Statistical Theory for High-Dimensional Models
这些课堂讲稿由三章组成。在第一章中，我们给出了Lasso和平方根Lasso的预测误差的预言不等式，并简要介绍了缩放Lasso。在第二章中，我们建立了去稀疏Lasso的渐近线性。这意味着在某些条件下具有渐近正态性，因此可用于构建感兴趣参数的置信区间。可以调用类似的推理路线来推导精度矩阵的去稀疏估计的Lasso和渐近线性的超范数的界限。在第三章中，我们考虑了链接和Talagrand开发的更一般的泛型链接方法。这允许一个绑定的随机过程的上确界。浓度不等式是精化的概率不等式，主要是随机过程的上确界。我们把两者结合起来。我们证明了偏差不等式直接使用（通用）链接。
2014-09-30 math.ST stat.TH
Local Privacy, Data Processing Inequalities, and Statistical Minimax Rates
在一个隐私模型下，即使从统计学家那里，数据仍然是私有的，我们研究了隐私保证和所产生的统计估计的效用之间的权衡。我们证明了信息理论的数量，包括互信息和Kullback-Leibler分歧，这取决于隐私保证的界限。当结合标准的极大极小技术，包括Le Cam，Fano和Assouad方法，这些不平等允许在本地隐私约束下的统计率的精确表征。我们提供了几个典型的家庭的问题：平均估计，参数估计在固定设计回归，多项式概率估计，和非参数密度估计的治疗。对于所有这些家庭，我们提供的下限和上界，匹配常数因子，并展示新的（最佳）隐私保护机制和计算效率的估计，实现界限。
2014-08-27 cs.CR cs.IT math.IT
Nonparametric adaptive inference of birth and death models in a large population limit
出于改进人类人口统计数据库中的死亡率表的动机，我们研究了由时间不均匀的死亡率和生育率供养的人口的随机年龄演化密度的统计推断。在有限的时间范围内，人口的规模增长的渐近性：观察得到更接近的解决方案的冯Foerster麦克肯德里克方程，和困难在于同时控制的随机逼近的限制PDE在一个合适的意义上，连同适当的参数化的各向异性解决方案。在这种情况下，我们证明了新的浓度不等式，使我们能够实现的Goldenshluger-Lepski算法，并推导出甲骨文不等式。我们获得极大极小最优性和适应范围广泛的各向异性的Hölder光滑类。
2019-03-02 math.ST stat.TH
Tight Concentration Inequality for Sub-Weibull Random Variables with Generalized Bernstien Orlicz norm
最近的发展，在高维统计推断有必要集中不等式的范围更广的随机变量。我们专注于亚威布尔随机变量，它扩展了亚高斯或亚指数随机变量，允许重尾分布。研究了具有有限广义Bernstein-Orlicz范数的独立次Weibull随机变量的集中不等式，给出了广义Bernstein不等式和Rosenthal型矩界.通过Paley-Zygmund不等式得到的浓度不等式的下界证明了所提出的边界的紧性。结果被应用到一个图形模型推理问题，提高以前的样本复杂性界限。
2023-02-25 math.PR math.ST stat.TH
Rejoinder to "Equi-energy sampler with applications in statistical inference and statistical mechanics"
对Kou，Zhou和Wong的“等能量采样器及其在统计推断和统计力学中的应用"一文的反驳[数学ST/0507080]
2006-11-08 math.ST stat.TH
On the Tightness of the Laplace Approximation for Statistical Inference
Laplace方法是用来近似统计问题中难以处理的积分的。该近似的相对误差率并不比$O_p(n^{-1})$差。我们提供了第一个统计下界表明$n^{-1}$率是紧的。
2023-03-28 math.ST stat.TH
Statistical Inference with Data Augmentation and Parameter Expansion
统计实用主义包括统计推断中所有有效的方法。本文中使用所收集数据的扩增以从一大类非代表性群体的单元获得代表性群体信息。概率模型的参数扩展被证明可以降低简单假设检验的误差概率之和的上界，并提出了一种度量R，用于在充分统计量中激活附加分量的效果。
2015-12-02 math.ST stat.TH
Discussion of "Vintage factor analysis with Varimax performs statistical inference"
我们衷心祝贺Rohe博士和Zeng博士关于方差最大旋转的经典因子分析的有见地的论文\cite{rohe2020vintage}。本文讨论了保证方差极大一致地恢复子空间旋转的条件。
2022-05-20 math.ST stat.TH
Determinantal point process models and statistical inference : Extended version
统计模型和方法的决定点过程（DPP）似乎在很大程度上未被探索。我们证明，DPPs提供了有用的模型描述的空间点模式数据集附近的点互相排斥。这些数据通常由吉布斯点过程建模，其中似然和矩表达式是棘手的，并且模拟是耗时的。我们利用吸引人的概率属性的DPP开发参数模型，其中的可能性和矩表达式可以很容易地评估和实现可以快速模拟。我们讨论了如何使用DPP模型的似然或矩属性进行统计推断，并且我们提供了免费的模拟和统计推断软件。
2014-06-24 math.ST stat.TH
Sharp Oracle Inequalities for Low-complexity Priors
本文考虑了一类参数个数与样本量相当或大于样本量的高维统计估计问题。我们提出了一个统一的分析指数加权聚合和惩罚估计的性能保证与一般类的数据丢失和先验，鼓励对象符合一些简单/复杂的概念。更准确地说，我们证明了这两个估计满足尖锐的预言不等式的预测，确保其良好的理论性能。我们还强调了它们之间的差异。当噪声为随机噪声时，利用浓度不等式给出了概率不等式。然后将这些结果应用到几个实例中，包括Lasso，Lasso组，它们的分析型对应物，$\ell_\infty$和核范数惩罚。我们所有的估计可以有效地实现使用邻近分裂算法。
2017-10-03 math.ST stat.TH
Multiscale Adaptive Inference on Conditional Moment Inequalities
本文考虑了条件矩不等式模型的多尺度统计推断。我们推导了这个检验统计量的渐近分布，并利用这个结果提出了具有简单解析公式的可行临界值，证明了一个改进的Bootstrap方法的渐近有效性。渐近分布是极值，证明使用了新的技术，克服了几个技术障碍。该测试检测本地替代品的方法，在广泛的一类模型中的可用测试中以最好的速度确定的集合，并适应数据生成过程的平滑特性。我们的研究结果也有影响，在这种情况下使用的时刻选择程序。我们提供了一个蒙特卡罗研究和一个经验说明的推断在一个回归模型与内生删失和缺失数据。
2015-12-08 stat.AP
Statistical inference across time scales
我们研究跨时间尺度的统计推断。本文以离散观测的具有对称伯努利跳的复合泊松过程的强度估计为玩具模型。我们有不同时间尺度的数据：微观的、中间的和宏观的。我们量化了从微观泊松制度到宏观高斯制度的平滑统计过渡。经典的二次变差估计在微观和宏观尺度上都是有效的，但令人惊讶的是，在与采样率明确相关的中间尺度上显示出大量的信息信息的损失。我们讨论了这些发现超出这个理想化的框架的影响。
2011-06-06 math.ST stat.TH
Statistical inference for stationary linear models with tapered data
在本文中，我们调查的统计推断（参数和非参数统计估计，假设检验）的谱平稳模型与锥形数据的一些最新结果，以及一个问题，关于稳健的推断，进行了一个线性平稳过程污染的小趋势。本文还讨论了有关锥化Toeplitz矩阵和算子的一些问题，锥化Toeplitz型二次泛函的中心极限定理，锥化Fejér型核和奇异积分.这些是获得相应结果的主要工具，它们本身也很有意义。所考虑的过程将是离散时间和连续时间高斯，线性或Lévy驱动的线性记忆过程。
2021-05-14 math.ST stat.TH
Statistical inference for expectile-based risk measures
Newey和Powell（1987）在线性回归模型中引入了期望值。最近，Bellini等人（2014）揭示，预期也可以被视为合理的法律不变的风险措施。在这篇文章中，我们证明了相应的统计泛函是连续w.r.t. $1$ -弱拓扑和适当的功能可微。利用这些正则性结果，我们可以得到非参数和参数统计模型中相应估计的相合性、渐近正态性、Bootstrap相合性和定性稳健性等性质.
2016-09-20 math.ST stat.TH
The Logarithmic Super Divergence and Statistical Inference : Asymptotic Properties
基于分歧度量的统计推断有着悠久的历史。最近，Maji，Ghosh和Basu（2014）引入了一个一般的发散族，称为对数超发散族（LSD）。该家族作为对数幂发散（LPD）家族（例如，Renyi，1961）和Jones等人（2001）引入的对数密度幂散度（LDPD）家族。在本文中，我们描述的渐近性质的推理过程中产生的分歧离散模型。这些性质得到了真实数据实例的很好支持。
2014-06-09 math.ST stat.TH
Statistical inference for dynamical systems: a review
动力系统的统计推断已经在多个领域得到了广泛的研究。本文主要研究非线性动力系统的参数估计问题。我们的目标是将不同学科的结果放在一个共同的环境中，并突出进一步研究的机会。
2012-06-16 math.DS math.ST stat.TH
Statistical Inference for Fractional Diffusions
本文综述了由分数布朗运动驱动的随机微分方程的统计推断方法，分析了现有理论、挑战并提出新方法，探讨了分数扩散作为均质化极限的情况。
2026-04-04 math.PR math.ST stat.TH
Statistical Inference in Tensor Completion: Optimal Uncertainty Quantification and Statistical-to-Computational Gaps
本文针对张量补全的统计推断问题，提出结合初始估计、去偏与一步幂迭代的方法，证明其达到不确定性量化最优，探究了统计-计算鸿沟及初始化的影响，给出相变结论且模拟结果与理论一致。
2024-11-01 math.ST stat.ML stat.TH
Statistical Inference and Large-scale Multiple Testing for High-dimensional Regression Models
本文对高维回归模型（包括线性和逻辑斯谛回归）的统计推断和多重检验的最新发展进行了选择性的综述。我们检查的置信区间和假设检验的各种低维目标，如回归系数和线性和二次泛函的建设。其关键技术是为目标低维目标生成去偏和去parasized估计器，并估计其不确定性。除了涵盖这些统计方法背后的动机和直觉之外，我们还讨论了它们在高维推理背景下的最优性和自适应性。此外，我们还回顾了基于多元回归模型的统计推断的最新发展和高维回归的大规模多重检验的进展。R包SIHR已经实现了本文讨论的一些高维推理方法。
2023-01-25 math.ST stat.ME stat.TH
Rigidity theory in statistical inference
Tulane University（杜兰大学）
本文探讨了高斯模型最大似然阈值与刚性理论的关系。
2026-01-15 math.CO math.ST stat.TH
A New Family of Divergences Originating from Model Adequacy Tests and Application to Robust Statistical Inference
最小散度方法是各种统计应用中的流行工具。我们认为管状模型充分性测试，并证明，在这个过程中产生的新的分歧是非常有用的强大的统计推断。特别是，我们表明，家庭的$S$ -分歧，可以选择开发使用管状模型充分性测试，进一步应用的范例产生一个更大的超家庭的分歧。我们描述了这个更大的类的属性及其在鲁棒推理中的潜在应用。一路上，失败的一阶影响函数分析，在捕捉这些程序的鲁棒性也成立。
2018-01-15 math.ST stat.ME stat.TH
Random Matrices, Intrinsic Freeness, and Sharp Non-Asymptotic Inequalities
该研究介绍随机矩阵理论中的内蕴自由性现象，提出用其推导一般随机矩阵谱的新易用精确非渐近界，并展示高维统计推断中的应用，为2026年国际数学家大会讲座配套内容。
2025-10-01 cs.DS math.PR math.ST
On The Problem of Relevance in Statistical Inference
本文致力于“50年的相关性问题”-一个长期被忽视的话题，提请注意实际统计学家谁是关注的问题，从大规模的异构数据的推断。
2021-05-04 math.ST stat.ME stat.ML
Extended Fiducial Inference: Toward an Automated Process of Statistical Inference
Purdue University（普渡大学）；Harvard Medical School（哈佛医学院）；Harvard Pilgrim Health Care Institute（哈佛朝圣者医疗保健研究所）；University of Pennsylvania（宾夕法尼亚大学）
本文提出扩展置信推断（EFI），结合随机梯度MCMC与稀疏深度神经网络，实现大数据下参数不确定性推断的自动化，并在参数估计和假设检验中优于传统方法。
2024-07-31 cs.LG math.ST stat.ML
On the Limits of Topological Data Analysis for Statistical Inference
本文从统计推断视角审视拓扑汇总统计量，研究了实现有效统计推断的充分必要条件，并提供了对拓扑汇总具有不变性的模型示例。
2024-02-15 math.AT math.PR math.ST
Weighted KS Statistics for Inference on Conditional Moment Inequalities
本文提出了条件矩不等式模型的置信区域，该模型使用Kolmogorov-Smirnov统计量，并采用截断逆方差加权和增加截断点.新的加权不同于文献中提出的在两个重要方面。首先，基于KS检验和我提出的加权函数的置信区域以比基于广泛模型类别中有界加权函数的现有程序更快的速度收敛到已识别集。这提供了一个理论上的理由，在这种情况下，逆方差加权，并与条件矩等式中的最佳加权只影响渐近方差的类似结果。第二，新的权重改变了KS统计量本身的渐近行为，包括收敛速度，这就需要一个新的渐近理论来选择临界值，我提供了这个理论。为了进行这些比较，我得出收敛速度的置信区域，我提出了新的结果，现有的估计收敛速度下的一般条件。一系列例子说明了这些条件的广泛适用性。蒙特卡罗研究检验了置信区域的有限样本行为。
2011-12-05 stat.AP
Statistical inference in massive datasets by empirical likelihood
本文将分治法与经验似然法相结合，提出了一种新的海量数据统计推断方法。与目前流行的两种方法（小Bootstrap包法和二次抽样Bootstrap法）相比，该方法充分利用了数据集，减少了计算量。大量的数值研究和实际数据分析表明，我们所提出的方法的有效性和灵活性。此外，我们的方法的渐近性质。
2020-04-18 math.ST stat.ME stat.ML
On Quantum Statistical Inference, II
最近，随着研究小量子系统的实验技术的巨大发展，对与量子系统测量有关的统计推断问题的兴趣大大增加。此外，量子测量理论的发展使概率计算的基本数学框架更接近经典概率论。本文件回顾了这一领域，并提出了一些新的概念，并相互关联的经典统计推断的量子背景下的扩展。
2003-12-14 math.PR math.ST quant-ph
Optimal Universal Quantum Encoding for Statistical Inference
The University of Melbourne（墨尔本大学）
该研究针对量子统计推断的经典数据编码问题，证明最大量子泄漏量是编码质量的通用衡量指标，得出纯态可实现最优通用编码、比特充足时基矢编码最优的结论，并提出了数值求解的迭代方法。
2024-04-12 cs.LG eess.SP math.ST
Randomized and Exchangeable Improvements of Markov's, Chebyshev's and Chernoff's Inequalities
本文提出马尔可夫、切比雪夫和切尔诺夫不等式的随机化与可交换改进，证明简短且更强，并应用于提升通用推断功效和构建更紧的置信区间。
2023-05-09 cs.IT math.IT math.PR
Statistical Inference and Exact Saddle Point Approximations
统计推断可以遵循频率论方法，或者可以遵循贝叶斯方法，或者可以使用最小描述长度原则（MDL）。我们的目标是确定这些不同的统计推断方法一致的情况。证明了对于指数族，MDL和贝叶斯推论一致的充要条件是共轭指数族的重整化鞍点逼近是精确的。对于一维指数族，唯一具有精确重整化鞍点近似的族是高斯位置族、Gamma族和逆高斯族。它们是高斯位置族、Gamma族和泊松指数族的共轭族。前两个家族是自共轭的，这意味着只有对于前两个家族，贝叶斯方法与频率论方法是一致的。在更高的维度中，有更多的例子。
2018-05-06 cs.IT math.IT math.ST
Statistical Agnostic Mapping: a Framework in Neuroimaging based on Concentration Inequalities
University of Granada（格拉纳达大学）；University of Cambridge（剑桥大学）
在70年代，统计学的一个新分支出现了，它专注于在模式识别问题中选择一个函数，该函数满足近似质量与其复杂性之间的确定关系。这些数据驱动的方法主要致力于有限的样本量的依赖性估计的问题，并包括所有的经验样本外的推广方法，如交叉验证（CV）的方法。虽然后者是神经成像中的\emph{not designed for testing competing hypothesis or comparing different models}，但是在该理论内存在许多理论发展，其可以用于导出体素或多体素水平的统计不可知（非参数）映射（SAM）。此外，SAM可以缓解i）通过CV方法估计实际风险时有限样本量的不稳定性问题，例如较大的误差条，并提供ii）推论统计中用于假设检验的家族误差（FWE）校正p值图的替代方法。从这个意义上说，我们提出了一种新的框架，在神经成像的基础上集中不等式，这导致（i）一个严格的发展模型验证与小样本/尺寸比，和（ii）一个不太保守的程序比FWE的p值校正，以确定大脑的显着性地图的推断，使用小的上限的实际风险。
2019-12-27 cs.LG eess.IV stat.AP
Heterogeneous Overdispersed Count Data Regressions via Double Penalized Estimations
本文研究了非均匀过度分散计数数据的双正则化$\ell_1$的非渐近性质。在限制特征值条件下，利用经验过程的集中不等式，首次证明了两个偏回归系数的Lasso估计的预言不等式。此外，由预言不等式导出的估计量的相合性和收敛速度是进一步统计推断的理论保证。最后，仿真和实际数据分析表明，新方法是有效的。
2022-02-07 econ.EM math.ST stat.ME
Statistical inference using SGD
The University of Texas at Austin（德克萨斯大学奥斯汀分校）；IBM T.J. Watson Research Center, Yorktown Heights（IBM T.J. Watson 研究中心，约克镇高地）
我们提出了一种新的方法，频率统计推断$M$估计问题，随机梯度下降（SGD）的基础上，具有固定的步长：我们证明，这种SGD序列的平均值可以用于统计推断，经过适当的缩放。使用Ornstein-Uhlenbeck过程的直观分析表明，这样的平均值是渐近正态的。从实践的角度来看，我们的SGD为基础的推理过程是一个一阶的方法，非常适合于大规模的问题。为了展示其优点，我们将其应用于合成和真实数据集，并证明其准确性与经典统计方法相当，同时需要的计算量可能少得多。
2017-11-19 cs.AI cs.LG math.OC
An integrative approach based on probabilistic modelling and statistical inference for morpho-statistical characterization of astronomical data
本文介绍了在天文学和宇宙学中的几个应用，解决了使用概率建模和统计推断。
2015-10-19 astro-ph.IM stat.AP
A very short guide to IOI: A general framework for statistical inference summarised
综合有机推理（IOI）是讨论在一个简洁和非正式的方式，目的是给读者的要点是什么，这种方法，以统计推断是关于以及给予指针，以进一步阅读。
2021-04-23 stat.ME stat.OT
Statistical inference for statistical decisions
Wald发展的统计决策理论解决了样本数据的决策问题。Wald的统计决策函数（SDF）概念包含了[data -> decision]形式的所有映射。SDF不需要进行统计推断;也就是说，它不需要使用数据来得出关于自然真实状态的结论。基于推理的SDF具有顺序形式[数据->推理->决策]。本文激励基于推理的SDF作为决策的实际程序，可能会完成一些沃尔德设想。本文首先解决二元选择问题，所有的SDF可以被视为假设检验。它接下来考虑假设优化，它使用真实状态的点估计，就好像估计是准确的一样。然后，它扩展了这个想法，如果最大和最小最大遗憾的决定，使用点估计的一些功能的真实状态，如果他们是准确的。本文主要采用有限样本最大遗憾来评估基于推理的SDF的性能。为了说明抽象的想法，它提出了具体的调查结果，处理选择和点预测样本数据。
2019-09-15 econ.EM stat.ME
Statistical Inference: The Big Picture
统计学已经超越了过去的频率论-贝叶斯争议。这让我们解释结果的能力到哪里去了？我认为，一种与统计实践相容的哲学，在这里被称为统计实用主义，可以作为推理的基础。统计实用主义是包容性的，强调将统计模型与观察数据联系起来的假设。我认为，入门课程往往错误地描述了统计推断的过程，我提出了一个替代的“大局”的描述。
2011-06-22 stat.ME stat.OT
Statistical inference for Axiom A attractors
从气候系统到互联网对社会的影响，混沌系统似乎在我们的未来发挥着重要作用。在这里描述了一类混沌系统的统计学习方法以及基本理论，不仅可以用于预测这些系统的短时间提前，但也作为统计推断的基础上，他们的动态。该方法被应用于3个不同的系统的预测。统计推断方面可以应用于探索和增强这种系统的计算机模型，这反过来可以为更好的预测和更精确的推断提供反馈。
2020-02-24 stat.AP
Discussion of "Statistical Inference: The Big Picture" by R. E. Kass
《统计推断：The Big Picture》，R. E.卡斯[arXiv：1106.2895]
2011-06-17 stat.ME
Discussion of "Statistical Inference: The Big Picture" by R. E. Kass
《统计推断：The Big Picture》，R. E.卡斯[arXiv：1106.2895]
2011-06-17 stat.ME
Valid and Exact Statistical Inference for Multi-dimensional Multiple Change-Points by Selective Inference
Nagoya Institute of Technology（名古屋工业大学）；RIKEN（日本理化学研究所）
本文研究了多维序列中变点的统计推断。在从多维序列的CP检测中，通常期望不仅检测位置，而且识别其中发生变化的分量的子集。已经提出了几种算法，这样的问题，但没有有效的精确推理方法已被建立，以评估检测到的位置和组件的统计可靠性。在这项研究中，我们提出了一种方法，可以保证检测到的变化的位置和组件的统计可靠性。我们证明了所提出的方法的有效性，将其应用到基因组异常识别和人类行为分析的问题。
2021-10-18 cs.LG stat.ML
Discussion of "Statistical Inference: The Big Picture" by R. E. Kass
《统计推断：The Big Picture》，R. E.卡斯[arXiv：1106.2895]
2011-06-17 stat.ME
Statistical inference for epidemic processes in a homogeneous community (Part IV of the book Stochastic Epidemic Models and Inference)
本文是由Tom Britton和Etienne Pardoux编辑的《Stochastic Epidemic Models with Inference》一书的第四部分。它是由凯瑟琳·拉雷多写的，第四章由越南志陈贡献。流行病数据提出了具有挑战性的统计问题，首先是处理缺失信息这一反复出现的问题。我们回顾的方法，如MCMC，ABC或基于扩散近似的方法。本文件计划：1）观测与渐近框架; 2）马尔可夫链传染病模型的推断; 3）传染病模型基于扩散近似的推断; 4）连续时间SIR模型的推断。
2020-04-16 math.PR stat.AP
Contemporary statistical inference for infectious disease models using Stan
本文关注的是应用最新的统计进展推断传染病的动力学。我们描述了一类流行病模型的拟合使用哈密顿蒙特卡罗和变分推断实现在免费提供的斯坦软件。我们将这两种方法应用于疫情的真实数据以及常规收集的观察结果。我们的研究结果表明，这两种推理方法在这种情况下是计算上可行的，并显示统计效率与计算速度之间的权衡。后者似乎特别适用于实时应用。
2019-08-08 q-bio.QM stat.AP
Selective Inference Approach for Statistically Sound Predictive Pattern Mining
从数据库中发现统计上显著的模式是一个重要的挑战性问题。这个问题的主要障碍是难以考虑选择偏差，即，偏见是从数据库中大量的候选模式中选择出来的。在本文中，我们介绍了一种新的预测模式挖掘问题，可以解决选择偏差的问题。我们的方法是建立在最近流行的统计推断框架称为选择性推理。在选择性推断中，基于选择事件条件下的抽样分布进行统计推断（例如统计假设检验）。如果选择事件以易于处理的方式表征，则可以进行统计推断而无需考虑选择偏倚问题。然而，在模式挖掘问题中，很难刻画挖掘算法的整个选择过程。本文的主要贡献是通过引入一种新的算法框架来解决一类预测模式挖掘问题的这一具有挑战性的问题。我们证明，我们的方法是有用的，从数据库中找到统计上显着的模式。
2016-03-09 stat.ML
A statistical inference course based on p-values
介绍性的统计推断教科书和课程分别处理点估计、假设检验和区间估计问题，主要强调大样本近似。在这里，我提出了另一种方法来教授这门课，围绕p值，强调可证明有效的推断，为所有样本量。还提供了有关计算和边缘化的详细信息，以及一些说明性的例子，以及课程大纲。
2016-06-07 stat.ME stat.OT
Statistical inference for moving-average Lévy-driven processes: Fourier-based approach
研究了连续时间滑动平均Lévy过程的半参数统计估计的一种新方法。我们推导出所提出的估计的收敛速度，并表明这些速度是最佳的极大极小意义。
2017-02-09 stat.ME
Exact Statistical Inference for the Wasserstein Distance by Selective Inference
Nagoya Institute of Technology（名古屋工业大学）；RIKEN（理化学研究所）
在本文中，我们研究了瓦瑟斯坦距离的统计推断，这已经引起了广泛的关注，并已被应用于各种机器学习任务。文献中已经提出了一些研究，但几乎所有的研究都是基于渐近近似，不具有有限样本有效性。在这项研究中，我们提出了一个精确的（非渐近）推理方法的瓦瑟斯坦距离的启发条件选择性推理（SI）的概念。据我们所知，这是第一个方法，可以提供一个有效的置信区间（CI）的瓦瑟斯坦距离有限样本覆盖保证，这不仅可以应用于一维问题，但也适用于多维问题。我们评估所提出的方法在合成和真实世界的数据集上的性能。
2022-01-20 cs.LG stat.ML
Confidence Distribution and Distribution Estimation for Modern Statistical Inference
本文介绍了置信分布的新概念、新方法和现代统计学中的分布推断。这个讨论应该是感兴趣的人谁愿意深入的统计推断方法和利用分布估计在实践中。我们还包括在讨论中的主题广义信念推断，一种特殊类型的现代分布推理，并将其与置信分布的概念。并提供了几个实际的数据实例供实践者参考。我们希望所选内容涵盖这一主题的大部分发展。
2021-09-04 stat.ME
Comparing Apples and Oranges: Two Examples of the Limits of Statistical Inference, With an Application to Google Advertising Markets
我们展示了经典的Cramer-Rao界限如何限制人们同时估计大量Google广告活动价值的准确性（或者类似地限制许多令人混淆的A/B测试的测量率）。
2016-11-30 cs.AI stat.AP
Statistical Inference for SPDEs: an overview
本文的目的是综述抛物型随机偏微分方程的统计推断领域的最新进展。本文的重要部分是致力于频谱的方法，这是研究最多的采样计划下，在傅立叶空间中的观测在一些有限的时间间隔。我们还详细讨论了离散采样的解决方案的实际重要情况。其他相关的方法和一些开放的问题进行了简要讨论的过程中的手稿。
2017-12-14 math.PR stat.ME
Retrospective Statistical Inference
Purdue University（普渡大学）
本文提出一种新的回顾性统计推断范式，以观测数据的点估计为核心生成复制品分布，可用于非参数和参数回归，避免前瞻性有限维模型假设，为非参数函数估计提供替代不确定性量化方案。
2026-08-14 stat.ME
Analogy making as the basis of statistical inference
本文提出将类比作为统计推断的正式基础，构建通用框架，并应用于解决巴特利特和林德利悖论，提供原创处理方式。
2025-04-22 stat.ME stat.OT
