Testing nonparametric shape restrictions
我们描述和检查测试的一般类的形状约束，如衍生工具，U-（S-）形状，对称性，准凸性，对数凸性，$r$凸性，除其他外，在一个非参数框架，使用部分和经验过程的符号上的约束。我们表明，经过适当的变换，它的渐近分布是一个功能的标准布朗运动，使临界值是可用的。然而，由于有限样本的渐近临界值的逼近可能很差，我们也描述了一个有效的自举算法。
2020-06-08 econ.EM math.ST stat.ME
Multiple Testing in Nonparametric Hidden Markov Models: An Empirical Bayes Approach
给定一个具有两个状态的非参数隐马尔可夫模型（HMM），考虑将其中一个状态作为未知的原假设，构造有效的多重检验程序的问题.介绍了一个程序，基于非参数经验贝叶斯的想法，控制在用户指定的水平的错误发现率（FDR）。还以控制真阳性率的形式提供功率保证。在建设中的关键步骤之一，要求上确界-范数收敛的HMM的发射密度的初步估计。我们提供了这样的估计的存在性，收敛在最佳的极小极大率的情况下，一个HMM与$J\ge 2$状态，这是独立的利益。
2021-01-11 math.ST stat.TH
Specification testing in nonparametric AR-ARCH models
本文考虑了具有条件异方差的自回归时间序列模型，其中条件均值和条件方差函数均为非参数模型。对创新与过去时间序列值无关的模型假设进行了检验。该测试基于经验特征函数的加权$L^2$距离。在独立性的原假设下得到了渐近分布，并证明了对固定方案的一致性。一个光滑的自回归残差自助程序的建议，其性能在模拟研究。
2016-10-11 math.ST stat.TH
Minimax nonparametric testing in a problem related to the Radon transform
我们考虑的检测问题的二维函数从噪声观测其积分线。我们研究率和尖锐的渐近误差概率在极大极小设置。通过构造，导出的测试是非适应性的。我们还构造了一个结构相当简单的minimax率最优自适应测试。
2011-09-19 math.ST stat.TH
A nonparametric two-sample hypothesis testing problem for random dot product graphs
我们考虑的问题，测试是否有两个有限维随机点积图产生的潜在位置，独立地从相同的分布，或分布相关，通过缩放或投影。我们提出了一个检验统计量，这是一个基于核函数的邻接谱嵌入每个图。我们得到了一个极限分布，我们的检验统计量下的空，我们表明，我们的检验程序是一致的，在广泛的替代品。
2015-11-12 math.ST stat.TH
Nonparametric testing via partial sorting
在本文中，我们引入了部分排序数据的思想来设计非参数检验。这种方法产生了对数据的顺序和底层分布都敏感的测试。我们特别关注使用冒泡排序算法对数据进行部分排序的测试。我们表明，一个函数的数据，称为经验气泡排序曲线，一致收敛到一个极限曲线。我们根据经验曲线与其极限之间的距离定义拟合优度检验。检验统计量的渐近分布是Kolmogorov分布的推广。我们应用测试在几个例子中，并观察到它优于经典的非参数检验适当选择的排序水平。
2022-10-26 math.ST stat.TH
Testing for a constant coefficient of variation in nonparametric regression
本文对一般非参数回归模型中变异系数为常数的假设提出了一种新的检验方法。该检验基于回归函数的平方与方差函数之间的$L^2$距离估计值。我们证明了在原假设和固定替代下该距离的标准化估计的渐近正态性，并通过模拟研究研究了相应的Bootstrap检验的有限样本性质。所得结果适用于一般混合条件下的平稳过程，并用于构造金融时间序列中平稳性假设的检验。
2008-09-29 math.ST stat.TH
Nonparametric inference for additive models estimated via simplified smooth backfitting
我们研究了使用简化平滑回拟合估计的非参数加性模型中的假设检验（Huang和Yu，Journal of Computational and Graphical Statistics，\textbf{28(2)}，386- 400，2019）。简化的光滑回拟合在正则性条件下实现了预言性质，并提供了用于推导渐近性质的估计量的封闭形式表达式。我们开发了一个广义的似然比（GLR）和一个损失函数（LF）为基础的测试框架的推断。在原假设下，GLR和LF检验都具有渐近重新标度的卡方分布，并且都表现出Wilks现象，这意味着标度常数和自由度与冗余参数无关。这些检验在非参数假设检验的收敛速度方面是渐近最优的。此外，非常适合模型估计的带宽可能对测试有用。我们证明了在可加性模型中，LF检验比GLR检验渐近更有效。我们使用模拟来证明Wilks现象和这些建议的GLR和LF测试的力量，并通过一个真实的例子来说明它们的有用性。
2022-09-15 math.ST stat.ME stat.TH
Minimax Nonparametric Two-sample Test under Smoothing
我们考虑两组之间的概率密度比较的问题。提出了一种新的概率张量积光滑样条框架来模拟两个变量的联合密度。在这种框架下，概率密度比较相当于测试相互作用的存在/不存在。我们提出了一种用于此类相互作用检验的惩罚似然比检验，并表明在原假设下检验统计量是渐进卡方分布的。此外，我们得到了一个尖锐的minimax检验率的基础上的伯恩斯坦宽度的非参数两样本检验，并表明我们提出的检验统计量是minimax最优的。此外，一个数据自适应调整标准的发展，以选择惩罚参数。仿真和实际应用表明，所提出的测试优于传统的方法在各种情况下。
2021-01-11 math.ST stat.AP stat.ME
Nonparametric Inference under B-bits Quantization
Biogen Inc（百健公司）；Texas Tech University（得克萨斯理工大学）；University of Miami（迈阿密大学）；New Jersey Institute of Technology（新泽西理工学院）
本文针对有损或不完整样本的统计推断问题，提出一种基于B比特量化的非参数检验方法，证明当B超过阈值时可达到样条模型的经典极小极大速率，并通过模拟和真实数据验证其有效性。
2023-08-11 cs.LG math.ST stat.ML
Efficiency of nonparametric e-tests
本文针对对称性非参数假设，构造三种常用非参数检验的 e-value 版本，并提出对应于 Pitman 渐近相对效率的评价概念以分析其效率。
2024-01-26 math.ST stat.ME stat.TH
Computation-free Nonparametric testing for Local and Global Spatial Autocorrelation with application to the Canadian Electorate
局部和全局空间关联的度量是探索性空间数据分析的关键工具。存在许多这样的度量，包括Moran的$I$、Geary的$C$以及Getis-Ord $G$和$G^*$统计。检验显著性的参数方法依赖于强假设，而现实世界的数据往往不符合这些假设。或者，最流行的非参数方法，排列测试，特别是对于大规模的图形网络，施加了很大的计算负担。因此，我们提出了一个计算免费的方法来非参数置换测试的本地和全球措施的空间自相关性源于广义的欣钦不等式从功能分析和理论的$L^p$空间。我们的方法在2019年艾伯塔省加拿大联邦选举的结果中得到了证明。我们记录了保守党候选人在每次竞选中获得的选票百分比。该数据为非正态数据，样本量固定在$n=34$骑马上，使得参数方法无效。相比之下，对每次骑行、多个检验统计量、各种邻域结构和多重检验校正运行经典排列测试将需要模拟数百万个排列。我们能够在此数据集上实现与置换检验相似的统计功效，而无需进行繁琐的模拟。我们还考虑了在加拿大整个选举地图上模拟的数据。
2020-12-15 math.ST stat.CO stat.ME
Multiple testing, uncertainty and realistic pictures
我们研究了噪声图像中灰度目标的统计检测。感兴趣的对象具有未知的形状并且具有未知的强度，其可以在对象上变化并且可以是负的。没有边界形状的约束施加在对象上，只有一个弱体条件的对象的内部是必需的。我们提出了一种算法，可用于检测未知形状的灰度对象中存在的非参数噪声的未知水平。我们的算法是基于非参数多重检验过程。我们通过一个明确的，封闭的形式，非渐近和非参数的一致性界建立我们的方法的适用性限制。这个界限对广泛的一类非参数噪声分布是有效的。我们通过证明有限格上渗流的不确定性原理来实现这一点。
2011-02-23 math.PR math.ST stat.ME
Isotropy testing in spatial point patterns: nonparametric versus parametric replication under misspecification
本文提出将非参数复制方法整合到空间点模式各向同性检验的通用框架，并通过大规模模拟研究证明其在模型误设定下相比参数复制方法能更稳健地控制检验水平和功效。
2025-04-08 stat.ME
Curve registration by nonparametric goodness-of-fit testing
曲线配准问题出现在从神经科学到道路交通建模的许多不同的应用领域中。在目前的工作中，我们提出了一个非参数测试框架，我们开发了一个广义的似然比检验进行曲线配准。我们首先证明，在原假设下，得到的检验统计量是渐近分布的卡方随机变量。该结果通常被称为Wilks现象，为规定的渐近显着性水平的检验提供了自然阈值，并根据$χ^2$检验的$p$值提供了失拟的自然测量。我们还证明了所提出的测试是一致的，\textit{i.e.}，它的权力是渐近等于$1$。数值模拟证明了所提出的方法的有限样本性质。作为应用，介绍了一种新的数字图像局部描述子，并对其鉴别能力进行了实验评估。
2015-02-19 math.ST stat.TH
Chi-squared test for hypothesis testing of homogeneity
给出了齐性假设检验卡方检验的非参数备择集一致相合的充要条件。卡方检验的单元数随着样本量的增加而增加。非参数方案集可以用密度和分布函数来定义。
2021-08-26 math.ST stat.TH
A nonparametric empirical Bayes framework for large-scale multiple testing
我们提出了一个灵活的和可识别的版本的两组模型，出于分层贝叶斯的考虑，其特点是一个经验空和半参数混合模型的非空情况。我们使用一个计算效率高的预测递归边际似然方法来估计模型参数，甚至非参数混合分布。这导致了一个非参数的经验贝叶斯检验过程，我们称之为PR测试，阈值的基础上估计的本地错误发现率。仿真和实际数据的例子表明，与现有的方法相比，PR测试的非零密度的仔细处理可以得到一个更好的适合在尾部的混合分布，这反过来，可以导致更现实的结论。
2011-10-01 stat.CO stat.ME
Nonparametric independence testing via mutual information
我们提出了一个测试的独立性的两个多变量随机向量，给定的样本从底层人口。我们的方法，我们称之为MINT，是基于互信息的估计，其分解为联合和边际熵，便于使用最近开发的高效熵估计来自最近的邻居距离。建议的临界值，这可能是从模拟（在一个边际是已知的情况下）或restaurant，保证测试具有标称大小，我们提供本地电源分析，均匀的密度类，其互信息满足一个下限。我们的想法可以扩展到提供一个新的拟合优度测试的正常线性模型的基础上评估我们的向量的协变量和一个适当定义的概念的误差向量的独立性。模拟和真实数据的数值研究支持的理论。
2017-11-17 cs.IT math.IT math.ST
Sharp adaptive nonparametric testing for constant volatility
Albert-Ludwigs-Universität Freiburg（阿尔伯特·路德维希弗赖堡大学）
本文提出一种非参数高斯白噪声模型中检验波动率函数是否为常数的检验方法，证明其在填充渐近中是最小大最优且自适应，通过构造高度为h(b)的假设并利用隐函数定理证明解的存在性。
2026-04-28 math.ST stat.TH
Significance testing in quantile regression
本文考虑多元非参数分位数回归中预测变量的显著性检验问题。提出了一个随机过程，它是基于一个比较的响应与非参数分位数回归估计下的原假设。证明了在原假设下，该过程弱收敛于中心高斯过程，并讨论了在固定和局部替换下检验的渐近性质.特别是，我们表明，-在非参数方法的基础上估计$L^2$ -距离-新的测试是能够检测本地的替代品收敛到原假设与任何速率$a_n \to 0$，使$a_n \sqrt{n} \to \infty$（这里$n$表示的样本量）。我们还提出了一个小的模拟研究，说明了有限样本性质的自举版本的相应的Kolmogorov-Smirnov测试。
2012-06-14 math.ST stat.ME stat.TH
Nonparametric two-sample hypothesis testing for low-rank random graphs of differing sizes
本文提出了一种非参数两样本检验方法，用于测试不同规模低秩随机图的分布相等性，通过最大均值差异和最优传输估计实现。
2026-03-06 math.ST stat.TH
Differentially Private Nonparametric Hypothesis Testing
假设检验是数据挖掘的重要统计工具，也是许多领域科学研究的主力。在这里，我们研究分类变量和连续变量之间独立性的差异私人测试。我们以传统的非参数检验为起点，它不需要分布假设（例如，正态性（normality）。我们提出了私人类似物的Kruskal-Wallis，Mann-Whitney和Wilcoxon符号秩检验，以及参数单样本t检验。这些测试使用专门为私人设置开发的新颖的检验统计量。我们将我们的测试与先前的工作进行比较，包括参数和非参数测试。我们发现，在所有情况下，我们的新的非参数检验实现了大的改进，在统计功效，即使当参数检验的假设得到满足。
2019-03-22 cs.CR stat.ME
Nonparametric Estimation and Testing on Discontinuity of Positive Supported Densities: A Kernel Truncation Approach
密度函数中的不连续性具有经济上的重要性和意义。例如，在回归不连续性设计的研究中，运行变量密度的不连续性表明违反了无操纵假设。本文给出了正支撑下密度不连续性的估计和检验方法。我们的方法是建立在分裂的伽玛内核（陈，2000年）在一个给定的（不）连续点分为两部分，并构建两个截断的内核。该点处密度的跳跃大小可以通过两个核和乘性偏差校正方法非参数地估计。该估计器易于实现，其收敛性通过对不完全Γ函数的各种近似技术来实现。基于跳长估计，给出了连续零点的两种检验统计量。此外，在存在间断点的情况下，探讨了整体密度的估计理论。蒙特卡罗模拟证实了跳跃大小估计量和检验统计量的有限样本性质。
2016-08-01 math.ST stat.TH
Federated Nonparametric Hypothesis Testing with Differential Privacy Constraints: Optimal Rates and Adaptive Tests
University of Pennsylvania（宾夕法尼亚大学）
本文研究差分隐私约束下联邦非参数拟合优度检验，建立极小极大分离速率的匹配上下界并揭示相变现象，证明共享随机性可提升一次性协议性能，并提出能以极小代价自适应未知正则性参数的数据驱动检验方法。
2024-06-10 cs.LG math.ST stat.ML
Uniform Asymptotics for Nonparametric Quantile Regression with an Application to Testing Monotonicity
本文建立了分位数回归函数局部多项式估计的Bahadur表示的一致差错率。差错率在一系列分位数、回归量中的一系列评估点以及观察到的随机变量的广泛概率类别上是均匀的。关于局部多项式分位数回归估计量的Bahadur表示的大多数现有结果都适用于固定数据生成过程。在测试单调性的背景下，原假设是一个复杂的复合假设，它是特别相关的建立巴哈杜尔展开，保持一致的一大类数据生成过程。此外，我们建立了相同的差错率的自助局部多项式估计，这可能是有用的各种自助推断。作为一个例子，我们应用于测试的单调性分位数回归和基于这个例子的Monte Carlo实验。
2015-08-26 math.ST stat.TH
Asymptotic theory for nonparametric testing of $k$-monotonicity in discrete distributions
ETH Zurich（苏黎世联邦理工学院）；Università della Svizzera italiana（瑞士意大利语大学）
本文提出了一种基于自然统计量的统一检验框架，用于检验离散分布的k-单调性，并设计了估计最大k值的自洽方法，同时分析了检验的渐近有效性和功效。
2026-07-29 math.ST stat.ME stat.TH
Nonparametric Empirical Bayes Estimation and Testing for Sparse and Heteroscedastic Signals
University of Pennsylvania（宾夕法尼亚大学）；Temple University（天普大学）；University of Michigan（密歇根大学）
现代大规模数据往往涉及高维未知参数的估计和检验。希望以准确性和错误发现控制来识别稀疏信号，“大海捞针”。然而，现代数据结构中前所未有的复杂性和异构性需要新的机器学习工具来有效地利用共性，并针对稀疏性和异构性进行鲁棒调整。此外，高维参数的估计往往缺乏不确定性量化。在本文中，我们提出了一种新的尖峰和非参数混合先验（SNP）-尖峰，以促进稀疏性和非参数结构捕获信号。与现有的方法相比，本文提出的方法同时解决了估计和检验问题，具有以下优点：1）稀疏性估计准确; 2）具有收缩/软阈值特性的点估计; 3）不确定性量化的可信区间; 4）控制错误发现率的最优多重检验过程。我们的方法在模拟数据和基因表达案例研究上都表现出很好的经验性能。
2021-11-05 cs.LG stat.ME
The Building Blocks of Classical Nonparametric Two-Sample Testing Procedures: Statistically Equivalent Blocks
本文以统计等价块及其频率统一推导经典两样本非参数检验，并将多种单变量检验推广到任意高维，保持零假设性质与尺度不变性。
2025-06-10 stat.ME
Nonparametric hypothesis testing for equality of means on the simplex
在单形上的数据的背景下，我们调查使用经验和指数经验似然，Hotelling和James统计，以测试相等的人口平均值的原假设的基础上，两个独立的样本。我们进行了广泛的数值研究，使用模拟的数据从各种分布的单纯形。的结果，结合实际的实施考虑，支持使用自举校准詹姆斯统计。
2016-08-04 stat.ME
Decentralized Nonparametric Multiple Testing
考虑一个大数据多重检验任务，其中由于存储和计算瓶颈，通过分成可管理的块并分布在数千个计算机节点上，可以获得非常大的p值集合。本文研究的问题是：如何在没有节点间数据交换的情况下，通过在单机上完全独立的并行操作，找到全数据多重检验的解决方案？这个版本的问题往往自然出现在广泛的数据密集型科学和工业应用的方法解决方案还没有出现在文献中，因此，我们认为有必要进行这样的分析。基于Mukhopadhyay（2016）开始的大规模推理的非参数函数统计观点，本文描述了一种新的计算模型，该模型为算法的设计带来了意想不到的简单性，否则使用经典方法和符号可能会令人生畏。
2018-05-05 stat.CO stat.ME
A nonparametric projection-based estimator for the probability of causation, with application to water sanitation in Kenya
目前的因果关系概率（PC）的估计方法进行强参数假设或效率低下。我们推导出一个非参数的影响函数为基础的估计PC的投影，它允许简单的解释和有效的推理，通过弱结构假设。我们将我们的估计器应用于肯尼亚实验的真实数据，该实验发现，通过估计平均处理效应，保护水泉可以减少儿童疾病。然而，在扩大这种干预之前，重要的是要确定是否是暴露，而不是其他东西，导致了结果。事实上，我们发现，一些儿童，谁是暴露于高浓度的细菌在饮用水中，并有牙周病，可能会感染疾病的暴露，因为估计PC为平均儿童在这项研究中是0.12，95%的置信区间（0.11，0.13）。我们的非参数方法为研究人员提供了一种估计PC的方法，如果人们希望不仅确定平均处理效应，而且确定暴露是否可能导致观察到的结果，这是必不可少的。
2019-10-30 stat.AP stat.ME
Dimension reduction-based significance testing in nonparametric regression
针对非参数回归模型，提出了一种基于降维的自适应模型检验方法。与现有的局部平滑显著性检验不同，新的检验表现得像一个局部平滑检验，就好像协变量的数量只是原假设下的协变量的数量，并且它可以以仅与原假设下的协变量的数量相关的速率检测不同于原假设的局部替代品。因此，当不可避免地需要非参数估计时，维数灾难在很大程度上得到缓解。在有许多不显著的协变量的情况下，新的测试的改进是非常显着的显着性水平的维持和功率增强现有的局部平滑测试。仿真研究和实际数据分析进行了有限样本的性能测试。
2015-10-13 stat.ME
Optimal heteroskedasticity testing in nonparametric regression
本文从极小极大视角研究非参数回归异方差检验问题，确立了不同光滑性假设与噪声条件下的精确极小极大分离率，并提出基于一阶平方差分的核统计量实现最优检验，揭示了噪声信息对一致检验的必要性。
2024-12-09 math.ST stat.ME stat.TH
On the Decreasing Power of Kernel and Distance based Nonparametric Hypothesis Tests in High Dimensions
Carnegie Mellon University（卡内基梅隆大学）
本文研究了两个相关的决策理论问题：非参数两样本检验和独立性检验。有一个信念，最近提出的两个解决方案，基于内核和点对之间的距离，在高维环境中表现良好。我们确定了导致上述信念的误解的不同来源。具体来说，我们区分硬度的估计检验统计量的硬度测试这些统计量是否为零或没有，并明确讨论了一个概念，这些问题的“公平”的替代假设，作为尺寸的增加。然后，我们证明，这些测试的力量实际上下降多项式增加对公平的替代品的尺寸。最后，我们给出了一些理论上的见解，并阐明了用于内核带宽选择的\textit{median heuristic}。我们的工作推进了当前对现代非参数假设检验在高维中的作用的理解。
2014-11-24 cs.IT cs.LG math.IT
Testing for a General Class of Functional Inequalities
本文提出了检验非参数函数不等式约束的一般方法。我们的框架在一个统一的框架中包括许多非参数检验问题，在拍卖模型，博弈论模型，工资不平等和显示偏好中有许多可能的应用。我们的测试涉及核型估计$(1\leq p <\infty )$的$L_{p}$泛函的单侧版本，并且通常易于实现，主要是由于其求助于自举方法。自举过程是基于非参数自举应用于基于核的检验统计量，估计“接触集。“我们提供了正则性条件，在该条件下，自助检验在一大类分布上一致渐近有效，包括检验统计量的极限分布退化的情况。我们的自举测试在Monte Carlo实验中表现出良好的功率特性，我们提供了一个一般形式的本地功率函数。作为一个例子，我们考虑测试拍卖理论的影响，为我们的测试提供了原始条件，并通过将我们的测试应用于真实数据来证明其有用性。我们在工资不平等的背景下用第二个经验说明来补充这个例子。
2015-06-17 math.ST stat.ME stat.TH
Sharp adaptive nonparametric testing for Sobolev ellipsoids
我们考虑在强度为1/sqrt（n）的高斯白噪声中测试信号的存在，当替代方案由具有（平方）半径ρ的L2球的平滑椭球给出时。已知对于光滑度为β且大小为M的固定Sobolev型椭球，n次方的ρ（4 β/（4 β +1））是临界分离率，在这个意义上，α检验的第二类极大极小误差严格渐近地保持在0和1之间（Ingster，1982）。此外，Ermakov（1990）发现了第二类极大极小误差在分离率下的尖锐渐近性。在这种情况下，对于β和M的自适应，已知对于ρ的分离率的对数惩罚对于非零渐近功率是必要的。在这里，下面的一个例子，在非参数估计相关的平斯克常数，我们调查的适应问题，椭球大小M只，固定的光滑度β。它是建立在自适应设置的尖锐的风险渐近可以复制，如果ρ趋于零慢于分离率。在这里，适应的代价是一个任意缓慢地趋于无穷大的序列。
2012-10-30 math.ST stat.TH
Active Nonparametric Two-Sample Testing by Betting on Heterogeneous Data Sources
University of Michigan（密歇根大学）
本文提出了一种基于投注框架的主动非参数两样本检验方法，通过自适应选择异质数据源以提高检验效率和准确性。
2025-12-26 cs.IT math.IT math.ST
Robust Nonparametric Hypothesis Testing to Understand Variability in Training Neural Networks
Pacific Northwest National Laboratory（太平洋西北国家实验室）
针对深度神经网络训练因随机性产生的模型变异性，提出基于阈值前输出、依托鲁棒非参数假设检验框架的模型相近度衡量指标，可适配多种模型导出量。
2023-10-01 cs.LG stat.ML
Generalized Multivariate Signs for Nonparametric Hypothesis Testing in High Dimensions
Data Science and AI Research（数据科学与人工智能研究院）；AT&T Chief Data Office（美国电话电报公司首席数据办公室）；University of Minnesota Twin Cities（明尼苏达大学双城分校）
高维数据，其中特征空间的维度远大于样本量，出现在许多统计应用中。在这种情况下，我们构造了广义多元符号变换，定义为一个向量除以其范数。对于范数函数的不同选择，所得到的变换向量适应于数据分布的某些几何特征。在此基础上，利用这些广义符号向量，得到了高维数据均值向量的单样本和双样本检验方法。这些测试是基于U-统计使用内核内积，不需要禁止的假设，并服从于一个快速的随机化为基础的实现。通过实验，在一些数据设置，我们表明，使用广义符号的测试显示更高的功率比现有的测试，同时保持标称第一类错误率。最后，我们提供了MNIST和明尼苏达双胞胎研究基因组数据的示例应用程序。
2021-07-02 cs.LG stat.ME stat.ML
Adaptive, Rate-Optimal Hypothesis Testing in Nonparametric IV Models
本文提出一种自适应假设检验方法，用于非参数工具变量模型中的不等式和等式约束，达到自适应极小极大检验速率，并通过模拟和实证验证其有效性。
2024-11-06 econ.EM stat.ME stat.ML
Nonparametric estimation of the density of the alternative hypothesis in a multiple testing setup. Application to local false discovery rate estimation
在多重检验的背景下，我们考虑一个半参数混合模型与两个组件，其中一个组件是已知的，并对应于$p$ -值的分布下的原假设和其他组件$f$是非参数的，并代表下的分布备择假设。出于本地错误发现率估计的问题，我们在这里集中在混合物中的非参数未知成分$f$的估计，依赖于真实零假设的未知比例$θ$的初步估计。我们提出并研究了这个未知分量的两个不同的估计的渐近性质。第一估计器是随机加权核估计器。我们建立了它的逐点二次风险的上界，展示了经典的非参数收敛速度在一类Hölder密度。据我们所知，这是第一个结果建立收敛以及相应的速度估计未知成分在这个非参数混合。第二个估计量是最大平滑似然估计量。它是通过一个迭代算法计算的，为此我们建立了一个下降性质。此外，这些估计器用于多重检验过程中，以估计本地错误发现率。他们各自的表现，然后比较合成数据。
2013-04-03 stat.AP
Adaptive nonparametric regression from repeated measurements under common noise
Université Paris Cité（巴黎西岱大学）；Ruprecht-Karls-Universität Heidelberg（海德堡大学）
针对个体共享公共噪声且具有重复测量的回归模型，提出一种考虑协方差结构的最小二乘投影估计器，分析其风险并给出数据驱动版本的风险界。
2026-06-29 math.ST stat.TH
Wild Bootstrapping Rank-Based Procedures: Multiple Testing in Nonparametric Split-Plot Designs
裂区或重复测量设计经常用于生命科学或社会科学中的计划实验。典型的例子包括随着时间的推移比较不同的治疗，其中两个因素可能拥有一个额外的因子结构。对于此类设计，统计分析通常包括几个步骤。如果全局空值被拒绝，通常会执行多次比较。一般的析因重复测量设计通常由经典的线性混合模型推导。常见的基本假设，如正态性或方差齐性，在实际数据中往往不符合。此外，为了处理，例如，有序或有序分类数据，应使用适当的效应量。在这里，多重对比测试和一般析因裂区设计的同步置信区间的开发和配备了一种新的渐近正确的野生自助方法。由于监管机构通常要求计算置信区间，因此本工作还为单个对比和有意义效应中不同对比的比值提供了同步置信区间。进行了大量的模拟，以促进理论研究结果。最后，两个不同的数据集验证了新方法的适用性。
2017-10-12 math.ST stat.TH
Nonparametric Bayesian multiple testing for longitudinal performance stratification
本文描述了自回归时间序列的灵活的多假设检验的框架。建模方法是贝叶斯，虽然混合频率论和贝叶斯推理是用来评估程序。零假设和备择假设的非参数表征将被证明是确保合理的第一类错误性能所必需的关键稳健步骤。该方法适用于一个大型数据库的一部分，该数据库包含24，157家美国上市公司长达50年的公司业绩统计数据，分析的主要目标是标记历史业绩与预期因偶然性而显着不同的公司。
2010-09-29 stat.AP
Nonparametric Hypothesis Testing of High-dimensional Clustering With Application to Single-cell RNA Data
University of North Carolina（北卡罗来纳大学）；University of Michigan（密歇根大学）
针对高维聚类显著性检验中高斯假设不可靠的问题，提出基于对数凹分布的非参数方法SigClust-LCP，结合分数匹配估计器，在控制第一类错误和保持功效的同时，避免单细胞数据中的虚假亚聚类。
2026-09-09 stat.AP stat.CO stat.ME
Adaptive nonparametric estimation in the functional linear model with functional output
本文考虑一个函数线性回归模型，其中协变量和响应变量都是函数随机变量。本文讨论了该模型中条件期望算子的最优非参数估计问题。本文首先介绍有限维子空间上的投影估计。我们提供了一个非渐近偏差方差分解的情况下，这些子空间产生的（经验）PCA函数的基础上的均方预测误差。由于模型选择装置选择最佳投影维度，实现了自动权衡：惩罚对比度估计器满足预言型不等式，因此在自适应观点中是最佳的。这些上界允许我们推导出椭圆光滑空间上的收敛速度。利率被证明是最佳的最小最大意义上：他们匹配的最小最大风险的下界，这也被证明。最后，我们进行了数值研究，模拟数据和两个真实的数据集。
2022-03-01 math.ST stat.TH
Testing Conditional Independence via Quantile Regression Based Partial Copulas
部分copula提供了一种方法，用于描述两个随机变量$X$和$Y$之间的依赖关系，条件是第三个随机向量$Z$的非参数残差$U_1$和$U_2$。本文将偏copula与基于分位数回归的非参数残差估计方法相结合，提出了一种条件独立性的非参数检验方法。我们考虑一个基于广义相关的检验统计量之间的$U_1$和$U_2$，并推导出其大样本性质下的一致性假设的分位数回归过程。我们通过模拟研究表明，所得到的测试是健全的复杂的数据生成分布。此外，在所考虑的示例中，该测试在水平和功效方面与其他最先进的条件独立性测试具有竞争力，并且在$X$和$Y$（给定$Z$）的条件方差异质性的情况下具有优越的功效。
2021-04-29 math.ST stat.TH
Two-sample Bayesian Nonparametric Hypothesis Testing
针对两样本分布未知时的假设检验问题，提出基于波利亚树（Pólya tree）先验的贝叶斯非参数方法，通过解析边缘似然得到原假设概率的显式度量，实现原假设与备择假设的证据评估。
2015-05-11 stat.ME
Differentially Private Hypothesis Testing with the Subsampled and Aggregated Randomized Response Mechanism
随机应答是分析机密数据的最古老和最知名的方法之一。然而，它的效用差异私人假设检验是有限的，因为它不能同时实现高隐私级别和低第一类错误率。在本文中，我们将展示如何使用子样本和聚合技术来克服这个问题。其结果是一个通用的方法，可用于频率和贝叶斯测试。{{We举例说明我们的建议在三种情况下的性能：线性回归模型的拟合优度检验，Wilcoxon检验的位置参数的非参数检验，以及非参数Kruskal-Wallis检验。
2023-03-03 stat.ME
Nonparametric Estimation For Censored Circular Data
针对删失圆数据，提出结合投影估计与矩方法的商估计量，给出误差上界与收敛速度，并通过模拟验证性能。
2025-08-08 math.ST stat.TH
Nonparametric two sample test of spectral densities
University of Vienna（维也纳大学）；University of Poitiers（普瓦捷大学）
本文提出一种非参数方法，用于检验两个高斯平稳过程的谱密度相等性，并在模拟和真实数据中验证了其有效性。
2026-02-11 math.ST stat.TH
Analysis of Deviance for Hypothesis Testing in Generalized Partially Linear Models
在本研究中，我们发展了基于局部多项式拟合的广义部分线性模型的非参数偏差分析工具。假设一个规范的链接，我们提出了表达式的本地和全球的偏差分析，承认一个加性属性，减少到方差分析分解的高斯情况下。提出了基于集成似然函数的χ 2检验来形式化地检验非参数项是否显著。仿真结果表明，所提出的χ 2检验，并比较它们与现有的程序的基础上惩罚样条。该方法适用于德国联邦储备银行的数据。
2020-09-09 math.ST stat.TH
Specification testing in semi-parametric transformation models
在转换回归模型中，在将回归模型拟合到协变量和转换的响应之前，先转换响应。我们假设这样一个模型，其中误差与协变量无关，并且回归函数是非参数建模的。我们建议一个测试的拟合优度的参数转换类的基础上的非参数转换估计和参数类之间的距离。我们提出的渐近理论下的半参数模型的有效性的原假设和当地的替代品。一个自举算法建议，以适用于测试。我们还考虑相关的假设来区分大的和小的距离的参数变换类的“真”的变换。
2020-02-14 math.ST stat.TH
Combining Multiple Testing with Multivariate Singular Spectrum Analysis
适当的预处理是分析噪声数据集的基本前提。本文的目的是应用一种非参数预处理方法，称为奇异谱分析（SSA），随后通过多个统计假设检验分析的各种数据集。SSA是一种非参数预处理方法，最近已被用于许多生命科学问题的背景下。在目前的工作中，SSA进行了比较与其他三个国家的最先进的预处理方法在良好的去噪和后续的多重检验的统计功效。这些其他方法是参数或非参数的。我们的研究结果表明，（多变量）SSA可以考虑作为一个有前途的方法，以减少噪音，从嘈杂的数据中提取的主要信号，并检测统计上显着的信号成分。
2022-03-11 stat.ME
