Empirical Bayes mean estimation with nonparametric errors via order statistic regression on replicated data
本文研究了$K$噪声观测值对$N$单元效应量的经验Bayes估计。我们表明,它是可能实现近贝叶斯最优的均方误差,没有任何假设或知识的影响大小分布或噪声。噪声分布可以是异方差的,并且从单元到单元任意变化。我们的建议,我们称之为极光,利用复制固有的$K$观察每单位和重铸的效果大小估计问题作为一个一般的回归问题。具有线性回归的Aurora可证明地匹配广泛的估计器的性能,包括样本均值、修剪均值、样本中位数以及其James-Stein收缩版本。Aurora自动化了互联网规模数据集的效应大小估计,正如我们在一家大型科技公司的数据上所展示的那样。
2021-08-10 stat.ME
Jackknife empirical likelihood with complex surveys
针对一般不等概率抽样设计的调查数据,提出了刀切经验似然方法,并对U统计量定义的参数进行了分析。从理论上证明了刀切伪经验似然比统计量作为卡方随机变量渐近分布,并可用于构造复杂调查样本的置信区间。在研究过程中,我们考虑了有无辅助信息,利用设计权重或校准权重。仿真结果表明,在覆盖概率和尾误差率方面,刀切伪经验似然比置信区间优于基于正态近似的置信区间.
2023-03-27 stat.ME
Jackknife empirical likelihood ratio test for testing the equality of semivariance
本文针对上半方差相等性检验问题,基于U统计量构建刀切经验似然比检验,通过蒙特卡洛模拟和真实数据验证了方法的有效性。
2024-01-18 stat.ME
Optimization-based Quantification of Simulation Input Uncertainty via Empirical Likelihood
我们研究了一种基于优化的方法来构造统计上准确的置信区间的仿真性能指标下的非参数输入不确定性。这种方法计算置信区间从模拟运行驱动的概率权重定义的数据,这是从解决优化问题,适当地假定平均发散约束。我们说明了这种方法如何提供计算效率和有限样本性能相比,引导和三角洲方法的好处。虽然类似于强大的优化,我们解释了程序设计,并通过经验似然法的泛化开发这种方法的严格的统计保证。
2019-02-13 stat.ME
Inference for Empirical Wasserstein Distances on Finite Spaces
瓦瑟斯坦距离是一个有吸引力的数据分析工具,但统计推断的分布限制的缺乏阻碍。为了克服这一障碍,对于多点支撑的概率测度,我们导出了经验瓦瑟斯坦距离的渐近分布作为随机目标函数线性规划的最优值.这在很大程度上促进了统计推断(例如,基于样本的瓦瑟斯坦距离的置信区间)。我们的证明是基于方向Hadamard可微性。经典的引导失败和替代品进行了讨论。分布结果的效用说明了两个数据集。
2017-04-26 stat.ME
Empirical phi-divergence test statistics for testing simple and composite null hypotheses
本文的主要目的是首先介绍一个新的家庭的经验检验统计量测试一个简单的原假设时,通过一组特定的无偏估计函数定义的参数向量。该检验统计量族基于两个概率向量之间的距离,其中第一概率向量通过使参数向量上的经验似然最大化而获得,并且第二向量在简单的原假设下从参数的固定向量定义。为此目的所考虑的距离是φ-发散度量。然后推导出该族检验统计量的渐进分布。所提出的方法是说明通过著名的数据Newcomb的测量光的通过时间。模拟研究进行比较其性能与经验的似然比检验时,置信区间构造的基础上,小样本量。结果表明,“经验修正的似然比检验统计量”是经验似然比检验统计量的一种有竞争力的替代方法,并且在数据中存在污染的情况下比经验似然比检验统计量更稳健.最后,我们提出了经验的Φ发散检验统计量测试复合原假设,并提出了一些渐近以及模拟结果,这些测试程序的性能进行评估。
2014-08-17 math.ST stat.ME stat.TH
On the Impossibility of Statistically Improving Empirical Optimization: A Second-Order Stochastic Dominance Perspective
当随机最优化中的基本概率分布仅通过数据观察时,已经研究了各种数据驱动的公式以获得近似最优解。我们表明,没有这样的配方可以,在某种意义上说,从理论上提高统计质量的经验优化得到的解决方案。我们通过证明任何数据驱动解决方案的最优性差距对Oracle最佳解决方案的一阶行为(包括偏差和方差)是由经验优化主导的二阶随机性来论证这一点,只要相对于底层分布保持适当的平滑性。我们证明了这种不可能的改进,在一系列的例子,包括正则化优化,分布鲁棒优化,参数优化和贝叶斯推广。我们还讨论了半参数统计推断和数据驱动的优化文献中的其他观点,我们的结果的连接。
2021-05-27 math.OC stat.ME
Empirical phi-divergence test statistics in the logistic regression model
在本文中,我们应用分歧措施的经验似然适用于逻辑斯谛回归模型。我们定义了一个家庭的经验检验统计量的基础上的分歧措施,称为经验φ发散检验统计量,扩展了经验似然比检验。我们研究了这些经验检验统计量的渐近分布,证明了这类检验统计量的渐近分布是相同的,并且与经典的经验似然比似然比检验的渐近分布是相同的。接下来,我们研究了这个家族中成员的幂函数,表明本文中介绍的经验φ-发散检验在Fraser意义下是一致的。为了比较在这一新的家庭,在本文中第一次考虑的经验φ发散检验统计量的行为之间的差异,我们进行了模拟研究。
2021-12-02 math.ST stat.TH
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
Asymptotic theory and statistical inference for the samples problems with heavy-tailed data using the functional empirical process
本文提出截断功能经验过程(TFEP)以处理重尾数据样本问题,通过截断极端统计量稳定经验过程,推导新渐近分布并提供稳健置信区间,验证其在高斯方法失效时的有效性。
2025-12-08 math.PR stat.ME
Asymptotics of an empirical bridge of regression on induced order statistics
本文提出了一类伴随线性回归的检验方法(诱导顺序统计量)。这些检验基于回归残差的序贯和。我们自我中心化和自我规范化这些总和。由此产生的过程被称为经验桥梁。我们证明了弱收敛的经验桥在统一度量的中心高斯过程。所提出的检验是卡方检验。
2019-04-13 math.ST stat.TH
On the Asymptotic Distribution of the Scan Statistic for Empirical Distributions
我们调查的扫描统计量的几个变种的渐近行为应用于经验分布,它可以被应用到检测任何长度的异常间隔的存在。特别令人感兴趣的是学生化的扫描统计,这在实践中是优选的。证明中的主要成分是Kolmogorov定理,泊松近似和Kabluchko等人(2014)的最新技术结果。
2020-03-24 math.PR math.ST stat.TH
Multiway empirical likelihood
本文提出多路经验似然方法,用于多组实体索引观测的统计推断,构造留出行或列的伪值,并给出在任意退化情形下均收敛于卡方分布的修正统计量,展示了优于传统 t 比值的高阶性质。
2024-08-09 econ.EM stat.ME
Asymptotic Theory of $L$-Statistics and Integrable Empirical Processes
本文发展了经验分位数函数关于随机权函数积分的渐近理论,它是经典$L$ -统计量的推广。当样本修剪或Winsorization应用于渐近线性估计量时,它们会出现。其关键思想是在适合整合的空间中考虑经验过程。首先,我们在有界可积函数空间中刻画了经验分布函数和随机权函数的弱收敛性。其次,我们建立了经验分位数函数可积函数的delta方法。第三,我们推导了$L$ -统计量的delta方法。最后,我们证明了它们的自助过程的弱收敛性,证明了非参数自助过程的有效性。
2019-10-16 econ.EM math.ST stat.TH
Empirical distributions of the robustified $t$-test statistics
基于中位数和中位数绝对偏差估计量以及Hodges-Lehmann和Shamos估计量,提出了常规$t$ -检验统计量的抗差类似估计.最近给出了这些统计量的渐近分布。然而,当样本量很小时,它是不适合使用的渐近分布的稳健$t$ -检验统计量进行统计推断,包括假设检验,置信区间,p值,在这篇文章中,通过广泛的蒙特卡罗模拟,我们得到的经验分布的稳健$t$ -检验统计量和它们的分位数值。然后,这些分位数值可用于进行统计推断。
2022-02-23 stat.AP
Empirical likelihood test for high-dimensional two-sample model
提出了一种基于经验似然的非参数方法,用于检测高维线性模型系数的变化,其中模型变量的数目随着样本量的增加而增加。这相当于检验无变化的原假设与回归系数变化一次的备择假设。基于经验似然比统计量的理论渐近性态,我们提出了一种在固定设计下更简单、更易于实际应用的检验统计量。在原假设下证明了该检验统计量的渐近正态性,这一结果不同于具有固定变量数的模型的$χ^2$定律。在备择假设下,检验统计量会发生偏离。然后,我们可以找到两个相位的参数差的渐近置信区域。一些蒙特卡罗模拟研究的行为,建议的检验统计量。
2015-06-19 math.ST stat.ME stat.TH
New $U$-empirical tests of symmetry based on extremal order statistics, and their efficiencies
我们使用的极值顺序统计量,这使得建立几个新的非参数对称性检验方面的对称性的表征。讨论了它们的极限分布,并计算了它们在位置选择下的局部精确Bahadur效率。
2014-03-28 math.ST stat.TH
Why Empirical p-Values Are Not Uniform: Reference Samples, Dependence, and PIT Backtesting
研究指出经验p值因参考样本和依赖性影响,不遵循均匀分布,需改进回测方法以考虑两阶段采样结构。
2026-05-15 stat.AP stat.ME
Jackknife Empirical Likelihood Method for U Statistics Based on Multivariate Samples and its Applications
Indian Statistical Institute(印度统计研究所);Trinity College Dublin(都柏林三一学院)
本文提出了一种基于多元三样本U统计量的jackknife经验似然方法,用于构建参数的置信区间,通过蒙特卡洛实验验证其在覆盖概率和计算效率上的优越性。
2025-12-02 math.ST stat.ME stat.TH
Asymptotic Statistical Theory for the Samples Problems using the Functional Empirical Process, revisited I
本文基于函数经验过程(fep)提出一般样本问题方法,全面建立独立样本的均值、方差及其差值的估计理论,实验表明该方法在样本量达15左右或以上时精度极高且仅需四阶矩有限。
2025-08-07 math.PR stat.ME
BONuS: Multiple multivariate testing with a data-adaptive test statistic
Peking University(北京大学);UC Berkeley(加州大学伯克利分校);Stanford University(斯坦福大学);UT Austin(德克萨斯大学奥斯汀分校)
本研究提出BONuS自适应经验贝叶斯多重检验方法,可控制FDR并提升功效,经多场景验证有效。
2026-11-11 math.ST stat.ME stat.TH
The Empirical Likelihood Approach to Quantifying Uncertainty in Sample Average Approximation
我们研究的经验似然方法来构建一个给定的解决方案的最优值和最优性差距的置信区间,此后量化的样本平均近似的统计不确定性,优化问题的期望值目标和约束条件下,潜在的概率分布,通过有限的数据观察。这种方法依赖于两个分布鲁棒优化问题的不确定分布,与基于发散的不确定性集,适当校准,以提供渐近的统计保证。
2016-10-23 math.ST stat.ME stat.TH
Empirical and Simulated Adjustments of Composite Likelihood Ratio Statistics
复合似然推理由于其计算复杂性和理论性质而得到广泛的应用。不幸的是,执行复合似然比检验是不方便的,因为它们笨拙的渐近分布。有许多建议调整复合似然比检验,以恢复一个渐近的χ 2分布,但他们都依赖于敏感性和变异性矩阵。对于Wald类型和分数类型的对应物也是如此。在实际应用中,通常需要估计敏感性和变异性矩阵,但在这种情况下,没有基于复合似然的统计性能的比较。考虑两种方法通常用于估计敏感性和变异性矩阵,即利用独立观察的经验方法,和蒙特卡罗模拟,进行统计的基础上的推理的准确性的比较。在两个例子中涉及成对似然的结果表明,一个非常大量的独立的观察应该是可用的,以获得准确的覆盖率使用经验估计,而有限的模拟从完整的模型提供准确的结果,无论独立的观察的可用性。
2014-07-31 stat.CO
Statistics of Robust Optimization: A Generalized Empirical Likelihood Approach
我们研究了随机最优化问题的统计推断和分布鲁棒解方法,重点是最优值和渐近达到精确覆盖的解的置信区间。我们开发了一个广义经验似然框架-基于非参数$f$ -发散球-Hadamard可微泛函的分布不确定性集,特别是随机最优化问题。作为这一理论的后果,我们提供了一个原则性的方法来选择分布不确定性区域的大小,以提供单侧和双侧置信区间,实现准确的覆盖。我们还给出了我们的分布鲁棒制剂的渐近展开,显示如何鲁棒正则化问题的方差。最后,我们表明,我们研究的分布鲁棒配方的优化享受(基本上)相同的一致性性质,在经典的样本平均近似。我们的一般方法适用于快速混合平稳序列,包括几何遍历哈里斯经常性马尔可夫链。
2018-06-30 stat.ML
An empirical likelihood approach for symmetric $α$-stable processes
经验似然法是一种非参数统计方法,用于关键未知量的假设检验或置信区域的构造。该方法已应用于独立同分布随机变量和二阶平稳过程的情形。近年来,我们在许多领域观察到重尾数据。为了适当地模拟这样的数据,我们考虑对称标量和多元$α$ -稳定的线性过程所产生的无穷方差的新息序列。我们在经验似然比函数中使用了一个Whittle似然型估计函数,并导出了$α$ -稳定线性过程的经验似然比统计量的渐近分布.经验似然统计方法将二阶平稳过程的估计和检验理论很好地推广到重尾数据分析中,而不是简单地推广到金融统计分析中。
2015-09-18 math.ST stat.AP stat.TH
Concentration of the bootstrap empirical process, with applications to statistical inference
University of Rennes, ENSAI, CNRS, CREST-UMR 9194(雷恩大学、ENSai、CNRS、CREST-UMR 9194)
本文研究了基于可交换权重的自助经验过程的集中性,推导了其上界不等式,并应用于均值估计的置信区域和两样本置换检验的非渐近界。
2026-04-03 math.PR math.ST stat.TH
Concentration-based confidence intervals for U-statistics
集中不平等在机器学习、概率和统计研究中越来越受欢迎。使用浓度不等式,可以为许多感兴趣的量构建置信区间(CI)。不幸的是,这些CI中的许多需要总体方差的知识,这通常是未知的,使得这些CI不切实际的数值应用。然而,最近的结果,同时绑定的数量的概率的利益和他们的方差允许建设的经验CI,方差被替换为他们的样本估计。在这些新的结果是双边经验CI的U-统计量,这是有用的建设CI丰富的一类参数。在这篇文章中,我们得到了一些新的单侧经验CI的U-统计量及其方差。我们表明,我们的单侧CI可用于构建U统计量的更严格的双侧CI,比目前报道的更严格。我们还演示了如何使用我们的CI来构建新的经验CI的平均值,这提供了更严格的界限比目前已知的CI相同数量的观察,在各种设置下。
2019-03-05 math.ST stat.TH
A Primer on Private Statistics
University of Waterloo(滑铁卢大学);Northeastern University(东北大学)
在过去几年里,不同的私人统计估计出现了一系列发展。研究分为两个学派,侧重于实证统计和人口统计。我们认为,这两条线的工作是更相似的,而不是不同的方法,最初的实证统计框架的例子,但可以同样适用于人口统计。我们还提供了在这一领域的最新工作的全面覆盖。
2020-04-30 cs.CR cs.DS cs.IT
Asymptotic and finite-sample distributions of one- and two-sample empirical relative entropy
De Vinci Higher Education, De Vinci Research Center(德芬奇高等教育,德芬奇研究中心);École normale supérieure(巴黎高等师范学院)
研究两个概率分布散度统计检验中经验相对熵的分布,推导有限样本集中不等式、渐近分布及贝里 - 埃森界,引入新方法获和统计量非线性函数的贝里 - 埃森不等式,涵盖单双样本经验相对熵。
2026-07-21 math.ST q-fin.ST q-fin.TR
Deriving the asymptotic distribution of U- and V-statistics of dependent data using weighted empirical processes
一般认为,具有无界核的V-泛函不是Hadamard可微的,因此,具有无界核的U-和V-统计量的渐近分布不能用函数Delta方法(FDM)导出。然而,在这篇文章中,我们表明,V-泛函是拟阿达玛可微的,因此,一个修改版本的FDM(最近介绍的(J.多元分析。101(2010)2452- 2463))可以应用于该问题。修改后的FDM需要弱收敛的加权版本的基本经验过程。后者不是问题,因为在文献中存在关于加权经验过程的若干结果;例如,参见(J. Econometrics 130(2006)307- 335,Ann. Probab. 24(1996)2098- 2127,经验过程及其在统计学中的应用(1986)Wiley,Statistist. Sinica 18(2008)313- 333)。改进的FDM方法具有非常灵活的优点。基础数据和未知分布函数的估计量。这两个方面都将通过各种例子加以说明。特别是,我们将表明,我们的FDM方法主要涵盖了文献中已知的U-和V-统计量的渐近分布的依赖数据的基础上的所有结果-我们的假设是由趋势甚至更弱。此外,使用我们的FDM方法,我们将这些结果扩展到现有文献中没有涉及的依赖概念。
2012-07-25 math.ST stat.TH
Raking-ratio empirical process with auxiliary information learning
耙比方法是一种统计和计算方法,它调整经验测量以匹配有限划分集合的真实概率。研究了当辅助信息由估计给出时,一类函数指标下的耙比经验过程的渐近性态。我们假设这些估计是从比统计员的样本更大的另一个样本中学习分区集的概率而得到的,就像两阶段抽样调查的情况一样。在一定的度量熵假设和信源样本大小的条件下,我们建立了该过程的强逼近,并证明了该过程的弱收敛性与经典的耙比经验过程相同.我们也给出了可能的统计应用这些结果,如加强的$Z$ -测试和卡方拟合优度测试。
2019-05-06 math.ST stat.TH
Empirical likelihood test in a posteriori change-point nonlinear model
为了检验非线性参数回归中是否发生了变化,本文提出了一种基于经验似然的非参数方法。首先,我们测试了无变化的原假设与回归参数变化的替代。在原假设下,证明了回归参数估计的相合性和收敛速度。得到了在原假设下检验统计量的渐近分布,从而可以找到渐近临界值。另一方面,我们证明了所提出的检验统计量的渐近功效等于1。这些理论结果可以找到一个简单的检验统计量,非常有用的应用。在备择假设下,研究了一类特殊的具有两个变点的传染病模型。通过Monte-Carlo模拟的数值研究显示了所提出的检验统计量的性能,与文献中现有的方法相比。
2014-05-21 math.ST stat.TH
Empirical Optimal Transport under Estimated Costs: Distributional Limits and Statistical Applications
基于最优输运(OT)的数据分析经常面临底层费用函数(部分)未知的问题。本文讨论了当费用函数和措施由数据估计时,经验OT值的分布极限的推导。出于统计推断的目的,而且从稳定性分析的观点来看,理解这些量的波动是至关重要的。我们的研究结果直接应用于组族的拟合优度测试问题,在机器学习应用中出现不变的运输成本,在估计混合分布之间的距离的问题,以及经验切片OT量的分析。所建立的分布极限假设成本过程在一致范数下弱收敛,或者成本由OT值在固定参数空间上的最优化问题确定。对于第一个设置,我们依赖于仔细的下限和上界的OT值的措施和成本结合Skorokhod表示。第二种设置基于参数空间上OT值过程的函数增量方法。证明技术可能是独立的利益。
2023-01-04 math.PR math.ST stat.TH
Weak convergence of the empirical copula process with respect to weighted metrics
经验Copula过程在许多基于Copula或秩的统计过程的渐近分析中起着核心作用。在其他应用中,关于其弱收敛的结果可以用来发展渐近理论的依赖措施或copula密度的估计,他们允许获得随机独立性或特定的copula结构的测试,或者他们可以作为一个基本的工具,多元秩统计量的分析。在本文中,我们建立了弱收敛的经验copula过程(允许的观察是串行依赖)的加权上确界距离。我们的研究结果的有用性说明了一般的二元秩统计量和估计程序的Pickands依赖函数中产生的多元极值理论的应用。
2014-11-21 math.ST stat.TH
Conditional Delta-Method for Resampling Empirical Processes in Multiple Sample Problems
针对经验过程重抽样程序缺乏通用条件泛函delta方法的问题,本文提出适用于多样本问题的通用条件delta方法,并通过多类示例验证其应用灵活性,可改善基于极限结果的统计推断的有限样本性质。
2024-08-20 math.ST stat.TH
A penalized empirical likelihood method in high dimensions
本文提出了一种惩罚经验似然(PEL)方法,用于当观测数据维数的增长速度可能快于样本量时对总体均值的推断。在观测值的不同分量依赖结构下,即(i)非遍历,(ii)长程依赖和(iii)短程依赖,导出了PEL比统计量的渐近分布.由此可见,建议的PEL比统计量的极限分布可以根据相关结构而变化很大,并且它通常不同于固定和有限维情况下经验似然比统计量的通常卡方极限。提出了一种统一的基于子采样的校准,并在所有三种情况下建立了其有效性,(i)-(iii)。有限样本的性质的方法进行了研究,通过模拟研究。
2013-02-27 math.ST stat.TH
Empirical phi-divergence test statistics for testing simple null hypotheses based on exponentially tilted empirical likelihood estimators
在计量经济学中,在不假设潜在分布的情况下施加限制来模拟复杂的现实是一种有价值的方法论工具。然而,如果一个子集的限制是不正确的指定,通常的测试统计量正确指定的模型往往拒绝一个简单的原假设。在这种情况下,我们可以说模型存在误设定。我们研究了Balakrishnan et al.(2015)中引入的经验φ-发散检验统计量的行为,通过使用Schennach(2007)的指数倾斜经验似然估计量,作为小样本量的显著性水平的效率和错误指定下的鲁棒性之间的良好折衷。
2015-10-27 stat.ME
Empirical likelihood for linear models with spatial errors
对于具有空间误差的线性模型,构造了模型参数的经验似然比统计量。结果表明,经验似然比统计量的极限分布是卡方分布,它被用来构造模型参数的置信区域。
2018-08-27 stat.ME
Empirical Likelihood Test for Diagonal Symmetry
能量距离是随机变量分布之间的统计距离,它表征了分布的相等性。利用能量距离,我们开发了对角对称性的非参数检验,这是一致的对任何固定的替代品。本文建立的检验统计量是基于两个$U$ -统计量的差异。应用刀切经验似然法,建立了自由度为1的标准极限χ 2分布,并用于确定检验的临界值和$p$ -值。仿真研究表明,我们的方法是有竞争力的经验规模和经验权力。
2019-08-19 stat.ME
A simple note on some empirical stochastic process as a tool in uniform L-statistics weak laws
本文研究了随机过程\begin{equation} β_{n}(q_{t},t)=β_{n}(t)=\frac{1}{\sqrt{n}}\sum_{j=1}^{n}\left\{G_{t,n}(Y(t))-G_{t}(Y_{j}(t))\right\} q_{t}(Y_{j}(t)), \tag{A} \end{equation},其中对于$n\geq1$和$T>0$,序列$\{Y_{1}(t),Y_{2}(t),...,Y_{n}(t),t\in [0,T]\}$是某个实随机过程${Y(t),t\in [0,T]}$的独立观测,对于每个$t \in [0,T]$,$G_{t}$是$% Y(t)$的分布函数,$G_{t,n}$是基于$% Y_{1}(t),Y_{2}(t),...,Y_{n}(t)$的经验分布函数,$q_{t}$是定义在$\mathbb{R}$上的有界实分布.这个过程出现在研究一些时间依赖的L-统计量时,这些统计量被表示为一些函数经验过程和过程(A)的函数。由于函数经验过程在文献中被广泛研究,该过程显示出它本身是L-统计定律的一个重要关键。在本文中,我们状态的扩展研究这个过程中,给出完整的计算的第一时刻,协方差函数,并找到条件渐近紧。
2014-05-22 stat.ME
Adjusted Jackknife Empirical Likelihood
刀切经验似然法(Jackknife Empirical Likelihood,JEL)是经验似然法(Empirical Likelihood,EL)的一种有效的改进形式.通过构造刀切伪值,JEL方法克服了EL方法在非线性约束条件下的计算困难,同时保持了单样本和双样本U统计量相同的渐近结果.在本文中,我们提出了一个调整版本的JEL,以保证调整后的刀切经验似然(AJEL)统计量是定义良好的所有值的参数,而不是限制在凸包的估计方程。为AJEL保留了JEL的属性。
2016-03-13 stat.ME
Bayesian jackknife empirical likelihood with complex surveys
提出贝叶斯刀切经验似然方法分析不等概率抽样调查数据,证明其渐近正态性,用于构建置信区间,数值研究表明其优于传统方法。
2023-09-13 stat.ME
Bayesian Data Analysis in Empirical Software Engineering Research
本文针对频率统计在异构软件工程数据分析中灵活性不足、结果难解释的问题,介绍贝叶斯数据分析,并通过重新分析自动生成测试和编程语言性能两项研究展示其优势。
2019-08-26 cs.SE stat.ME
Empirical likelihood method for complete independence test on high dimensional data
给定来自$p$维随机向量的大小为$n$的随机样本,其中$n$和$p$都很大,我们感兴趣的是测试随机向量的$p$分量是否相互独立。这就是所谓的完全独立性测试。在多元正态情况下,它等价于测试相关阵是否是单位矩阵。本文提出了一种基于平方样本相关系数的多元正态数据完全独立性检验的单侧经验似然方法。当$n$和$p$都趋于无穷大时,我们的单侧经验似然检验统计量的极限分布被证明是$Z^2I(Z>0)$,其中$Z$是标准正态随机变量.为了提高经验似然检验统计量的功效,我们还引入了一种重标度的经验似然检验统计量。我们进行了广泛的模拟研究,以比较的重新缩放的经验似然方法和其他两个统计量的平方样本相关系数的总和的性能。
2022-01-21 math.ST stat.ME stat.TH
U-Statistics Based Jackknife Empirical Likelihood Tests for the Generalized Lorenz Curves
本文提出两种基于U统计量和经验似然的非参数方法检验两条广义洛伦兹曲线是否相等,推导似然比卡方极限分布,并通过模拟和真实数据证明其在小样本下优于现有方法。
2023-09-23 math.ST stat.ME stat.TH
An easy-to-use empirical likelihood ABC method
在自然科学、工程学和环境科学中,许多科学上动机良好的统计模型都是通过生成过程来指定的,但在某些情况下,可能无法通过分析写下这些模型的可能性。在这些情况下允许贝叶斯推断的近似贝叶斯计算(ABC)方法通常是计算密集型的。最近,计算有吸引力的经验似然ABC方法已在文献中提出。这些方法在很大程度上依赖于一组合适的易于分析的估计方程的可用性。我们提出了一种易于使用的经验似然ABC方法,其中所需的唯一输入是选择汇总统计量,它的观察值,以及模拟模型下任何参数值的汇总统计量的能力。结果表明,使用所提出的方法获得的后验是一致的,并探讨其性能使用各种例子。
2018-10-08 stat.AP stat.CO stat.ME
Asymptotic convergence in distribution of the area bounded by prevalence-weighted Kaplan-Meier curves using empirical process modeling
Kaplan-Meier乘积限估计量是事件时间分析中一个简单而强大的工具。对于分层为队列的人群,存在一种扩展,其中通过队列水平生存曲线的加权平均生成人群生存曲线。为了使用该统计量进行群体水平的比较,我们分析了两条加权生存曲线之间的面积统计量。基于乘积限估计量的经验过程,我们导出了该统计量的大样本行为。该估计器被一个跨学科的NIH-SSA团队用于确定医疗条件,以优先考虑残疾福利处理中的裁定。
2018-10-02 math.PR math.ST stat.ME