A Heavily Right Strategy for Statistical Inference with Dependent Studies in Arbitrary Dimensions
Harvard University(哈佛大学)
针对相依研究,提出重右尾组合检验(半柯西与调和均值)以保证置信区域凸性,并给出高效算法,应用于任意维度均值估计与网络荟萃分析。
2026-09-18 math.ST stat.ME stat.TH
Statistical generalized derivative applied to the profile likelihood estimation in a mixture of semiparametric models
在纵向和生存数据的联合模型中,很难找到轮廓似然估计量的方差估计。我们通过引入“统计广义导数”来解决这个困难。导数用于显示估计量的渐近正态性,而不假设模型中密度函数的二阶导数存在。
2018-07-20 math.ST stat.TH
Statistical inference based on band-limited kernels: Rational-infinitely divisible distributions and beyond
HSE University(高等经济大学)
研究离散与连续成分混合分布的统计推断问题,聚焦有理无穷可分分布。基于带限核提出估计框架,在温和假设下证明估计量有多项式收敛率,并通过模拟示例展示算法数值性能。
2026-07-07 math.PR stat.ME
Semiparametric estimation in the normal variance-mean mixture model
本文研究半参数方差均值混合模型参数的统计推断问题。这类混合物最近在统计和金融建模中变得相当流行。我们设计了一个半参数估计程序,首先估计的平均值的基础正态分布,然后恢复非参数的密度相应的混合分布。我们说明了我们的程序模拟和真实数据的性能。
2017-05-22 stat.OT
Inference for Multivariate Normal Mixtures
多元正态混合模型为高维数据提供了一个灵活的模型。它们广泛应用于统计遗传学、统计金融学等学科。由于似然函数的无界性,经典的基于似然函数的方法虽然具有很好的实用性,但并不一致。本文提出了一种估计混合分布的惩罚似然方法。我们证明了最大惩罚似然估计是强相合的,当组件的数量有一个已知的上界。我们还探讨了一个方便的EM算法计算的最大惩罚似然估计。大量的模拟进行了探索的有效性和实际限制的新方法和批准的最大似然估计。根据仿真结果给出了指导原则。
2008-05-26 math.ST stat.ME stat.TH
Statistical Inference in Classification of High-dimensional Gaussian Mixture
Auburn University(奥本大学)
本文针对一般协方差下的高维二元高斯混合分类,利用副本方法分析正则化凸分类器的渐近泛化与变量选择性质,并构造去偏估计量进行假设检验。
2024-10-25 cs.LG stat.ML
Density estimation via mixture discrepancy and moments
School of Mathematical Sciences, Peking University, Beijing 100871, China(北京大学数学科学学院);School of Mathematical Sciences, Beijing Normal University, Beijing 100875, China(北京师范大学数学科学学院)
本文提出基于混合差异和矩的密度估计方法,通过替代星形偏差来提升计算效率和不变性,验证了在不同维度下的性能表现。
2025-12-20 cs.LG physics.comp-ph stat.ME
Gaussian Volterra processes: asymptotic growth and statistical estimation
研究了推广分数布朗运动的三参数自相似Gaussian Volterra过程.我们研究了这类过程的渐近增长性以及长程和短程依赖的性质。然后我们考虑了高斯Volterra过程驱动的Ornstein-Uhlenbeck过程的漂移参数估计问题。我们构造了一个强相合估计,并研究了它的渐近性质。也就是说,我们证明了它具有柯西渐近分布。
2023-02-07 math.PR math.ST stat.TH
On a convergence property of a geometrical algorithm for statistical manifolds
National Institute of Advanced Industrial Science and Technology(国立先进工业科学技术研究所);RIKEN Center for Advanced Intelligence Project(理化学研究所先进智能项目中心);The Institute of Statistical Mathematics(统计数学研究所);Waseda University(早稻田大学)
在本文中,我们研究了一个几何投影算法的统计推断。该算法是基于勾股关系,它是衍生的自由,以及表示自由,这是有用的非参数的情况下。我们推导出一个学习率的界,以保证局部收敛。在m-混合和e-混合估计问题的特殊情况下,我们计算了具体形式的界,可以很容易地在实践中使用。
2019-09-27 cs.LG stat.ML
Statistical Estimation and Clustering of Group-invariant Orientation Parameters
我们处理的问题,估计的取向参数的值是不变的变换从一个球对称群。以前的工作已经表明,任何这样的组不变分布必须满足一个限制有限的混合表示,这使得方向参数估计使用期望最大化(EM)极大似然(ML)估计算法。在本文中,我们介绍了两个参数模型,这个球对称群估计问题:1)双曲型Von Mises Fisher(VMF)混合分布和2)沃森混合分布。我们还介绍了一个新的EM-ML算法聚类样本,来自不同参数的组不变分布的混合物。我们将模型应用于与晶形相关的球对称群下的平均晶体取向估计问题,例如,立方体或八面体或六面体。模拟和实验建立了扩展的EM-VMF和EM-Watson估计的优势,通过电子背散射衍射(EBSD)显微镜获得的多晶镍合金样品的数据。
2015-05-22 physics.data-an stat.ML
Gaussian mixtures and non-parametric likelihoods through the lens of statistical mechanics
National University of Singapore(新加坡国立大学);University of California, Berkeley(加州大学伯克利分校)
本文从统计力学视角研究高斯混合模型与非参数最大似然估计,提出NPMLE的稳定性保证,涵盖KL散度界及近似解的优化问题,揭示其与统计力学中混沌和多谷现象的联系。
2026-07-09 cond-mat.dis-nn cond-mat.stat-mech math.PR
Statistical Modeling of Univariate Multimodal Data
University of Ioannina(约阿尼纳大学)
提出一种非参数、无超参数的方法,通过递归分裂数据密度谷点将单变量数据划分为单峰子集,并构建分层统计模型单峰混合模型(UDMM),在聚类和密度估计任务中表现准确。
2024-12-20 cs.LG stat.ML
Quantum non demolition measurements: parameter estimation for mixtures of multinomials
在量子非破坏测量中,观测序列分布为多项随机变量的混合。动态参数自然地编码到这个分布族中。我们证明了潜在的统计模型的局部渐近混合正态性和极大似然估计的相合性。此外,我们证明了这个估计的渐近最优性,因为它饱和通常的CramérRao界。
2017-07-19 math-ph math.MP math.ST
Consistency of the MLE under mixture models
混合模型下基于似然的统计推断的大样本性质一直受到统计学家的关注。虽然非参数极大似然估计的相合性被认为是一个标准结论,但许多研究者忽略了对混合模型所要求的精确条件。一个不正确的一致性声明可能会导致错误的结论,即使所研究的混合模型似乎表现良好。例如,在有限正态混合模型下,尽管最近的研究取得了突破,但普通MLE的一致性经常被错误地假设。本文简化了一般非参数极大似然估计,特别是有限正态混合模型下惩罚极大似然估计的相合性结果。
2016-07-05 math.ST stat.TH
Self-regularizing Property of Nonparametric Maximum Likelihood Estimator in Mixture Models
由Kiefer和Wolfowitz \cite{KW56}提出的非参数极大似然估计(NPMLE)是一种广泛应用的混合模型和经验贝叶斯估计的学习方法。NPMLE避开了混合似然的非凸性,通过最大化概率测度空间上的总似然来估计混合分布,这可以被视为过度参数化的极端形式。在本文中,我们发现了一个令人惊讶的性质的NPMLE解决方案。例如,考虑具有亚高斯混合分布的实数线上的高斯混合模型。利用复杂的分析技术,我们表明,以高概率的NPMLE的基础上的样本大小$n$有$O(\log n)$原子(质量点),显着提高了确定性的上界$n$由于林赛\cite{lindsay1983geometry1}。值得注意的是,任何这样的高斯混合在统计上与具有$O(\log n)$分量的有限混合是不可区分的(并且这对于某些混合是紧密的)。因此,在没有任何明确形式的模型选择的情况下,NPMLE自动选择正确的模型复杂度,我们称之为\emph{self-regularization}。扩展到其他指数的家庭。作为一个统计应用程序,我们表明,这种结构属性可以利用现有的Hellinger风险界的(参数)MLE有限高斯混合的NPMLE一般高斯混合,恢复张\cite{zhang2009generalized}的结果。
2020-09-07 math.ST stat.ML stat.TH
Statistical Perspective of Top-K Sparse Softmax Gating Mixture of Experts
The University of Texas at Austin(德克萨斯大学奥斯汀分校)
本文从统计角度理论分析了Top-K稀疏Softmax门控专家混合模型,通过定义新颖参数损失函数,揭示了该门控结构对密度估计和参数估计收敛速率的影响,并给出了专家数选择需超过相关Voronoi单元总基数的条件。
2024-02-23 cs.LG stat.ML
Robust model-based clustering via mixtures of multivariate pseudo-Voigt distributions
University of British Columbia-Okanagan(不列颠哥伦比亚大学奥肯那根分校)
该研究提出多元伪沃伊特分布混合模型,用于鲁棒基于模型聚类与异常值检测,经模拟与真实数据验证,在重尾数据上的聚类及异常值检测性能优于现有模型。
2026-08-31 stat.ME stat.ML
Bayesian statistical analysis of hydrogeochemical data using point processes: a new tool for source detection in multicomponent fluid mixtures
水文地球化学数据可以被看作是多维空间中的点云。该空间的每个维度代表一个水文地球化学参数(即盐度、溶质浓度、浓度比、同位素组成.)。虽然许多地质流体的组成是由多种来源之间的混合控制的,但与水文地球化学数据集相关的一个关键问题是来源的检测。本文将水文地球化学数据看作空间数据,提出了一种基于点过程的源检测方法。结果显示在地热流体的模拟和真实数据上。
2020-09-09 stat.ME
Log-Regularly Varying Scale Mixture of Normals for Robust Regression
由于潜在的离群值,对误差分布采用经典正态假设的线性回归可能导致回归系数的不良后验推断。本文将具有薄尾和重尾的两个分量的有限混合作为误差分布,这在应用统计学中是经常使用的。对于重尾分量,我们引入了一类新的分布;它们的密度是对数规则变化的,并且比柯西分布具有更重的尾部,但它们表示为正态分布的尺度混合,并且能够通过Gibbs采样器进行有效的后验推断。我们证明了鲁棒性的离群值的后验分布在所提出的模型与最小的一组假设,这证明了使用收缩先验与无界密度的系数向量存在离群值。通过仿真研究与现有方法进行了广泛的比较,结果表明,该模型在点估计和区间估计方面的性能以及计算效率都有所提高。此外,我们证实了我们的方法的后验稳健性的实证研究与收缩先验的回归系数。
2021-01-09 stat.ME
Generalized Beta Mixtures of Gaussians
近年来,已经提出了丰富多样的收缩先验,在解决大规模回归问题方面有很大的希望。一般来说,这些新的先验可以表示为尺度混合的法线,但有更复杂的形式和更好的性能比传统的柯西和双指数先验。我们首先通过一个新的广义β分布提出了一类新的正态尺度混合物,它包含了许多有趣的先验作为特例。这个包含的框架应该被证明是有用的,在比较竞争的先验,考虑属性和揭示密切的联系。然后,我们开发了一类变分贝叶斯近似,通过新的层次结构,将更有效地扩展到真正的海量数据集,现在经常遇到的类型。
2012-03-13 stat.ME stat.ML
Statistical Limits of Sparse Mixture Detection
我们考虑了检测一般稀疏混合物的问题,并在一定条件下得到了相变的一个明确的特征,推广了蔡和吴的单变量结果。此外,我们还给出了Gao和Ma提出的一个Higher Criticism型检验统计量的自适应最优性的充分条件。在建立这些结果的过程中,我们通过大偏差理论提供了一个统一的观点。我们建立的相变和自适应最优性是零和信号分布之间的归一化对数似然比的大偏差原理的直接后果。
2021-05-26 math.ST stat.ME stat.TH
Distributed Learning of Finite Gaussian Mixtures
信息技术的进步导致了非常大的数据集,这些数据集通常保存在不同的存储中心。现有的统计方法必须加以调整,以克服由此产生的计算障碍,同时保持统计的有效性和效率。分裂-征服方法已经应用于许多领域,包括分位数过程、回归分析、主特征空间和指数族。我们研究了有限高斯混合分布学习的分裂和征服方法。我们推荐了一种约简策略,并开发了一种有效的MM算法。新的估计被证明是一致的,并保持root-n的一致性在一定的条件下。基于模拟和真实数据的实验表明,所提出的分裂和征服的方法具有可比的统计性能与基于完整数据集的全局估计,如果后者是可行的。如果模型假设与真实世界的数据不匹配,它甚至可以稍微优于全局估计器。它也有更好的统计和计算性能比一些现有的方法。
2021-11-10 stat.ME stat.ML
On the Voigt profile and its dual
University of Cagliari(卡利亚里大学)
本文证明沃伊特轮廓是高斯分布的列维尺度混合,推导其对偶分布为正态尺度混合,讨论对偶特征、提出参数估计算法并展望后续研究,为沃伊特分布的理论与应用提供新视角。
2025-10-03 math.PR stat.ME
Distributed Bayesian clustering using finite mixture of mixtures
在许多现代应用中,人们对分析无法轻松跨计算机移动或加载到单个计算机上的存储器中的庞大数据集感兴趣。在这种情况下,对集群感兴趣是非常普遍的。现有的分布式聚类算法大多是基于距离或密度的,没有可能性规范,排除了正式的统计推断的可能性。基于模型的聚类允许统计推断,但分布式推断的研究强调非参数贝叶斯混合模型的有限混合模型。为了填补这一空白,我们引入了一个几乎并行的算法下的贝叶斯过拟合有限混合高斯混合,我们的分布式贝叶斯聚类(DIB-C)的聚类。DIB-C可以灵活地适应各种形状的数据集(例如倾斜或多模态)。随着数据的随机划分和分布,我们首先运行马尔可夫链蒙特卡罗在一个非常并行的方式来获得本地聚类绘制,然后细化跨工人的最终聚类估计的基础上的任何损失函数的空间分区。DIB-C还可以估计聚类密度,快速对新对象进行分类,并提供后验预测分布。仿真研究和实际数据的应用表明,优越的性能DIB-C的鲁棒性和计算效率。
2020-05-14 stat.CO stat.ME
A Regularized Spatial Market Segmentation Method with Dirichlet Process Gaussian Mixture Prior
由于现代全球定位系统技术的发展,空间参照数据越来越多。它们还为营销科学领域的空间分析提供了丰富的机会。我们的主要兴趣是提出一个新的有效的统计框架,对位于美国大都市区的餐馆进行空间分割分析。空间分割问题带来了重要的统计挑战:选择最佳数量的细分市场的基础结构,捕捉复杂和灵活的空间结构,以及解决在潜在类分析中可能是典型的任何可能的小n和大p问题。现有的方法试图以启发式的方式解决这些问题,或者似乎对它们保持沉默。为了克服这些挑战,我们提出了一个新的统计框架的基础上正则化贝叶斯空间混合回归Dirichlet过程集成岭或套索正则化。我们的模拟研究表明,所提出的模型成功地恢复了底层的空间聚类结构,并优于现有的两个基准模型。在使用Yelp在线客户满意度数据的实证分析中,我们的模型提供了关于客户满意度的细分级别关键驱动因素以及区域人口统计与餐馆特征之间的可解释关系的有趣见解。
2018-11-24 stat.AP stat.ME
Tutorial: a priori estimation of sample size, effect size, and statistical power for cluster analysis, latent class analysis, and multivariate mixture models
School of Psychological Science, University of Bristol(布里斯托大学心理科学学院)
本教程为识别子群体的分析(如聚类分析、潜在类别分析等)提供样本量和效应量的事前估计路线图,并给出达到可接受统计功效所需的最小观测数与特征数的参考表。
2023-09-02 cs.LG q-bio.OT stat.ME
A Bayesian mixture model captures temporal and spatial structure of voting blocs within longitudinal referendum data
投票集团的估计是政治学中一个重要的统计问题。然而,这些分析的范围通常限于直接观察个人投票的点名数据。在这里,我们研究了贝叶斯混合模型与狄利克雷多项式成分推断投票集团内的纵向公投数据汇总在市级。作为一个案例研究,我们分析了美国缅因州423个城市在2008-2019年投票的54个公投问题的投票总数。使用这个模型,我们恢复的后验分布的投票集团的数量,每个集团内的每个问题的支持,和集团的混合在每个城市。我们发现,这些投票集团是由地理结构,并在整个研究期间基本一致。对后验分布的进一步分析提供了三个额外的发现:投票区块在其整体结构中表现出与地理和文化一致的梯度和不连续性;少数问题与全州范围内的区块结构不一致,这些问题的内容与特定地区有关;在研究期间,区块表现出跨区块极化增加的证据。最后,我们概述了该模型的统计扩展,与政治学中其他统计框架(如民意调查)的连接,并详细介绍了该模型后续应用的候选人位置。
2023-01-06 stat.AP stat.ME
A statistical mechanics approach to the sample deconvolution problem
在多细胞生物体中,不同类型的细胞表达不同数量的基因。可以测量基因表达水平的样品通常含有不同细胞类型的混合物,因此所得测量结果仅给出存在的不同细胞类型的平均值。基于样品与样品之间的混合比例的波动,原则上可以重建每种细胞类型的潜在表达水平:去卷积样品。我们使用的统计力学的方法去卷积这样的部分浓度从混合样品的问题,给出分析结果时,以及如何以及样品可以解混,并提出了一个算法的样品去卷积。
2012-10-28 cond-mat.dis-nn physics.data-an q-bio.QM