approach to Goodness of Fit for Ergodic Markov Processes
The University of Melbourne（墨尔本大学）；Institute of Economic Research, Kyoto University（京都大学经济研究所）；National Graduate Institute for Policy Studies (GRIPS)（国立政策研究大学院大学）；School of Economics, University of Sydney（悉尼大学经济学院）
该研究提出一种基于密度的遍历马尔可夫过程拟合优度检验方法，无需指定备择假设、无需估计平滑参数，对1/√n局部备择假设有效，为计量与金融建模问题提供新视角。
2026-08-05 q-fin.ST stat.ME
On Testability and Goodness of Fit Tests in Missing Data Models
Emory University（埃默里大学）；Williams College（威廉姆斯学院）
针对有向无环图建模的缺失数据假设验证研究不足的问题，本文探究三类缺失数据图模型的可检验蕴含并设计拟合优度检验，覆盖纵向与横断面研究场景。
2023-06-10 cs.LG stat.ME stat.ML
Goodness-of-fit testing based on a weighted bootstrap: A fast large-sample alternative to the parametric bootstrap
将样本的经验累积分布函数与累积分布函数的参数估计值进行比较的过程被称为具有估计参数的经验过程，并已在文献中广泛用于拟合优度检验。进行这种拟合优度检验的最简单方法，特别是在多变量环境中，是使用参数自举法。虽然很容易实现，但随着样本量、参数数量或数据维数的增加，参数自举在计算上会变得非常昂贵。本文提出了一种基于快速加权自举的替代重定位技术，并进行了理论和实验研究。这项工作的结果是一个通用的和计算效率的乘数拟合优度的程序，可以作为一个大样本的替代参数引导。为了大致确定参数和加权自举方法具有大致相等功效所需的样本量大小，在一维、二维和三维以及包含多达9个参数的模型中进行了广泛的蒙特卡罗实验。从使用建议的乘数拟合优度程序所产生的计算增益示出的三变量金融数据。这项工作的副产品是一个快速的大样本拟合优度的二元和三元t分布的自由度是固定的程序。
2012-02-25 stat.CO stat.ME
Goodness-of-Fit tests with Dependent Observations
我们重新审视Kolmogorov-Smirnov和Cramér-von Mises拟合优度（GoF）检验，并提出了一个推广到同分布，但依赖的单变量随机变量。我们表明，依赖性导致减少的“有效”的独立观察。广义GoF检验不是无分布的，而是依赖于所有滞后的二元Copula。这些对象，我们称之为“自连接”，编码所有的非线性时间依赖。我们介绍了一个具体的，对数正态模型，这些自我copula，推导出一些分析结果。提供了对金融时间序列的应用。众所周知，在这种情况下，相关性是长程的，我们使用自Copula证实了这一发现。因此，GoF测试的接受率大大高于收益率为iid随机变量时的接受率。
2011-08-03 cond-mat.stat-mech q-fin.ST stat.AP
A goodness-of-fit test for functional time series with applications to Ornstein-Uhlenbeck processes
高频金融数据可以作为一系列随时间变化的曲线来收集;例如，作为日内价格，这是目前金融领域最感兴趣的话题之一。函数数据分析框架提供了一个合适的工具来提取包含在日常路径形状中的信息，这些信息通常无法从经典的统计方法中获得。本文提出了一种新的自回归希尔伯特（ARH）模型的拟合优度检验方法。该检验仅对自相关算子的函数形式施加希尔伯特-施密特假设，并且检验统计量根据Cramér-von Mises范数来制定。一个野生的bootstrap重新校准程序用于校准，这样的测试，关于功率和大小的有限样本的行为，通过模拟研究检查。此外，我们还提供了一个新的规格测试的扩散模型，如Ornstein-Uhlenbeck过程，说明与应用程序的日内货币汇率。特别地，我们提出了一个两阶段的方法：首先，我们检查功能样本和他们的过去值是否相关的ARH（1）模型;其次，在线性下，我们执行功能的F-检验。
2022-06-26 stat.ME
Goodness of Fit Tests Based on Joint Densities of Multiple Sample Statistics
提出基于模拟置信集的拟合优度检验，利用超矩形和最高密度区域构造统计量联合分布的置信集，通过模拟比较显示所提方法在多种备择假设下具有竞争力且常更有效。
2026-07-03 stat.ME
A Nonparametric Goodness-of-Fit Test for High-Dimensional Generalized Gaussian Distributions via Nearest-Neighbor Graphs
Faculty of Science, Department of Statistics, Cumhuriyet University（居米舍特大学理学院统计学系）
本文提出基于最近邻图和适应性零原理的非参数检验方法，用于评估高维广义高斯分布模型的拟合优度，通过稳健标准化和交叉边计数实现，具有高维扩展性和几何解释。
2026-04-21 stat.CO stat.ME
Automated Threshold Selection for Extreme Value Analysis via Goodness-of-Fit Tests with Application to Batched Return Level Mapping
在基于阈值的极值分析方法中，阈值的选取是一个关键问题。在适当的条件下，超过一个高的阈值，已被证明遵循广义帕累托分布（GPD）渐近。但是，在实践中，必须选择阈值。如果选择的阈值太低，则GPD近似可能不成立，并且可能发生偏差。如果阈值选择得太高，则减少样本量会增加参数估计值的方差。为了处理批分析，常用的选择方法，如图形诊断是主观的，不能自动化，而计算方法可能不可行。我们建议通过GPD的拟合优度来测试一组阈值，并选择最低的一个，高于该阈值的数据提供了足够的GPD拟合。由于多个测试以有序方式完成的特殊功能，此设置中的先前尝试无效。我们应用两个最近可用的停止规则，控制的错误发现率或familywise错误率有序拟合优度测试自动阈值选择。各种模型规格测试，如克拉默-冯米塞斯，安德森-达林，莫兰的，和得分测试进行了研究。该方法的性能进行了评估，在一个大规模的模拟研究，模仿实际的回报水平估计。在美国西部的数百个地点重复了这一过程，以生成极端降水的回归水平图。
2016-04-07 stat.AP stat.ME
Testing the Graph of a Gaussian Graphical Model
高斯图形模型通常用于模拟多个随机变量的联合分布。它所导出的图不仅对描述随机变量之间的关系很有用，而且对提高统计估计精度也很重要。在高维数据分析中，尽管有大量的文献来估计这种图结构，但在全球范围内对其规范的充分性进行测试还远远不够。为了取得进展，本文提出了一种新的拟合优度检验，计算简单，理论上易于处理。在原假设下，证明了所提出的检验统计量的渐近分布服从Gumbel分布。有趣的是，这种极限Gumbel分布的位置参数取决于空值下的依赖结构。我们进一步发展了一种新的一致性授权的检验统计量时，真实的结构嵌套在假设的结构，通过放大估计中产生的噪声。大量的仿真结果表明，所提出的测试程序在空值下具有正确的大小，并且在替代方案下是强大的。作为应用，我们将该测试应用于COVID-19数据集的分析，表明我们的测试可以作为选择图结构以提高估计效率的有价值的工具。
2022-12-13 stat.ME
Learning Latent Variable Gaussian Graphical Models
University of Michigan（密歇根大学）；Technicolor Research Center（特艺集团研究中心）
高斯图模型（GGM）已经广泛应用于从生物和金融数据到推荐系统的许多高维应用中。GGM中的稀疏性在统计和计算上都起着核心作用。不幸的是，真实世界的数据往往不适合稀疏的图形模型。在本文中，我们专注于一个家庭的潜变量高斯图形模型（LVGGM），该模型是有条件的稀疏给定的潜变量，但在一定程度上非稀疏。在LVGGM中，逆协方差矩阵具有低秩加稀疏结构，并且可以在正则化的极大似然框架中学习。在高维环境下，我们在温和的条件下得到了新的LVGGM的参数估计误差界。这些结果补充了现有的结构学习理论，并开辟了新的可能性，使用LVGGM的统计推断。
2014-06-10 cs.LG math.ST stat.ML
The mosaic permutation test: an exact and nonparametric goodness-of-fit test for factor models
本文提出了 mosaic permutation test，一种用于因子模型的精确非参数拟合优度检验方法，利用机器学习检测模型违例并控制假阳性率，应用于 BFRE 模型发现了房地产股票间的未解释相关性。
2024-09-26 stat.ME
Goodness-of-Fit and Clustering of Spherical Data: the QuadratiK package in R and Python
University at Buffalo（布法罗大学）；University of Missouri（密苏里大学）
本文介绍了R和Python中的QuadratiK包，提供基于核二次距离的拟合优度检验与球面数据聚类算法，结合泊松核密度与可视化功能，有效弥合统计与机器学习领域的分析需求。
2024-07-25 cs.LG cs.MS stat.AP
Pruning and Nonparametric Multiple Change Point Detection
变点分析是识别时间序列数据中同质性的统计工具。提出了一种多变点近似非参数估计的剪枝方法。这种通用的变化点检测过程‘cp 30’在动态程序中应用修剪例程，以大大减少搜索空间和计算成本。现有的拟合优度变化点目标可以立即在框架内使用。我们进一步提出了新的变点算法，通过将cp 3 o应用于两个流行的非参数拟合优度度量：“e-cp 3 o”使用E-统计，“ks-cp 3 o”使用Kolmogorov-Smirnov统计。仿真研究突出了这些算法的性能与参数和其他非参数变点方法相比。最后，我们说明这些方法与气候和金融应用。
2017-09-16 stat.ME
Sequential change-point detection in high-dimensional Gaussian graphical models
Institute for Mathematics and its Applications, University of Minnesota（明尼苏达大学数学及其应用研究所）；University of Florida（佛罗里达大学）；University of Michigan（密歇根大学）
高维分段平稳图模型代表了一个通用的类建模时变网络出现在不同的应用领域，包括生物学，经济学和社会科学。最近的工作是离线检测和估计稀疏图形模型的拓扑结构中的状态变化。然而，在线设置仍然在很大程度上未被开发，尽管其高度相关的传感器网络和其他工程监控系统，以及金融市场的应用。为此，这项工作介绍了一种新的可扩展的在线算法检测未知数量的突变的逆协方差阵的稀疏高斯图形模型的小延迟。该算法是基于监测网络中的所有节点的条件对数似然，并可以扩展到一个大类的连续和离散的图形模型。我们还研究了我们的程序在一定的温和的正则条件下的图的大小，稀疏水平，样本数，和前和后的网络拓扑结构的变化的渐近性质。合成和真实数据的数值工作说明了所提出的方法在众多实验设置的计算和统计效率方面的良好性能。
2018-06-20 cs.LG math.ST stat.ML
Quantile Graphical Models: Prediction and Conditional Independence with Applications to Systemic Risk
我们提出了两种分位数图模型-条件独立分位数图模型和预测分位数图模型。CIQGM通过评估每个分位数指数处的分布依赖结构来表征分布的条件独立性。因此，CIQGM可用于验证因果图模型（\cite{pearl2009causality, robins1986new, heckman2015causal}）中的图结构。这些模型的一个主要优点是，我们可以将它们应用于由非高斯和不可分离冲击驱动的大量变量。PQGM通过非对称损失函数下的最佳线性预测量的图来表征统计依赖性。PQGM比CIQGM做出更弱的假设，因为它们允许错误指定。由于QGM能够处理大量变量并专注于分布的特定部分，因此我们可以应用它们来量化尾部相互依赖性。由此产生的尾部风险网络可以用来衡量系统性风险的贡献，有助于在了解国际金融传染和依赖结构的回报下的市场走势。我们开发的估计和推理方法QGM专注于高维的情况下，在图中的变量的数量是大的观察的数量相比。对于CIQGM，这些方法和结果包括同时有效的惩罚函数的选择、一致的收敛速度和同时有效的置信区域。我们还推导出类似的结果PQGM，其中包括惩罚分位数回归在高维设置的新结果，以处理错误，许多控制，和连续的额外的条件事件。
2019-10-28 econ.EM math.ST stat.TH
Graphical Test for Discrete Uniformity and its Applications in Goodness of Fit Evaluation and Multiple Sample Comparison
评估给定分布的拟合优度在计算统计中起着重要作用。概率积分变换（PIT）可用于将给定样本是否源自参考分布的问题转换为均匀性检验问题。我们提出了新的模拟和优化为基础的方法，以获得同时置信带的整个经验累积分布函数（ECDF）的PIT值的均匀性的假设下。同时置信带对应于共同满足期望覆盖的每个点处的这种置信区间。这些方法也可以应用于参考分布仅由有限样本表示的情况。置信带为均匀性提供了直观的基于ECDF的图形测试，这也提供了关于差异质量的有用信息。我们进一步扩展的模拟和优化方法，以确定同时的置信带，用于测试多个样本是否来自相同的底层分布。这种多样本比较检验在马尔可夫链蒙特卡罗收敛性诊断中特别有用。我们提供了数值实验来评估使用模拟和真实世界数据的测试属性，并就其在计算统计工作流中的实际应用提出建议。
2021-11-17 stat.ME
Variations of Q-Q Plots -- The Power of our Eyes!
在统计建模中，我们努力指定类似于研究中收集的数据或从过程中观察到的数据的模型。因此，分布规格和参数估计是参数模型的核心。图形程序，如分位数-分位数（Q-Q）图，可以说是最广泛使用的分布评估方法，尽管批评者发现他们的解释过于主观。正式的拟合优度测试是可用的，并且非常强大，但仅指示是否存在拟合不足，而不是为什么存在拟合不足。在本文中，我们将探讨使用阵容协议注入严格的图形分布评估和比较其权力的正式分布测试。我们发现标准Q-Q图的排列比去趋势Q-Q图的排列更强大，并且排列检验比传统的正态性检验更强大。虽然我们专注于诊断非正态性，但我们的方法是通用的，可以直接扩展到其他分布的评估。
2015-03-06 stat.ME
Learning the Structure and Parameters of Large-Population Graphical Games from Behavioral Data
Massachusetts Institute of Technology（麻省理工学院）；Stony Brook University（石溪大学）
我们考虑从严格的行为数据中学习线性影响游戏（LIGs）的结构和参数，这是Irfan和Ortiz（2014）引入的一类参数图形游戏。LIGs促进因果战略推理（CSI）：从战略环境中的稳定行为的因果干预中做出推论。应用包括识别大型（社交）网络中最有影响力的个人。这些任务还可以支持决策分析。出于对LIGs的计算工作的动机，我们将学习问题转换为纯策略纳什均衡（PSNE）定义的生成模型的最大似然估计（MLE）。我们的简单公式揭示了拟合优度和模型复杂性之间的基本相互作用：好的模型在数据中捕获平衡行为，同时控制平衡的真实数量，包括那些未观察到的平衡。我们提供了一个泛化界建立在我们的框架中的MLE的样本复杂性。我们提出了几种算法，包括凸损失最小化（CLM）和S形近似。我们证明了在LIGs中精确的PSNE的数量很小，概率很高，因此，CLM是合理的。我们说明了我们的方法上的合成数据和现实世界的美国国会投票记录。我们简要讨论了我们的学习框架的一般性和潜在的适用性，一般图形游戏。
2015-05-04 cs.GT cs.LG stat.ML
GET: Global envelopes in R
本研究介绍R包GET，其实现d维向量集的全局包络，具备内在图形解释性质，支持函数型/多元数据中心区域、蒙特卡罗检验等多场景应用，助力检验结果解释。
2023-12-23 stat.CO stat.ME
Elliptically symmetric distributions for directional data of arbitrary dimension
我们制定了一类角高斯分布，允许不同程度的各向同性的方向随机变量的任意尺寸。通过一系列新颖的重新参数化，这个分布族是由具有有意义的统计解释的参数索引的，这些参数可以在足够维度的整个真实空间中变化。新的参数化大大简化了所有模型参数的极大似然估计，这反过来又导致理论上合理和数值上稳定的推断程序，以推断分布的关键特征。副产品的可能性为基础的推理是用来开发图形和数值诊断工具，用于评估良好的拟合分布在数据应用程序。模拟研究和应用程序的数据从水文地质研究被用来演示的推理程序和诊断方法的实施和性能。
2022-12-12 stat.ME
Jackknife Empirical Likelihood Ratio Test for Cauchy Distribution
针对正态分布难以捕捉资产大幅波动的问题，本文提出基于刀切经验似然（JEL）与调整刀切经验似然（AJEL）的柯西分布拟合优度检验，经蒙特卡洛模拟验证有限样本性能，并通过两个真实数据集展示应用。
2025-07-30 math.ST stat.OT stat.TH
Testing for a δ-neighborhood of a generalized Pareto copula
一个多元分布函数F在一个极值分布的最大吸引区域中当且仅当这对于对应于F的Copula和它的单变量边缘是真的。Aulbach et al.（2012 a）证明了一个copula满足极值条件当且仅当它尾等价于广义Pareto copula（GPC）。本文提出了一种任意维的卡方拟合优度检验方法，用于检验copula是否在广义预测控制的某个邻域内。该检验也可以应用于随机过程，检验相应的Copula过程是否接近广义Pareto过程。由于所提出的检验的p值对适当选择某个阈值高度敏感，因此我们还提供了一个图形工具，可以更轻松地做出是否拒绝假设的决定。
2013-09-05 math.ST stat.AP stat.TH
Adaptive Estimation of Graphical Models under Total Positivity
The Hong Kong University of Science and Technology（香港科技大学）；HKUST Shenzhen-Hong Kong Collaborative Innovation Research Institute（港科大深港协同创新研究院）
针对全正性下高斯图模型的M矩阵及对角占优M矩阵精度矩阵估计问题，提出自适应多阶段估计方法，构建梯度投影统一求解框架并给出误差分析，在精度估计与边识别上优于现有方法。
2023-06-08 cs.LG eess.SP stat.ML
Goodness-of-Fit Testing for Time Series Models via Distance Covariance
在许多统计建模框架中，通常对估计残差进行拟合优度检验。在时间序列设置中，使用样本自相关函数评估残差的白度。对于许多时间序列模型，特别是那些用于金融时间序列的模型，关于残差的关键假设是它们实际上是独立的，而不仅仅是不相关的。在本文中，我们应用自距离协方差函数（ADCV）来评估估计残差的序列相关性。距离协方差可以区分两个随机向量的相依性和独立性。对于一般的一类时间序列模型，导出了基于ADCV的检验统计量的极限行为。该理论的一个关键方面是调整由于参数估计而产生的相关性。无论型号规格如何，该调整基本上具有相同的形式。我们在模拟的例子中说明了结果。
2019-03-02 math.ST stat.ME stat.TH
Exhaustive goodness-of-fit via smoothed inference and graphics
经典的拟合优度检验旨在验证假设模型与所研究数据的一致性。鉴于它们的推理性质，它们可以被认为是验证性数据分析的关键步骤。然而，在他们的标准公式中，他们不允许探索假设模型如何偏离事实，也不提供任何关于如何改进被拒绝的模型以更好地拟合数据的见解。这项工作的主要目标是建立一个全面的框架，自然集成建模，估计，推理和图形的拟合优度。建模和估计的重点是一种新的配方，光滑的测试，很容易扩展到任意分布，连续或离散。通过专门设计的平滑引导进行推断和适当的选择后调整，并通过称为CD图的详尽图形工具总结结果。
2021-12-17 math.ST stat.AP stat.ME
Change point detection in dynamic Gaussian graphical models: the impact of COVID-19 pandemic on the US stock market
The Alan Turing Institute（艾伦·图灵研究所）；Yong Loo Lin School of Medicine, National University of Singapore（新加坡国立大学杨潞龄医学院）；Yale-NUS College（耶鲁-南洋学院）；Singapore Institute for Clinical Sciences, Agency for Science, Technology and Research（新加坡临床科学研究所，科学技术研究局）；Department of Statistical Science, University College London（伦敦大学学院统计科学系）
本文提出了一种基于时间变化图序列的贝叶斯模型，用于检测新冠疫情对美国股市依赖结构的影响。
2023-05-23 q-fin.ST stat.AP stat.ME
Weak limits for exploratory plots in the analysis of extremes
探索性数据分析通常用于检验样本观测值与特定目标分布的拟合优度。一些这样的图形工具已被广泛用于检测观测数据中的次指数或重尾行为。本文讨论了分位数-分位数图和平均超额图这两种绘图工具的渐近极限行为。这些图与$\mathbb{R}^2$的适当拓扑中的固定极限集的弱一致性已经在Das和Resnick（Stoch. Models 24（2008）103-132）以及Ghosh和Resnick（随机过程. 120（2010）1492-1517）。在本文中，我们发现这些图的渐近分布极限时，基本分布有规律地变化的右尾。作为一个应用程序，我们构造的图，使我们能够统计测试的基础分布是否是重尾或不周围的置信界限。
2013-02-01 math.PR math.ST stat.TH
An Accelerated Failure Time Regression Model for Illness-Death Data: A Frailty Approach
本文提出了一种新的模型和估计方法的疾病死亡生存数据的风险函数遵循加速失效时间（AFT）模型。一个共享的脆弱性变量诱导正相关的故障时间的主题处理之间的未观察到的依赖关系的非终端和终端故障时间给定的观察到的协变量。利用核平滑辅助期望最大化算法建立了半参数极大似然估计过程，并利用加权自助法估计方差。该模型的背景下，现有的脆弱性为基础的疾病-死亡模型，强调目前的工作的贡献。鹿特丹肿瘤银行的乳腺癌数据进行了分析，使用建议和现有的疾病-死亡模型。结果进行了对比和评价的基础上，一个新的图形拟合优度的程序。模拟结果和数据分析很好地证明了疾病-死亡框架下的AFT回归模型的实际效用的共享脆弱变量。
2022-05-08 stat.AP stat.ME
A Comparative Review of Specification Tests for Diffusion Models
在金融领域中，扩散模型在连续时间随机过程的建模中起着至关重要的作用。因此，在过去的几十年中，已经开发了一些建议来测试随机微分方程的规格。我们提供了一个调查，收集一些发展的拟合优度测试扩散模型和实现这些方法来说明他们的有限样本行为，关于大小和功率，通过模拟研究。我们还应用距离相关检验独立性的思想，提出了一种扩散模型参数设定的检验方法，并与其他方法进行了性能比较，分析了维数灾难的影响。作为真实数据的例子，考虑了不同期限的国债。
2022-08-17 stat.AP
A goodness-of-fit diagnostic for count data derived from half-normal plots with a simulated envelope
本文从带模拟包络的半正态图推导出一种新的距离度量，用于计数数据模型的拟合诊断与跨模型选择，并通过模拟及生态、渔业案例验证其有效性。
2024-05-08 stat.ME
Robustly fitting Gaussian graphical models: the R-package robFitConGraph
给出了对R包robFitConGraph的教程式介绍。后者为高斯图形模型提供了一个强大的拟合优度测试。它的使用在音乐表演焦虑的数据示例中得到了证明，这也说明了为什么人们想要拟合高斯图形模型-以及为什么人们应该这样做。基本的统计理论进行了简要说明。本文描述了从2022年12月1日起在CRAN上提供的软件包版本0.4.1。请访问https://CRAN.R-project.org/package=robFitConGraph
2022-12-01 stat.CO stat.ME
A general model-checking procedure for semiparametric accelerated failure time models
提出一组半参数加速失效时间模型拟合优度检验，基于多参数累积和过程与扰动版本，通过模拟和原发性胆汁性肝硬化数据验证有效性，并实现于R包afttest。
2023-05-19 math.ST stat.AP stat.CO
A new omnibus test of fit based on a characterisation of the uniform distribution
在本文中，我们重温经典的拟合优度问题的单变量分布，我们提出了一个新的测试程序的基础上的均匀分布的特征。简单假设情况下的渐近理论提供了一个希尔伯特空间设置，包括渐近零分布以及该分布的前四个累积量的值，这是用来拟合皮尔逊系统的分布作为一个近似的极限分布。数值结果表明，零分布的测试迅速收敛到它的渐近分布，使得使用皮尔逊系统得到的临界值特别有用。测试的一致性对任何固定的替代分布，我们得到的限制行为下固定的替代品与应用的权力近似。我们证明了新提出的测试时，测试复合假设的适用性。蒙特卡罗功效研究比较了新提出的检验在简单和复合假设设置下与现有综合检验的有限样本功效性能。本功效研究包括与均匀分布、正态分布和Pareto分布检验相关的结果。实证结果表明，该测试是有竞争力的。新提出的测试在金融建模中的应用也包括在内。
2021-08-13 stat.ME
Multivariate Nonnegative Trigonometric Sums Distributions for High-Dimensional Multivariate Circular Data
本文完善基于非负三角和的多变量循环分布，阐明其边际化、条件化与独立性运算，并提出面向高维数据的拟合优度检验和参数估计算法。
2023-10-02 stat.ME
Bayesian forecasting and scalable multivariate volatility analysis using simultaneous graphical dynamic models
最近推出的一类同步图形动态线性模型（SGDLM）定义了一种能力，规模在线贝叶斯分析和预测更高的维度时间序列。本文提出了SGDLM的方法，开发和嵌入一种新的，自适应的方法，同时预测器选择在线学习和预测的前向滤波。这些进展包括贝叶斯计算的可扩展性的发展，并在探索由此产生的潜力，改善短期预测的大规模波动矩阵的案例研究。一个案例研究涉及财务预测和投资组合优化与400维系列的每日股票价格。分析表明，SGDLM能够很好地预测波动率和共同波动率，使其非常适合为量化投资策略做出贡献，以提高投资组合回报。我们还确定了与序贯贝叶斯过滤分析相关的绩效指标，这些指标定义了金融市场压力增加的领先指标，与标准的圣路易斯联邦储备银行金融压力指数（STLFSI）指标相当，但领先。使用GPU实现的并行计算大大提高了拟合和使用这些模型的能力。
2016-06-27 stat.AP stat.ME
The Real-World-Weight Cross-Entropy Loss Function: Modeling the Costs of Mislabeling
Thinky.AI Research（Thinky.AI研究院）
在本文中，我们提出了一个新的度量来衡量分类器的拟合优度，真实世界成本函数。该指标考虑了有关真实世界问题的信息，例如财务影响，而其他指标（如准确性或F1）则没有。这个指标也更直接地为用户解释。为了优化这个指标，我们在二进制和单标签分类变体中引入了真实世界权重交叉熵损失函数。这两种变体都允许直接输入真实世界的成本作为权重。对于单标签、多类别分类，我们的损失函数还允许在机器学习模型的训练期间直接惩罚按标签加权的概率误报。我们比较了我们的损失函数的设计，二进制交叉熵和分类交叉熵函数，以及它们的加权变体，以讨论在处理各种已知的缺点机器学习，从不平衡类，医疗诊断错误，社会偏见的强化的改进潜力。我们使用MNIST数据集创建模拟这些问题的场景，并展示我们新的损失函数的经验结果。最后，我们基于极大似然估计给出了该函数的证明，并讨论了未来的研究方向。
2020-01-03 cs.AI cs.LG stat.ML
Corrected portmanteau tests for VAR models with time-varying variance
研究了具有无条件异方差误差的向量自回归过程的拟合检验问题。波动率结构是确定性的，但随时间变化，并考虑到通常在经济或金融多元序列中观察到的变化。我们的分析是基于从普通最小二乘（OLS），广义最小二乘（GLS）和自适应最小二乘（ALS）估计的自回归参数的残差自协方差和自相关。ALS方法是GLS方法，适用于未知的时变波动率，然后通过核平滑估计。导出了三种类型的残差自协方差和自相关的性质。特别是它表明，ALS和GLS的残差自相关渐近等价。研究还发现，OLS残差自相关系数的渐近分布可能与在正确指定的具有iid新息的VAR模型中得到的标准卡方渐近分布有很大不同.因此，在我们的框架中，标准的组合测试是不可靠的。导出了基于OLS残差的标准组合检验的正确临界值。此外，基于ALS的残余自相关的修改的Portmanteau统计量。在原假设下，本文还提出了基于OLS和ALS残差和标准卡方渐近分布的改进统计量的Portmanteau检验。我们的组合方法的扩展，以测试在向量误差校正型模型的协整关系的滞后长度进行了简要的调查。本文用蒙特卡罗方法研究了拟合优度检验的有限样本性质。理论结果也说明了使用两个美国的经济数据集。
2011-05-31 stat.ME
A Bayesian framework with adaptive elastic nets for the inference of Gaussian graphical models
MIA AgroParisTech, INRAE, Université Paris-Saclay（巴黎综合理工学校农业信息学团队，法国国家农业食品与环境研究院，巴黎萨克雷大学）
本文提出一种贝叶斯框架，通过自适应弹性网络和变分期望-最大化算法，实现高维高斯图的条件独立性图推断，控制虚假发现率并保持高检测力。
2026-04-20 math.ST stat.ME stat.TH
Hidden Markov graphical models with state-dependent generalized hyperbolic distributions
提出参数随潜在马尔可夫链演化的广义双曲隐马尔可夫图模型，用带$L_1$惩罚的EM估计状态特定稀疏精度矩阵，并通过模拟与2017—2023年多类金融资产日收益实证验证。
2024-12-04 q-fin.ST stat.ME
Multiple Monte Carlo Testing with Applications in Spatial Point Processes
秩包络检验（Myllymäki等人，空间过程的全局包络检验，arXiv：1307.0239 [stat.ME]）被提出作为蒙特卡罗检验的多重检验问题的解决方案。三种不同的情况被识别：1）几个单变量蒙特卡罗检验，2）一个蒙特卡罗检验用一个函数作为检验统计量，3）几个蒙特卡罗检验用函数作为检验统计量。秩检验在每种情况下均具有正确的（全局）第一类错误，并伴有$p$值和图形解释，该图形解释显示了在规定的检验显著性水平下，哪个子检验或所用检验函数的哪些距离导致拒绝。通过点过程的原假设和随机集统计量的例子来说明秩包络检验的强度。这些例子包括多个检验函数的拟合优度检验、一组点模式的拟合优度检验、多组点模式的比较、多类型点模式中组件的依赖性检验以及随机闭集的布尔假设检验。
2015-06-04 stat.ME
Survival model construction guided by fit and predictive strength
我们描述了一个统一的框架内，我们可以建立生存模型。这项工作的动机来自法国巴黎居里研究所的一项关于预测乳腺癌患者复发的研究。我们的重点是如何最好的代码，或表征，变量的影响，无论是单独或与其他组合。我们认为简单的图形技术，不仅提供了一个直接的指示，拟合优度，但在偏离模型假设的情况下，在一个更涉及的替代模型的方向点。这些技术有助于支持我们的直觉。这种直觉得到了形式定理的支持，这些定理是从简单模型构建更丰富模型的过程的基础。拟合优度技术与预测强度的度量一起使用，并且再次，正式的定理表明，这些度量可以用于帮助识别最接近未知的非比例风险机制的模型，我们可以假设该机制会产生观察结果。我们考虑了许多例子，并展示了这些工具如何有助于指导生存数据的有效模型构建的实际问题。
2014-05-27 stat.AP stat.ME
On the bimodal Gumbel model with application to environmental data
Gumbel模型是一种非常流行的统计模型，因为它具有广泛的适用性，例如在某些生存，环境，财务或可靠性研究的过程中。在这项工作中，我们已经介绍了一个双峰概括的Gumbel分布，可以是一个替代模型双峰数据。我们推导出相应的概率密度函数和风险率函数的解析形状，并提供图形说明。此外，我们还讨论了这种密度的模、双峰、矩母函数和矩等性质。用马尔可夫链蒙特卡罗模拟方法验证了我们的结果。参数估计采用极大似然法。最后，我们还进行了实际数据的应用程序，证明了建议的分布的有用性。
2021-06-19 math.ST stat.ME stat.TH
Global envelope tests for spatial processes
包络检验是空间统计学中的一种常用工具，用于拟合优度检验。这些检验以图形方式比较经验函数$T(r)$与来自零模型的模拟对应函数。然而，传统上仅针对固定距离$r$来控制第一类错误概率$α$，而在距离间隔$I$上检查功能。在这项研究中，我们提出了两种方法相关的Barnard的蒙特卡罗测试建立全球包络测试$I$：（1）订购的经验和模拟功能的基础上，他们的$r$明智的排名，以及（2）的偏差测试的信封的建设。这些新的测试允许全局$α$的先验选择，并且它们产生$p$值。我们说明这些测试使用模拟和真实的点模式数据。
2015-11-03 stat.ME
