Statistical inference for the two-sample problem under likelihood ratio ordering, with application to the ROC curve estimation
受试者工作特征(ROC)曲线是一种强有力的统计工具,在医学研究中得到了广泛的应用。在ROC曲线估计中,常用的假设是生物标志物值越大,疾病的严重程度越大。在本文中,我们从数学上解释了“疾病的严重程度越大”为“患病的可能性越大”。这又等同于假定患病个体和健康个体之间的生物标志物的似然比排序。在这个假设下,我们首先提出一个伯恩斯坦多项式的方法来模拟两个样本的分布,然后我们估计的分布的最大经验似然原理。随后获得ROC曲线估计值和相关汇总统计量。在理论上,我们建立了我们的估计量的渐近相合性。通过广泛的数值研究,我们比较了我们的方法与竞争力的方法的性能。我们的方法的应用说明了一个真实的数据的例子。
2023-02-22 stat.ME
Bayesian inferences on uncertain ranks and orderings: Application to ranking players and lineups
通常对实体之间的排名或顺序关系感兴趣。在不直接测量作为排名基础的单变量统计的复杂设置中,这样的推断通常依赖于具有实体特定参数的统计模型。这些可以被视为表征实体间变异的分层模型中的随机效应。在本文中,我们特别感兴趣的排名篮球运动员的问题,他们对球队表现的贡献。使用美国国家篮球协会(NBA)的数据,我们发现许多球员有相似的潜在能力水平,使任何单一的估计排名高度误导。目前的文献未能提供充分说明不确定性的顺序关系的总结。出于这一动机,我们提出了一个贝叶斯策略,用于表征球员和阵容之间的顺序关系的推断中的不确定性。我们的方法适应的情况下,在订购的不确定性是高的,产生更保守的结果,提高可解释性。这是通过决策理论框架内的奖励函数来实现的。我们将我们的方法应用于2009-10 NBA赛季的数据。
2022-04-11 stat.AP stat.ME
Locally Private Causal Inference for Randomized Experiments
本文针对随机实验中的本地差分隐私数据,提出频率派与贝叶斯非参数方法,实现极小极大最优的因果推断,并通过模拟验证其有效性。
2023-10-14 stat.ME
Predictive inference for locally stationary time series with an application to climate data
Politis(2015)的无模型预测原理已成功应用于一般回归问题,以及涉及平稳时间序列的问题。然而,对于长时间序列,例如跨越100年的年度温度测量或跨越几年的每日财务回报,假设在整个数据集的跨度内平稳可能是不现实的。在本文中,我们展示了无模型预测如何应用于处理仅局部平稳的时间序列,即,可以假设它们仅在短时间窗口上是静止的。令人惊讶的是,即使在基于模型的设置中,也很少有关于一般局部平稳时间序列的点预测的文献,并且没有关于局部平稳时间序列的预测区间的构造的文献。我们也试图填补这个空白。这两个一步提前点预测和预测区间的构建,和无模型的性能进行比较,基于模型的预测,采用模型,包括趋势和/或异方差。这两个方面的文件,无模型和基于模型的,是新颖的时间序列的背景下,本地(但不是全球)平稳。我们还展示了我们的基于模型和无模型的预测方法的应用,以洞穴气候数据,表现出当地的平稳性,并表明我们最好的无模型点预测结果优于与RAMPFIT算法以前用于此数据的分析。
2018-06-11 stat.ME
Locally Simultaneous Inference
本文提出局部同时推断方法,通过只回答观测数据下可能被提出的问题,在保持严格第I类错误保证的同时降低保守性,并严格优于基础同时推断方法。
2024-05-02 math.ST stat.ME stat.TH
Indirect inference for locally stationary ARMA processes with stable innovations
这类局部平稳过程假设存在时变谱表示,即存在有限个二阶矩。通过将新息修改为稳定分布,提出了$α$ -稳定的局部平稳过程,并给出了估计这类模型的间接推断。由于无穷大的方差,一些有趣的属性,如时变自相关无法定义。然而,由于$α$稳定的分布族在线性组合下是封闭的,其中包括处理不对称和较厚尾部的可能性,因此所提出的模型在整个时间内具有相同的尾部行为。在本文中,我们提出了这个新的模型,目前的理论特性的过程中,并进行模拟相关的间接推理,以估计模型的参数形式。最后给出了一个应用实例。
2020-06-21 stat.CO stat.ME
Complex trend inference for high-dimensional piecewise locally stationary time series
Ruhr-Universität Bochum(波鸿鲁尔大学)
本文研究了在非平稳噪声和异步结构断点下的高维分段光滑信号趋势推断问题,通过先检测异步变化不假设平稳性,再利用潜在群体结构估计趋势函数。提出AJDN方法用于高维时间序列中跳跃的识别与定位,并通过模拟研究验证了方法的鲁棒性和有限样本性能。
2026-04-24 stat.ME
Locally Private Online Quantile Regression: Estimation and Inference
York University(约克大学);Shanghai University of Finance and Economics(上海财经大学)
研究单报告用户级ε-局部差分隐私协议下在线分位数回归的估计与推断。针对标准估计方程贡献耦合协变量与残差比较的难题,开发有限字母通道解决,建立相关性质,模拟等表明隐私预算增加时私有轨迹接近非私有在线参考。
2026-07-07 stat.ME stat.ML
Fast and Locally Adaptive Bayesian Quantile Smoothing using Calibrated Variational Approximations
提出一种贝叶斯分位数趋势滤波方法,利用收缩先验和校准变分近似实现局部自适应的非平稳分位数趋势快速推断,计算效率优于Gibbs采样器且结果稳定。
2023-10-20 stat.ME
Inference of global clusters from locally distributed data
University of Michigan(密歇根大学)
我们考虑分析多组观测数据的聚类分布的异质性问题,每组数据由协变量值索引,并推断从协变量域上聚集的观测值产生的全局聚类。我们提出了一种新的贝叶斯非参数方法依赖于空间建模的形式主义和嵌套层次的Dirichlet过程。我们提供了一个分析的模型属性,相关和对比的概念,本地和全球集群。我们还提供了一个有效的推理算法,并证明了我们的方法在几个数据的例子,包括对象跟踪和功能数据的功能标识信息是不可用的全局聚类分析的问题的效用。
2011-01-21 cs.LG stat.ME stat.ML
Inference for Multiple Change-points in Piecewise Locally Stationary Time Series
The Hang Seng University of Hong Kong(香港恒生大学);The Chinese University of Hong Kong(香港中文大学)
本文提出了一种基于似然的方法,用于推断局部平稳时间序列中的多个转折点,区分跳跃和拐点,并建立了相应的渐近分布。
2026-01-15 math.ST stat.ME stat.TH
Locally anisotropic covariance functions on the sphere
卫星遥感技术的迅速发展使得能够在全球范围内收集地理空间数据,因此更加需要能够捕捉到球面域空间依赖性的协方差函数。我们提出了一种基于R^3中的协方差函数构造球面上非平稳、局部各向异性的协方差函数的一般方法。我们还提供定理,指定的条件下,所得到的相关函数是各向同性或轴对称的。对于现代应用中常见的球体上的大型数据集,Vecchia近似用于在统计推断上实现更高的可扩展性。灵活的协方差结构的重要性,数值模拟数据和降水数据集。
2022-08-15 stat.ME
Improving efficiency of inference in clinical trials with external control data
假设我们对临床试验中的治疗效果感兴趣。由于样本量较小,推断的效率可能受到限制。然而,外部对照数据通常可从历史研究中获得。幽门螺杆菌感染的应用程序的动机,我们展示了如何借用这些数据的力量,以提高在临床试验中的推理效率。在关于潜在结果平均值的互换假设下,我们表明,通过合并临床试验数据和外部对照,可以降低估计平均处理效应的半参数效率界。然后,我们推导出一个双鲁棒和局部有效的估计。效率的提高是突出的,特别是当外部控制数据集具有大的样本量和小的变异性。我们的方法允许一个宽松的重叠假设,我们说明的情况下,临床试验只包含一个治疗组。我们还开发了双重稳健和局部有效的方法,将临床试验中的因果效应外推到外部人群和总体人群。我们的研究结果也为试验设计和数据收集提供了有意义的启示。我们通过模拟评估有限样本性能的估计。在幽门螺杆菌感染的应用中,我们的方法显示联合治疗比三联治疗具有潜在的疗效优势。
2021-12-09 stat.ME
On the partial autocorrelation function for locally stationary time series: characterization, estimation and inference
本文针对短程依赖局部平稳时间序列,刻画了局部PACF的性质,提出基于筛法OLS的估计与检验方法,配套乘子自助法和R包,经模拟与实证验证有效。
2024-01-30 math.ST stat.ME stat.TH
Simultaneous Sieve Inference for Time-Inhomogeneous Nonlinear Time Series Regression
本文研究了一般局部平稳时间序列的非时齐非线性时间序列回归问题。一方面,我们提出了时变回归函数的筛分非参数估计,它可以达到最小-最大最优速率。另一方面,我们发展了一个统一的同时推理理论,可以用来进行结构和精确形式的功能测试。我们提出的统计是强大的,即使在当地弱的替代品。我们还提出了一个乘法器自举程序的实际实施。我们的方法和理论不需要对回归函数进行任何结构假设,并且我们还允许函数在无界域中得到支持。我们还建立了无界区域上二维函数的筛逼近论和高维局部平稳时间序列的仿射型和二次型的高斯逼近结果,这些结果是独立的.数值模拟和一个真实的财务数据分析提供了支持我们的结果。
2021-12-16 math.ST stat.ME stat.TH
A Locally Adaptive Algorithm for Multiple Testing with Network Structure
本文提出局部自适应结构学习算法LASLA,通过p值加权整合网络等复杂辅助信息,在渐近控制FDR的同时提升多重检验功效。
2025-02-10 stat.ME stat.ML
Simultaneous Sieve Estimation and Inference for Time-Varying Nonlinear Time Series Regression
本文研究局部平稳时间序列的时变非线性回归,提出具有一致收敛性的筛非参数估计量,发展了统一的同时推断理论及乘子自助法,并开发了R包SIMle辅助实现。
2025-06-29 math.ST stat.ME stat.TH
Federated Causal Inference in Heterogeneous Observational Data
Emory University(埃默里大学);Cornell University(康奈尔大学);United States Military Academy(美国军事学院);Harvard University(哈佛大学);Johns Hopkins University(约翰斯·霍普金斯大学);Stanford University(斯坦福大学)
针对多站点隐私限制与数据异构性,提出基于倾向得分的联邦因果推断方法,通过本地计算与跨站点聚合估计平均处理效应,并证明其渐近性质及在医疗数据库中的有效性。
2023-04-02 cs.LG econ.EM q-bio.QM
Leveraging heterogeneity for identifiability: Bayesian order-based learning of multiple DAGs
University of Texas at Dallas(德克萨斯大学达拉斯分校)
本文提出一种联合顺序评分框架,用于在异质数据设置下学习有向无环图模型的因果结构。通过展示利用异质性可提高因果顺序估计的准确性,提出基于顺序的贝叶斯方法,并在高维情况下建立其理论性质。
2026-05-15 stat.CO stat.ME stat.ML