Grouped Heterogeneous Mixture Modeling for Clustered Data
加密数据在各种科学领域中无处不在。在本文中，我们提出了一个灵活的和可解释的建模方法，称为分组异质混合建模，聚类数据，模型的集群明智的条件分布的混合物的潜在条件分布共同的所有集群。在该模型中，我们假设集群被划分为有限数量的组和混合比例是相同的在同一组内。我们提供了一个简单的广义期望最大化算法来计算极大似然估计量，并提供了一个信息准则来选择组数和潜在分布。我们还提出了结构化的分组策略，通过在似然函数中引入分组参数的惩罚。在聚类数和聚类大小均趋于无穷大的情况下，给出了极大似然估计和信息准则的渐近性质。我们证明了所提出的方法，通过模拟研究和应用在东京的犯罪风险建模。
2020-02-07 stat.ME
Conjugate generalized linear mixed models for clustered data
本文研究了一类聚类数据的广义线性混合模型，其中随机效应唯一映射到分组结构上，且组间相互独立.我们得到的必要条件和充分条件，使这类模型的边际似然以封闭形式表示。使用高斯分布、泊松分布、二项分布和Γ分布进行了说明。这些模型被统一在一个单一的共轭广义线性混合模型的保护伞下，其中“共轭”是指边际似然可以用封闭形式表示的事实，而不是通过贝叶斯范式进行推断。具有明确的边际可能性意味着这些模型在计算上更方便，这在大数据环境中可能很重要。除了二项分布之外，这些模型能够实现同时共轭，因此能够适应单位和组水平的协变量。
2017-09-19 stat.ME
Improved Likelihood Estimation for the Generalized Extreme Value and the Inverse Gaussian Lifetime Distributions
在存在冗余参数的情况下，轮廓似然推断通常是不可靠和有偏差的，特别是在小样本情况下。在过去的几十年中，已经提出了几种调整来修改文献中的轮廓似然函数，包括Barndorff-Nielsen中引入的修改的轮廓似然估计技术。在这项研究中，调整的轮廓似然函数的感兴趣的参数存在的冗余参数进行了研究。本文着重推广了Barndorff-Nielsen关于逆高斯分布估计其色散参数的方法和广义极值分布估计其形状参数的方法。对于具有GEV分布的寿命采用加速失效时间模型，对于寿命分布采用逆高斯分布。蒙特卡洛模拟研究进行证明这两种方法的性能。仿真结果表明，修改后的配置文件的似然估计的优越性超过配置文件的似然估计的参数的兴趣。特别是，它被发现的修改，可以提高整体性能的估计，通过减少其偏差和标准误差。
2016-03-28 math.ST stat.TH
A unified perspective on modified Poisson likelihoods for limited Monte Carlo data
计数实验通常依赖于蒙特卡罗模拟来预测泊松期望。从有限的Monte Carlo样本量所伴随的不确定性可以通过修改泊松似然被纳入参数估计。我们首先回顾以前的频率论方法的这种类型的Barlow等人，Bohm等人，和Chirkin，以及最近提出的概率方法的作者和Argüelles等人。我们表明，所有这些方法可以理解在一个统一的方式：他们都近似的潜在概率分布的总和的权重在一个给定的bin，复合泊松分布（CPD）。Probability方法用近似CPD的分布边缘化Poisson平均值，而Frequentist方法则将平均值作为滋扰参数来优化相同的被积函数。有了这个观点，我们可以激发三个新的概率似然广义伽玛泊松混合分布的基础上，我们推导出解析形式。然后，我们测试了新旧公式在不同的参数估计设置组成的“背景”和“信号”数据集。Barlow等人的Ancestrian的概率对应物在各种情况下优于所有其他现有的方法。我们进一步发现了一个令人惊讶的结果：使用确切的CPD实际上对参数估计是不利的。连续近似执行得更好，并且原则上允许在任何水平的模拟生存时间下执行无偏差推断，如果每个数据集的CPD的前两个时刻是确切已知的。最后，我们还讨论了新的蒙特卡罗模拟产生的情况下，对于一个给定的参数选择，导致波动的计算似然值。两个新的公式允许将这种泊松不确定性直接纳入可能性，大大减少了这些波动。
2019-05-08 astro-ph.IM hep-ex physics.data-an
Bootstrapping Clustered Data in R using lmeresampler
线性混合效应模型通常用于分析聚类数据结构。有许多包可以在R中拟合这些模型并进行基于可能性的推理。基于重采样的推理过程的实现更加有限。在本文中，我们介绍了lmeresampler软件包，用于通过lme4或nlme拟合自举嵌套线性混合效应模型。对于小样本量和分布假设失效时，Bootstrap估计允许偏倚校正、调整标准误和置信区间。我们还将说明如何使用引导程序重新启动来诊断这个模型类。此外，lmeresampler使得构造模型参数函数的区间估计变得容易。
2021-06-11 stat.CO stat.ME
Valid standard errors for Bayesian quantile regression with clustered and independent data
针对贝叶斯分位数回归中AL似然置信区间覆盖率差的问题，提出使用无穷小刀切法标准误，适用于独立和聚类数据，并提供R包IJSE。
2024-12-24 stat.AP stat.ME
Marginalizable conditional model for clustered ordinal data
我们引入了一个灵活的参数相关的二进制数据的混合效应模型，参数可以直接解释为边际优势比。这导致一个稳健估计方程，其最佳加权矩阵是真正的基于模型的协方差阵的逆。相关随机效应可以施加灵活的相关结构，相关参数可以通过求解复合似然得分函数来估计。即使在条件参数模型被错误指定时，边缘参数也被一致地估计，并且在正确的模型指定下，与极大似然估计相比，稳健估计过程具有低的估计效率损失。模拟，分析马德拉斯纵向精神分裂症研究和英国社会属性面板调查进行了证明我们的方法。
2014-03-30 stat.ME
New improved estimators for overdispersion in models with clustered multinomial data and unequal cluster sizes
通常依赖于拟似然方法来导出应用于没有潜在分布的聚类多项数据的统计方法。即使广泛的文献可以遇到这些类型的数据集，有一些调查，以处理不平等的集群大小。本文旨在通过提出新的估计群内相关系数来填补这一空白。
2015-10-19 stat.ME
Conditional Copula Models for Right-Censored Clustered Event Time Data
本文提出了一种建模策略来推断协变量对右删失聚类事件时间数据的依赖结构的影响。联合生存函数的事件时间建模使用参数条件Copula，其参数依赖于一个集群级协变量的功能。我们使用局部似然方法来估计Copula参数的形式，并概述了广义似然比型测试策略，正式测试其恒常性。采用引导程序来获得测试的近似$p$值。所提出的估计和测试方法的性能进行评估，在模拟下不同的右删失率和各种参数copula家庭，考虑参数和非参数估计的利润。我们将这些方法应用于糖尿病视网膜病变研究的数据，以评估发病年龄对视力丧失的影响。
2016-06-04 stat.ME
Bivariate first-order random coefficient integer-valued autoregressive processes based on modified negative binomial operator
本文提出一种基于修正负二项算子且带相依新息的双变量一阶随机系数整值自回归过程，推导了其统计性质与估计量的渐近性质，通过多种方法估计参数并经蒙特卡洛模拟评估，最后应用于月度犯罪数据集验证了模型有效性。
2024-04-27 math.ST stat.TH
Asymptotic Behaviour of the Modified Likelihood Root
我们研究的正常近似的修改后的似然根，从高阶渐近理论的推理工具，线性指数和位置尺度的家庭。我们发现，$r^\star$统计可以被认为是一个位置和规模调整的似然根$r$高达$O_p(n^{-3/2})$，更一般地$r^\star$可以表示为一个多项式在$r$。我们还显示了这两个家庭的似然根的修改后的似然根的线性。
2022-01-11 stat.ME
On sequential Monte Carlo, partial rejection control and approximate Bayesian computation
我们提出了一个序贯蒙特卡罗采样器的部分拒绝控制算法的变体，并表明，这种变体可以被认为是一个序贯蒙特卡罗采样器与修改后的突变内核。我们证明了新的采样器可以减少增量的重要性权重的方差相比，标准的序贯蒙特卡罗采样器。我们提供了一个新的算法的理论性质的研究，并与现有的一些算法。最后，采样器是适应于应用程序下的挑战性的“似然自由”，近似贝叶斯计算建模框架，在那里我们表现出优越的性能超过现有的似然自由采样器。
2009-11-11 math.ST stat.CO stat.TH
A bias-adjusted estimator in quantile regression for clustered data
该手稿讨论了如何将随机效应纳入聚类数据的分位数回归模型，重点是具有许多但较小聚类的设置。本文有三个贡献：（i）证明现有方法可能导致固定效应参数的严重偏倚估计;（ii）提出一种新的两步估计方法，其中首先通过伪似然方法计算随机效应的预测（LQMM方法）}，然后用作标准分位数回归中的偏移;（iii）提出了一种新的Bootstrap抽样方法，以减小两步估计量的偏差并计算置信区间。建议的估计和相关的推理进行了评估，通过严格的模拟研究和应用到艾滋病临床试验组（ACTG）的研究。
2022-02-23 stat.ME
Modified Signed Log-Likelihood Ratio Test for Comparing the Correlation Coefficients of Two Independent Bivariate Normal Distributions
本文用修正的符号对数似然比检验方法来检验两个独立的二元正态分布中相关系数相等的问题。我们比较这种方法与其他两个%竞争的方法，费舍尔的Z-变换和广义测试变量，使用蒙特卡罗模拟。结果表明，该方法在实际样本量和功效方面优于其他方法，尤其是在样本量不等的情况下。我们说明所提出的方法的性能，使用一个真实的数据集。
2016-05-31 stat.ME
Laplacian-P-splines for shared Gamma frailty models applied to clustered right-censored time-to-event data
Department of Neurodegeneration Diagnostics, University Hospital Bialystok, Poland（比亚韦斯托克医院神经退行性疾病诊断系）；Interuniversity Institute for Biostatistics and statistical Bioinformatics (I-BioStat), Data Science Institute, Hasselt University, Belgium（哈瑟尔特大学生物统计与统计生物信息学跨大学研究所（I-BioStat））；Global Health Institute, Family Medicine and Population Health, University of Antwerp, Belgium（安特卫普大学全球健康学院）
本文提出Laplacian-P-splines方法用于共享Gamma frailty模型，通过模拟研究评估其在集群右截断时间到事件数据中的有限样本性能，并用三个生物医学数据集进行示例。
2026-05-12 stat.ME
A Conway-Maxwell-Multinomial Distribution for Flexible Modeling of Clustered Categorical Data
本文提出Conway-Maxwell多项分布用于灵活建模具有正关联或负关联的聚类分类数据，研究其性质、最大似然估计方法及小样本表现，并通过数据分析示例验证模型有效性。
2019-11-05 stat.ME
Nonparametric Confidence Intervals for Generalized Lorenz Curve using Modified Empirical Likelihood
本文提出三种改进的经验似然方法构建广义Lorenz序的置信区间，证明其极限分布服从缩放卡方分布，并通过模拟和真实数据验证了方法的有效性。
2023-11-24 math.ST stat.ME stat.TH
Statistical methods for clustered competing risk data when the event types are only available in a training dataset
本文针对主要研究中事件类型缺失的聚类竞争风险数据，提出基于训练集分类模型的加权惩罚偏似然方法和插补方法，以估计原因别比例风险脆弱性模型中的暴露效应，并通过模拟和听力损失实例验证方法性能。
2025-05-04 stat.ME
A modified score function for monotone likelihood in promotion time cure rate models
Centro de Gestão e Estudos Estratégicos（战略管理与研究中心）；University of Brasília（巴西利亚大学）
本文针对 promotion time 治愈率模型的单调似然问题，提出基于 Firth 偏差减少方法的修正得分函数，经模拟与真实数据集应用验证，可得到有限稳定的参数估计，使有丝分裂因子具统计显著性。
2026-08-24 stat.ME
Nonparametric identification of causal effects in clustered observational studies with differential selection
群集观察性研究（COS）设计是与群集随机试验相对应的观察性研究。在COS中，处理被分配给完整组，并且组内的所有单元都暴露于处理。然而，治疗是非随机分配的。COS在教育和卫生服务研究中很常见。在教育方面，某些学校的所有学生都可以得到治疗，但其他学校的所有学生都不能得到治疗。在健康研究中，治疗可以应用于集群，如医院或由同一医生治疗的患者群体。在这篇文章中，我们研究了聚类观察研究设计中因果效应的识别。我们专注于差异选择的单位集群，这发生在单位的集群选择依赖于集群的治疗分配的前景。现存的关于COSs的研究已经做了一个隐含的假设，排除了差异选择的存在。我们得出的识别结果与差分选择的设计和差分集群选择的背景下需要不同的调整集比标准设计。我们概述了有和没有差分选择的设计估计。使用一系列的模拟，我们概述了差异选择可能发生的偏差的大小。然后，我们提出了两个经验的应用程序，重点是差异选择的可能性。
2022-06-21 stat.AP stat.ME
Likelihood Adaptively Modified Penalties
针对一般回归模型中的模型选择问题，提出了一种新的惩罚函数族。它是通过假设回归参数的某些类型的先验分布而自然产生的。为了研究惩罚极大似然估计的稳定性，定义了两类渐近稳定性。在适当的正则条件下，建立了参数估计的一致性、模型选择的一致性和渐近稳定性等理论性质。提出了一种有效的坐标下降算法。仿真结果和实际数据分析表明，该方法具有竞争力的性能相比，现有的。
2013-08-23 math.ST stat.ME stat.ML
A Robust Adaptive Modified Maximum Likelihood Estimator for the Linear Regression Model
在线性回归中，如果误差服从正态分布，则最小二乘（LS）估计具有一定的最优性。这一假设在实践中经常被违反，部分原因是数据离群值。稳健估计可以很好地解决这一问题，因此在实际中得到了广泛的应用。回归稳健估计的一个例子是自适应修正极大似然（AMML）估计（Donmez，2010）。然而，它们对$x$离群值（所谓的杠杆点）不稳健。在这项研究中，我们提出了一个新的回归估计，通过采用适当的加权方案的AMML估计方法。由此产生的估计被称为鲁棒AMML（RAMML），因为它不仅对y离群值是鲁棒的，而且对x离群值是鲁棒的。通过仿真研究，比较了RAMML估计与MM、最小截尾平方（LTS）和S。结果表明，根据均方误差（MSE）准则，RAMML估计在大多数情况下是优选的。两个数据集从文献中也进行了分析，以显示RAMML估计方法的实施。
2020-06-30 stat.ME
Fast leave-one-cluster-out cross-validation using clustered Network Information Criterion (NICc)
针对聚簇数据预测模型，提出聚簇网络信息准则（NICc）作为留一簇交叉验证的快速近似，通过聚簇调整Fisher信息矩阵实现，在模拟和实证中比AIC/BIC更准确选择模型。
2024-10-09 cs.LG stat.CO stat.ME
MEGH: A parametric class of general hazard models for clustered survival data
在生存数据分析的许多应用中，个体在不同的医疗中心接受治疗，或者属于由地理或行政区域定义的不同群组。分析这类数据需要考虑聚类之间的差异。忽略此类变异性将在分析中强加不切实际的假设，并可能影响对统计模型的推断。我们开发了一种新的参数混合效应一般风险（MEGH）模型，特别适合于聚类生存数据的分析。建议的结构概括了混合效应比例风险（MEPH）和混合效应加速失效时间（MEAFT）的结构，在其他结构中，这是作为特殊情况下的MEGH结构。我们开发了一种基于似然的算法，用于MEGH模型的一般子类中的参数估计，该算法在我们的R包{ \tt MEGH}中实现。我们提出了诊断工具，用于评估的随机效应和他们的分布假设，在建议的MEGH模型。我们调查的MEGH模型的性能，使用理论和模拟研究，以及白血病的实际数据应用。
2022-05-02 stat.AP stat.ME
Zero-Modified Poisson-Lindley distribution with applications in zero-inflated and zero-deflated count data
本文的主要目的是提出零膨胀Poisson-Lindley分布的一个推广，称为零修正Poisson-Lindley分布。零修正Poisson-Lindley方程的附加参数$π$在零放气/充气比例方面有一个自然的解释。使用似然方法处理推理。特别是在小样本和大样本下比较了分布参数的极大似然估计。我们还考虑了另一种基于Efron自举响应的偏差校正机制。该模型被应用到真实的数据集，并发现比其他竞争模型表现更好。
2018-11-27 stat.AP stat.CO stat.ME
A new method for clustered survival data]{A new method for clustered survival data: Estimation of treatment effect heterogeneity and variable selection
本文提出利用 riAFT-BART 方法解决成组删失生存数据中的治疗效应异质性估计和变量选择问题，并通过置换法与自助法插值处理变量选择和缺失数据，最终以 COVID-19 案例验证方法有效性。
2023-08-11 stat.AP stat.ME
Deep Neural Networks for Semiparametric Frailty Models via H-likelihood
Seoul National University（首尔国立大学）；Pukyong National University（釜庆国立大学）
本文提出 DNN-FM，用负剖面 h-似然训练 gamma 脆弱模型，实现成组生存数据预测，并在实验和真实数据中优于现有方法及 DNN-Cox。
2023-07-13 cs.LG stat.ME stat.ML
Gradient Boosted Mixed Models: Flexible Estimation of Mean and Variance Components for Clustered Data
本文提出GBMixed框架，通过最大似然梯度联合建模线性混合模型的均值和方差分量，扩展了提升方法到聚类数据。该方法能灵活估计固定效应函数和随机效应协方差矩阵，提升个体治疗效应的预测和预测区间。
2026-08-12 cs.LG stat.CO stat.ME
A Modified Bayesian Criterion for Model Selection in Mixed and Hierarchical Frameworks
National University of Colombia（哥伦比亚国立大学）；University of Bologna（博洛尼亚大学）；University of Puerto Rico, Río Piedras Campus（波多黎各大学里奥彼德拉斯校区）
本文提出一种改进的贝叶斯准则，通过引入似然曲率信息提升混合与分层框架中模型选择的鲁棒性和准确性。
2026-01-03 math.PR stat.ME
Bayesian nonparametric multiway regression for clustered binomial data
我们介绍了贝叶斯非参数回归模型的数据与多路（张量）结构，牙周病（PD）数据的应用程序的动机。我们的结果是每个受试者在四种不同牙齿类型上测量的患病部位的数量，受试者特异性协变量可作为预测因子。简单的参数模型不能很好地描述结果，因此我们使用了一种具有二项式似然的非参数方法，其中潜在概率是从具有任意数量组分的混合物中提取的，类似于狄利克雷过程（DP）。我们使用一个灵活的概率单位棒打破配方的组件的权重，允许协变量的依赖性和聚类结构的结果。该模型的参数空间很大且是多向的：患者$\times$牙齿类型$\times$协变量$\times$组分。我们降低了它的有效维数，并占多路结构，通过低秩假设。我们说明了如何提高性能，简化解释，同时仍然提供足够的灵活性。我们描述了一个通用的和有效的吉布斯抽样算法的后验计算。由此产生的对PD数据的拟合优于竞争对手，并且是可解释和良好校准的。预测模型的交互式可视化可在http://ericfrazerlock.com/toothdata/ToothDisplay.html上获得，代码可在https://github.com/lockEF/NonparametricMultiway上获得。
2019-01-31 stat.AP stat.ME stat.ML
Modified Method of Moments for Generalized Laplace Distribution
本文研究对称方差伽马（广义拉普拉斯）分布的参数估计，发现经典矩方法表现不佳，提出基于绝对矩的修正矩方法，在金融建模常见参数下显著提升效率，并与最大似然估计竞争。
2023-11-19 math.PR stat.ME
Likelihood-Free Estimation for Spatiotemporal Hawkes processes with missing data and application to predictive policing
Department of Statistics, University of Michigan（密歇根大学统计学院）
针对犯罪数据缺失导致时空Hawkes模型参数估计偏差的问题，提出WGAN驱动的无似然方法，通过实证提升参数估计准确性，为预测性警务提供更可靠策略。
2025-02-10 cs.LG stat.AP stat.ME
Latent Variable Model for Multivariate Data with Measure-specific Sample Weights and Its Application in Hospital Compare
我们开发了一个单因素模型与测量特定的样本权重的多变量数据与多个观察指标聚集在一个更高的水平主题。因此，该因素是同一主题内多个指标共享的潜变量，不同指标和不同主题的样本权重不同。即使在对潜变量进行积分之后，数据的似然性也不能写成每个主题的加权似然性之和，因为主题对于其多个指标具有不同的样本权重。此外，可用指标的数量因主题而异。我们推导出一个伪似然的潜变量模型与测量特定的权重。我们调查的各种统计特性的潜变量模型与测量特定的样本权重和传统的因子分析的连接。我们发现，潜变量模型提供了相合估计的方差时，测量特定的样本权重进行适当的重新调整。提出了两种估计方法--伪似然的期望最大化算法和直接积分隐变量的伪似然边缘化方法，得到参数估计。通过对公开报道的医院的指标和样本权重的分析，说明了这种方法。数值研究进行调查的权重和它们的样本分布的影响。
2019-10-18 stat.ME
Estimation of Dirichlet distribution parameters with bias-reducing adjusted score functions
狄利克雷分布，也被称为多变量贝塔，是最常用的分析频率或比例数据。极大似然是狄利克雷参数估计的一种普遍方法。然而，对于小样本量，极大似然估计可能会显示出显著的偏差。本文针对极大似然估计的均值和中位偏差减小的问题，分别通过修正的得分函数得到Dirchlet参数估计。仿真研究和应用比较调整得分方法与极大似然。
2021-03-03 stat.ME
The McDonald Modified Weibull Distribution: Properties and Applications
定义并研究了一种六参数分布，即McDonald修正的韦布尔分布。新的分布包含，作为特殊的子模型，在文献中讨论的几个重要的分布，如beta修改的Weibull分布，Kumaraswamy修改的Weibull分布，McDonald Weibull分布和修改的韦布尔分布，等等。新的分布可以有效地用于生存数据的分析，因为它容纳单调，单峰和浴缸形的风险函数。我们推导了矩，提出了用极大似然估计模型参数的方法，得到了观测信息矩阵。一个真实的数据集被用来说明新的分布的重要性和灵活性。
2013-09-11 stat.ME
On a bivariate Birnbaum-Saunders distribution parameterized by its means: features, reliability analysis and application
Birnbaum-Saunders模型已被广泛用于正偏态数据的建模。本文引入了一个以均值为参数的二元Birnbaum-Saunders分布。我们提出了一些性质的单变量和双变量Birnbaum-Saunders模型。讨论了模型参数的极大似然估计和修正矩估计及其相关推论。仿真研究进行评估的性能的极大似然和修改的时刻估计。讨论了置信区间的概率覆盖。最后，一个现实世界的数据分析进行说明所提出的模型。
2018-04-28 stat.ME
A marginalizable frailty model for correlated right-censored data
我们引入了一个灵活的个体脆弱性模型的集群右删失数据，在协变量的影响，可以勉强解释为日志失败的比值比。灵活的相关结构可以通过引入多变量指数分布的弱点，从一组多变量高斯随机变量。通过最大化复合贡献边际似然来一致估计有限维和无限维参数，并给出了它们的渐近协方差的相合估计.参数估计通过混合期望-最大值算法来实现。对大鼠研究进行了模拟和分析，以证明我们的方法。
2014-03-26 stat.ME
On Birnbaum-Saunders Inference
Birnbaum-Saunders分布，也称为疲劳寿命分布，经常用于可靠性研究。我们得到调整的Birnbaum-Saunders配置文件似然函数。对于形状和尺度参数，获得了似然函数的修改版本，即，我们将形状参数视为感兴趣的，而将尺度参数视为讨厌的，然后考虑这样的情况，其中感兴趣的是在以讨厌的方式进入建模的形状参数的情况下对尺度参数执行推断。通过极大化相应的调整后的似然函数得到修正的轮廓极大似然估计。我们提出了不同的估计和相关的似然比检验的有限样本行为的数值证据。结果有利于调整估计和测试，我们建议。本文中获得的轮廓似然调整的一个新的方面是，它们产生改进的点估计和测试。当对形状参数进行推断时，两个轮廓似然调整工作良好，并且其中一个在对尺度参数执行假设检验推断时显示出优越的行为。两个经验的应用程序进行了简要介绍。
2008-04-06 math.ST stat.ME stat.TH
Ridge, lasso, and elastic-net estimations of the modified Poisson and least-squares regressions for binary outcome data
针对二元结局数据中修正泊松回归和最小二乘回归在分离条件下的偏倚与推断失效问题，本文提出基于估计方程的正则化拟似然方法，实现风险比和风险差的稳定收缩估计与变量选择，并提供R包regconfint。
2024-11-25 stat.AP stat.ME
Multiply Robust Inference of Average Treatment Effects by High-dimensional Empirical Likelihood
本文提出高维经验似然加权与正则化增广结果回归相结合的ATE多重稳健推断方法，在多个PS模型或结果模型之一正确设定时保证置信区间覆盖，并通过模拟和右心导管数据验证其优势。
2025-08-30 stat.ME
Estimation of the Location-Scale Parameters Based on Ranked Set Sampling Combined with Additional Binomial Information
在本文中，我们提出了一个修改后的版本的排序集样本，它允许在推理过程中纳入更多的信息，几乎没有成本。这个过程中研究的位置规模家庭使用的可能性框架。我们的研究结果显示，修改后的程序产生更准确的推理比原来的排名集抽样方案
2022-10-20 stat.ME
Efficient inference of parental origin effects using case-control mother-child genotype data
父母起源效应在哺乳动物的发育和疾病中起着重要的作用。病例对照母子配对基因型数据可用于检测亲本来源效应，在实践中收集起来往往很方便。大多数现有的评估亲本来源影响的方法不包括任何协变量，这可能需要控制混杂因素。我们建议通过一个逻辑斯谛回归模型来模拟父母来源的影响，预测因子包括母亲和孩子的基因型，父母的起源，和协变量。亲本来源可能无法完全从目标遗传标记的基因型推断，因此我们建议使用与目标标记紧密连锁的标记的基因型来提高推断效率。一个计算上强大的统计推断程序开发的基础上，在一个回顾性的方式修改配置文件的可能性。设计了一种计算上可行的期望最大化算法来估计修改后的轮廓似然中涉及的所有未知参数。该算法与传统的期望最大化算法的不同之处在于，它是基于修改的而不是原始的轮廓似然函数。在较弱的正则条件下证明了算法的收敛性。这种期望最大化算法还允许方便地处理缺失的子基因型。在较弱的正则条件下，证明了估计量的弱相合性、渐近正态性和渐近有效性。有限的样本属性进行评估，通过广泛的模拟研究和应用到一个真正的数据集。
2022-08-10 stat.ME
A reduced new modified Weibull distribution
在本文中，我们提出了一个新的修改威布尔（NMW）分布由于Almalki和袁\cite{meNMW}的简化版本，以避免一些估计问题。NMW分布中的参数数量为5个。简化版本中的参数数量为三个。我们研究的数学性质以及极大似然估计的减少版本。四个真实的数据集（其中两个完整的和其他两个删失）被用来比较的灵活性，减少的版本与NMW分布。结果表明，减少的版本具有相同的理想性质的NMW分布，尽管有两个少的参数。对于四个数据集中的任何一个，NMW分布都没有提供比简化版本更好的拟合。
2013-07-15 stat.ME
Strong Consistency and Asymptotic Normality of the Maximum Likelihood Estimator in $r$-Largest Generalized Extreme-Value Models
Chonnam National University（全南国立大学）
该研究证明了rGEV模型中最大似然估计量的强一致性与渐近正态性，提出序贯修正似然准则等新要素，模拟显示用5-7个序统计量可降低100年重现水平的相对偏差。
2026-10-16 stat.ME
Cauchy robust principal component analysis with applications to high-deimensional data sets
主成分分析（PCA）是一种标准的降维技术，用于各种研究和应用领域。从算法的角度来看，经典的PCA可以用多变量高斯似然运算来表示。作为隐含高斯公式的结果，主成分对离群值不具有鲁棒性。在本文中，我们提出了一个修改后的配方，基于使用的多元柯西似然，而不是高斯似然，它具有鲁棒的主成分的效果。我们提出了一个算法来计算这些鲁棒主成分。我们还推导出第一个组件的相关影响函数，并检查其理论性质。在高维数据集上的仿真实验表明，基于柯西似然估计的主成分优于或等同于现有的鲁棒PCA技术。
2022-11-06 stat.ME
A Modified Net Reclassification Improvement Statistic
连续净重新分类改进（NRI）统计量是一种流行的模型变化度量，用于评估风险预测模型中新因子的增量值。在文献中发现的两个突出的统计问题使该措施的效用受到质疑：（1）它不是一个适当的评分函数，（2）当测试新因素是否有助于风险模型时，它具有很高的假阳性率。对于二进制响应回归模型，这些主题进行了询问和修改的连续NRI，指导的可能性为基础的分数残差，提出了解决这些问题。在嵌套模型框架内，修改后的NRI可以被视为两个风险模型之间的距离度量。使用前列腺癌数据说明了修改后的NRI的应用。
2022-04-07 math.ST stat.ME stat.TH
Minimum message length inference of the Weibull distribution with complete and censored data
具有形状参数$k>0$和尺度参数$λ>0$的韦布尔分布是完全数据或删失数据生存分析中最常用的参数分布之一。虽然韦布尔分布参数的推断通常通过极大似然法进行，但已确定的是，当样本量较小或删失数据比例较大时，由于相关的大偏倚，形状参数的最大似然估计不充分。这篇手稿演示了如何贝叶斯信息理论的最小消息长度的原则，加上一个适当的选择弱信息先验分布，可以用来推断韦布尔分布参数给定完整的数据或数据与I型截尾。实验结果表明，所提出的形状参数的最小信息长度估计优于最大似然估计，并且在Kullback-Leibler风险方面优于最近提出的其他修正的最大似然估计.最后，我们推导出所提出的方法扩展到II型删失数据。
2023-03-17 stat.ME
Bayesian information criteria for clustering normally distributed data
最大似然估计（MLE）是渐近正态分布的，该属性用于荟萃分析，以检验单个聚类或多个子组的估计值的异质性。最近，风险因素和疾病之间的关联的最大似然估计已被分层聚类，以寻找具有共同的根本原因的疾病，但需要一个客观的统计标准来确定聚类的数量和组成。为了解决这个问题，传统的统计测试进行了简要回顾，然后再考虑后验分布的数据划分成集群。后验分布是通过边缘化未知聚类中心来计算的，并且与混合模型相关的可能性不同。该计算与用于获得贝叶斯信息准则（BIC）的计算等效，但是精确的，没有拉普拉斯近似。结果包括平方和项，以及取决于簇的数量和组成的项，这些项对模型中的自由参数的数量进行惩罚。通常的BIC被证明是不适合聚类应用程序，除非在每个单独的集群中的项目的数量是足够大的。
2022-02-24 math.ST stat.AP stat.ME
