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
Testing homogeneity of proportions from sparse binomial data with a large number of groups
本文考虑独立二项分布中比例的齐性检验,特别是当数据稀疏时。我们提供了广泛的方面,我们提出的测试,如理论研究,模拟和实际数据的应用。我们提出的渐近零分布和渐近权力,我们提出的测试,并比较其性能与现有的测试。我们的模拟研究表明,没有一个测试占主导地位的人,但我们提出的测试和一些测试,预计控制给定的大小,并获得显着的权力。我们还在Nissen和Wolsky(2007)中提供了一个关于Avandiar(罗格列酮)相关安全性问题的真实示例。
2017-12-13 math.ST stat.TH
White noise testing for functional time series via functional quantile autocorrelation
King Abdullah University of Science and Technology(阿卜杜拉国王科技大学);Macquarie University(麦考瑞大学)
本文提出了一种新的非线性检验方法,用于检测功能时间序列中的序列依赖性,基于功能分位数自相关框架,具有鲁棒性,能处理潜在的异常值和复杂非线性依赖。
2026-05-09 stat.ME
Sharp Local Minimax Rates for Goodness-of-Fit Testing in multivariate Binomial and Poisson families and in multinomials
我们考虑多元二项分布族、多元Poisson分布族和多元多项分布族中的同一性检验问题或称拟合优度检验问题。给定一个已知的分布$p$和$n$ iid样本从一个未知的分布$q$,我们调查多大$ρ>0$应该区分,具有高概率,情况$p=q$从情况$d(p,q) \geq ρ$,其中$d$表示一个特定的距离概率分布。我们回答这个问题的情况下,一个家庭的不同的距离:$d(p,q) = \|p-q\|_t$为$t \in [1,2]$其中$\|\cdot\|_t$是entrywise $\ell_t$规范。除了局部最小最大最优-即表征依赖于已知矩阵$p$的检测阈值-我们的测试具有简单的表达式,并且易于实现。
2022-04-23 math.ST stat.TH
Change-point analysis for binomial autoregressive model with application to price stability counts
针对非平稳有界计数时间序列,提出带多个变点的BAR(1)模型,结合CUSUM检验与MDL原则检测并估计变点,并应用于欧盟价格稳定计数分析。
2024-04-22 stat.ME
Count data modeling and forecasting of malaria incidence using generalized time series regression
National Disease Modeling Consortium, Indian Institute of Technology Bombay(国家疾病建模联盟,印度孟买印度理工学院);Koita Centre for Digital Health, Indian Institute of Technology Bombay(Koita数字健康中心,印度孟买印度理工学院);Shailesh J. Mehta School of Management, Indian Institute of Technology Bombay(Shailesh J. Mehta管理学院,印度孟买印度理工学院)
针对印度孟买地区疟疾发病率预测问题,采用负二项GLARMA模型联合处理过分散和序列依赖,显著提升预测性能。
2026-07-01 stat.AP
Applications of Universal Source Coding to Statistical Analysis of Time Series
Siberian State University of Telecommunications and Informatics(西伯利亚国立电信与信息大学)
我们展示了如何通用代码可以用来解决一些最重要的时间序列统计问题。根据定义,通用代码(或通用无损数据压缩器)可以将由平稳和遍历源生成的任何序列渐近压缩到香农熵,而香农熵又是无损数据压缩器可实现的最佳比率。本文研究了有限字母表时间序列和实值时间序列的极限概率估计、实值时间序列的密度估计、在线预测、回归、分类等问题(或附带信息的问题)以及以下假设检验问题:拟合优度检验或同一性检验,以及序列独立性检验。值得注意的是,所有问题都是在经典数理统计的框架内考虑的,另一方面,日常的数据压缩(或存档)方法可以用作估计和测试的工具。事实证明,在实践中应用时,建议的方法和测试往往比已知的方法和测试更强大。
2008-09-07 cs.AI cs.IT math.IT
Testing Random Effects for Binomial Data
Carnegie Mellon University(卡内基梅隆大学)
本文提出一种最优方法评估二项计数随机效应参考分布的拟合优度,并推导荟萃分析合并数据前评估研究一致性的最优检验,证明了其能最优区分1-Wasserstein距离上的假设。
2025-11-03 math.ST stat.ME stat.TH
Consistent testing for a constant copula under strong mixing based on the tapered block multiplier technique
考虑到多元强混合时间序列,非参数检验的常数copula指定或未指定的变化点(候选人)的推导,测试是一致的对一般的替代品。本文提出了一种基于乘子随机变量序列相关的锥形区组乘子技术来估计检验统计量的p值。在有限样本的测试的大小和功率进行评估与Monte Carlo模拟。块乘法器技术可能有几个其他的应用程序的统计推断copula的串行相关的数据。
2012-06-08 math.ST stat.TH
A negative binomial approximation in group testing
本文研究非自适应群体检测中只出现在阳性检测里的非缺陷“侵入项”数量分布,证明在Bernoulli矩阵设计下其近似服从负二项分布,并据此分析Aldridge两阶段保守算法的性能。
2022-08-26 cs.IT math.IT math.PR
Pure Significance Tests for Multinomial and Binomial Distributions: the Uniform Alternative
本文研究多项与二项分布的纯显著性检验,将其解释为针对均匀备择假设的似然比检验,并引入新的有序二项分布。
2024-04-20 math.ST stat.TH
Testing the martingale difference hypothesis in high dimension
本文提出一种基于矩阵值非线性依赖度量平方和的高维鞅差假设检验方法,利用高斯近似和模拟临界值,非参数且稳健,为首个能处理大维度与非线性依赖的有效检验。
2022-10-01 econ.EM stat.ME
Conditional Goodness-of-Fit Tests for Discrete Distributions
本文研究了离散分布的拟合优度检验问题,重点研究了几何分布。我们定义了新的似然为基础的拟合优度测试使用β-几何分布和I型离散韦布尔分布作为替代分布。在模拟研究中,也被认为是比较经典的拟合优度检验的测试进行比较。在整个文件中,我们考虑条件检验给定最小充分统计量下的原假设,这使得精确的p值的计算。为此,本文提出了一种从几何分布和负二项分布中抽取条件样本的新方法。我们还简要地解释了如何条件的方法可以修改为二项分布,负二项分布和泊松分布。最后指出,通过使用Metropolis-Hastings算法,模拟方法可以扩展到具有相同充分统计量的其它离散分布。
2020-10-08 math.ST stat.TH
Adaptive estimation of vector autoregressive models with time-varying variance: application to testing linear causality in mean
研究了新息无条件异方差且序列相关的线性向量自回归(VAR)模型。波动率结构是确定性的,并且相当普遍,包括作为特殊情况的突变或趋势方差。在这个框架中,我们提出了普通最小二乘法(OLS),广义最小二乘法(GLS)和自适应最小二乘法(ALS)的程序。GLS估计器需要时变方差结构的知识,而在ALS方法中,未知方差通过OLS残差向量的外积通过核平滑来估计。还允许时变方差矩阵的不同单元的不同带宽。我们推导了VAR模型系数估计的渐近分布,并比较了它们的性质。特别是,我们证明了ALS估计是渐近等价于不可行的GLS估计。这种渐近等价性是在给定范围内相对于带宽一致获得的,因此证明了数据驱动带宽规则的合理性。利用这些结果,我们建立Wald检验的线性Granger因果关系的平均值,这是适应VAR过程的误差驱动的非平稳波动。它还表明,常用的标准Wald检验的线性Granger因果关系的平均值是潜在的不可靠的,在我们的框架。蒙特卡罗实验说明了使用不同的估计方法分析具有稳定新息的VAR模型。
2010-07-08 stat.ME
Deciphering Dynamical Nonlinearities in Short Time Series Using Recurrent Neural Networks
University of Kentucky(肯塔基大学)
替代测试技术已被广泛用于研究确定性混沌过程的一个重要组成部分,即动力学非线性的存在。传统的替代检验采用统计假设检验,并研究给定的经验样本与其替代样本之间判别统计量的潜在差异。在短时间序列中,判别统计量的选择和估计可能具有挑战性。此外,基于单一经验样本的结论是一个固有的局限性。本研究提出了一种递归神经网络分类框架,该框架使用原始时间序列,避免了对判别统计的需要,同时适应多个时间序列实现,以增强研究结果的概括性。结果表明,在短时间序列长度(L = 32,64,128)从连续和离散动力系统在混沌区,线性相关噪声的非线性变换和实验数据。分类器的准确性被证明是显着高于>> 50%的混沌政权的过程,而非线性相关的噪声是约50%相似的随机猜测,从一个样本二项式测试。这些结果是有前途的,并阐明了所提出的框架在识别潜在的动力学非线性短实验时间序列的有用性。
2019-07-15 cs.LG eess.SP q-bio.QM
Rank-Based Testing for Semiparametric VAR Models: a measure transportation approach
基于最近提出的基于测量传输的多变量{ \it center-outwardrank}和{ \it signs}的概念,提出了一类新息密度未知的半参数向量自回归(VAR)模型的检验方法.我们表明,这些概念,结合Le Cam的渐近理论的统计实验,产生新的测试程序,其中(a)~是有效的下广泛的一类创新密度(可能是非椭圆形的,歪斜的,和/或无限的时刻),(b)~是最佳的(局部渐近最大最小或最严格)在选定的,和(c)是强大的添加剂离群值。为了做到这一点,我们建立了一个H\' ajek渐近表示结果,独立的利益,为一般类的中心向外的秩为基础的序列统计量。作为一个例子,我们考虑了多输出和可能的非线性回归(经典的Durbin-Watson问题的扩展)和向量自回归(VAR($p$))模型的顺序$p$的顺序识别序列相关性的测试问题。我们的测试和他们的竞争对手的蒙特卡罗比较研究证明了我们的方法的好处(在规模,功率和鲁棒性方面),这些好处在不对称和尖峰创新密度的存在下特别显着。一个真实的数据应用结束的文件。
2020-11-11 math.ST stat.TH
Modelling Under-Reported Data: Pitfalls of Naïve Approaches and a New Statistical Framework for Epidemic Curve Reconstruction
本文分析了传染病数据漏报导致计数型自回归模型机制失效的问题,提出一种基于 normal-normal 近似的新统计框架,将连续过程映射回整数,在保留机制优势的同时大幅简化了推断。
2025-09-12 stat.AP
Testing the martingale difference hypothesis using martingale difference divergence function
本研究基于鞅差散度函数构建Ljung-Box型检验统计量,改进现有渐近结果,推导原假设下渐近分布,通过蒙特卡洛验证其对不相关非鞅过程的相合性,并应用于标准普尔500指数分析。
2023-11-09 stat.AP
Online detection of distributional changes for time series in metric spaces
Drexel University(德雷塞尔大学);University of Utah(犹他大学);University of Pavia(帕维亚大学)
该研究针对度量空间取值的序列相关时间序列,提出基于U统计量的在线分布变化检测框架,结合灵活窗口构造,在多类数据模型中实现可靠虚警控制与更短检测延迟,适用于标量、函数及网络值时间序列。
2026-10-20 stat.ME
Bayesian spatio-temporal epidemic models with applications to sheep pox
流行病数据通常具有某些特征,例如存在许多零、疾病传播机制的空间性质或环境噪声。本文通过适当的贝叶斯建模来解决这些问题。在这样做时,我们利用随机回归模型适合于时空计数数据与多余的零。所开发的回归框架可以通过Ornstein Uhlenbeck过程制定将序列相关和随时间变化的协变量。此外,我们探讨了不同的先验,包括默认选项和技术的基础上的变化的混合物的$g$先验的影响。不同的距离核的流行病模型组件的效果进行了研究。我们继续开发基于分支过程的方法来测试疾病控制的场景,从而将传统的时空模型与流行病过程联系起来,这在以政策为中心的决策中很有用。该方法说明了一个应用程序的羊痘数据集从埃夫罗斯地区,希腊。
2014-03-07 stat.AP
Testing for residual correlation of any order in the autoregressive process
我们感兴趣的是在一个稳定的自回归过程中的线性自相关驱动噪声的影响,通常的最小二乘估计的渐近行为。我们表明,最小二乘估计是不一致的,我们建议一个尖锐的分析,其几乎必然的极限值以及它的渐近正态性。我们还建立了驱动噪声序列相关参数估计的几乎必然收敛性和渐近正态性。然后,我们推导出一个统计过程,使任何顺序的自回归模型的残差的相关性测试,给出明显优于常用的组合测试的Ljung-Box和Box-Pierce的结果,并出现优于小样本的Breusch-Godfrey程序。
2017-03-13 math.ST stat.TH
Assessing the reliability of ensemble forecasting systems under serial dependence
集合预报系统的可靠性测试的问题被重新审视。一个流行的工具来评估集合预报系统的可靠性(标量验证)是排名直方图,这个直方图预计或多或少是平坦的,因为对于一个可靠的集合,排名均匀分布在其可能的结果。平整度的定量测试(例如\ Pearson的拟合优度检验),但无一例外,这些检验假设等级是一系列独立的随机变量,这不是一般情况下,可以证明与简单的玩具例子。在本文中,测试开发,考虑到等级之间的时间相关性。一个精细的分析表明,利用可靠性属性,排名仍然表现出很强的相关性衰减。这个属性是分析的关键,所提出的测试是有效的一般集合预报系统与最小的无关假设。
2018-04-16 math.ST physics.ao-ph stat.TH
Sequential Tests of Statistical Hypotheses with Confidence Limits
在本文中,我们提出了一个通用的方法来检验复合假设。我们的想法是使用置信限来定义停止和决策规则。通过调整置信限的系数,可以满足工作特征函数的要求。对于常见的分布,这种调整可以通过利用相关联的操作特征函数的单调性经由有效的计算来完成。我们发现,测试多个假设的问题,可以投到一般的框架,构建顺序随机区间与规定的覆盖概率。我们提出了一个包含原则构造多级测试计划。结果表明,我们提出的测试计划可以大大提高效率比顺序概率比测试及其变化。我们应用我们的一般方法来开发一个确切的方法来检验假设的差异,两个二项式比例。
2012-02-09 math.PR math.ST stat.TH
On testing for high-dimensional white noise
白噪声检验是统计学中的一个经典而重要的问题,特别是对于时间序列建模和线性回归的诊断检验。对于高维时间序列,维度$p$相对于样本大小$T$而言较大,流行的综合检验包括多元Hosking和Li-McLeod检验都是非常保守的,导致显著的功率损失。为了开发更相关的测试高维情况下,我们提出了一个portmanteau型的检验统计量,这是第一个$q$滞后样本自协方差矩阵的平方奇异值之和。因此,它封装了所有组件系列内和跨所有组件系列的所有系列相关性(直到时滞$q$)。利用随机矩阵理论的工具,并假设$p$和$T$都发散到无穷大,我们推导出在零和特定VMA(1)备择假设下检验统计量的渐近正态性。由于检验的实际实施需要了解总体横截面协方差阵的三个特征常数和标准化新息的四阶矩的值,因此提出了这些参数的非平凡估计,并将其整合为实际可用的检验。广泛的模拟证实了新的测试具有精确的大小和令人满意的功率为大范围的有限$(p,T)$组合的有限样本性能优良,从而确保在实践中的广泛适用性。特别是,新的测试始终优于传统的Hosking和Li-McLeod测试。
2018-11-23 math.ST stat.TH
On high-dimensional sign tests
符号检验是多元非参数统计中最成功的检验方法之一。本文考虑了多元分析、方向统计和多元时间序列分析中的几个检验问题,证明了在适当的对称性假设下,固定$p$多元符号检验在高维情况下仍然有效。值得注意的是,我们的渐近结果是普遍的,在这个意义上说,不像在大多数以前的作品在高维统计,$p$可能会以任意的方式到无穷大的$n$。我们进行模拟,(i)确认我们的渐近结果,(ii)表明,即使对于相对较大的$p$,卡方临界值是优于(渐近等效)高斯的,(iii)表明,对于测试i.i.d.-在高维情况下,Portmanteau符号检验在有效性稳健性方面优于其竞争对手。
2016-03-30 math.ST stat.TH
Unification of Rare and Weak Detection Models using Moderate Deviations Analysis and Log-Chisquared P-values
本文通过负对数 P 值的渐近非中心卡方结构统一高斯、Poisson、Binomial 等稀疏微弱检测模型,刻画不可检测区域并证明 Berk–Jones 与 Higher Criticism 在区域外达到最优功效。
2025-02-18 math.ST stat.TH
Spatial Clustering Tests Based on Domination Number of a New Random Digraph Family
我们使用的控制数的参数化的随机有向图的家庭称为比例边接近捕捉有向图(PCD)测试多元空间点模式。这个有向图族是基于来自不同类的数据点的相对位置。我们扩展的比例边PCD的控制数的分布结果,并使用控制数作为一个统计测试隔离和协会对完全的空间随机性。我们证明了当一类的规模固定而另一类(其点构成有向图的顶点)的规模趋于无穷大时,PCD的控制数服从二项分布;当两类的规模都趋于无穷大时,PCD的控制数服从渐近正态性.我们通过Monte Carlo模拟评估了有限样本测试的性能,证明了测试的一致性下的替代品,并建议修正的支持限制类的兴趣点和小样本。我们找到了最佳的参数来测试每个隔离和关联的替代品。此外,本文中讨论的方法也适用于更高维度的数据。
2009-09-16 math.PR math.ST stat.ME
Parametric convergence rate of a non-parametric estimator in multivariate mixtures of power series distributions under conditional independence
本文研究条件独立幂级数分布多元混合的非参数估计,证明极大似然估计的Hellinger距离收敛速率,构建达参数速率的新估计量,提出条件独立性检验方法,经模拟和Vélib数据集验证有效。
2025-09-05 math.ST stat.ME stat.TH