Confidence Intervals Using Turing's Estimator: Simulations and Applications
UNC Charlotte（北卡罗来纳大学夏洛特分校）；Mississippi State University（密西西比州立大学）
研究使用图灵估计器估计罕见结果概率，通过模拟研究相关置信区间有限样本性能，引入选合适CI方法，应用于作者归属问题并推导其对于重要离散分布的理论结果。
2026-07-13 math.ST stat.AP stat.TH
Asymptotic Statistical Properties of Redescending M-estimators in Linear Models with Increasing Dimension
研究了一类增维线性模型中降阶M估计的渐近统计性质。这一类是足够广泛的，包括流行的高崩溃点估计，如S-估计和MM-估计，这是不包括现有的结果在文献中。我们证明了一致性假设只有$p/n \rightarrow 0$和渐近正态性基本上如果$p^{3}/n \rightarrow 0$，其中$p$是协变量的数量和$n$是样本量。
2016-12-18 math.ST stat.TH
R-estimators in GARCH models; asymptotics, applications and bootstrapping
拟极大似然估计是估计Gestival参数的一种常用方法。然而，这样的估计是敏感的离群值和他们的渐近正态性证明下的有限四阶矩假设的基本误差分布。本文提出了一类新的基于秩的Gestival参数估计，称为R估计，它具有在误差大于二阶矩的情况下渐近正态且高效的性质.我们还考虑了有限样本分布的R估计的加权Bootstrap逼近。我们提出了快速算法计算的R估计和他们的自助复制。真实数据分析和模拟表明，所提出的估计在正态分布和重尾分布下具有优良的性能。我们广泛的模拟也揭示了加权自举近似的出色的覆盖率。此外，我们还讨论了高阶GARCH模型如GARCH~（$2, 1$）和非对称模型如GJR模型的R估计的经验和模拟结果。
2020-09-02 math.ST stat.TH
Inference with penalized likelihood
本文在半参数框架下研究了最大惩罚似然方法的统计特性。我们回顾了惩罚似然估计函数的方法，并回顾了一些渐近结果。研究了极大惩罚似然估计方差的两种估计：三明治估计和贝叶斯估计的性质。通过生存数据的模拟研究，研究了基于这些估计量的置信区间的覆盖率。在第一次模拟中，对生存函数和风险函数的覆盖率进行评估。在第二个模拟中，从具有协变量的比例风险模型生成数据。研究了回归系数的方差估计。对于生存和风险函数，三明治估计和贝叶斯估计都表现出相对较好的性质，但贝叶斯估计似乎更准确。至于回归系数，我们集中在贝叶斯估计，并发现它产生了良好的覆盖率。
2014-01-30 math.ST stat.TH
Asymptotic normality in multi-dimension of nonparametric estimators for discrete-time semi-Markov chains
本文证明了马尔可夫更新链转移概率非参数估计量的多维渐近正态性，并将其应用于相关半马尔可夫链的其他非参数估计量。
2023-04-08 math.PR math.ST stat.TH
Simulations for estimation of heterogeneity variance $τ^2$ in constant and inverse variance weights meta-analysis of log-odds-ratios
研究间方差的一些常用估计量$τ^2$基于Cochran $Q$统计量，用于检验Meta分析中的异质性。我们介绍了新的点和区间估计的$τ^2$的对数优势比。这些包括新的DerSimonian-Kacker型矩估计的基础上的一阶矩的$Q_F$，$Q$统计与有效样本量的权重，和新的中位数无偏估计量。我们通过模拟研究了$τ^2$的这些新估计量的偏倚和覆盖率，为了比较的目的，研究了一些基于具有逆方差权重的$Q$统计量的著名估计量的偏倚和覆盖率，$Q_{IV}$，例如Mandel-Paule，DerSimonian-Laird和限制最大似然估计量，以及基于Kulinskaya-Dollinger（2015）改进的$Q_{IV}$近似的估计量。
2022-08-01 stat.ME
A Simulation Comparison of Estimators of Conditional Extreme Value Index under Right Random Censoring
在极值分析中，极值指数起着至关重要的作用，因为它决定了潜在分布的尾部沉重程度，并且是估计其他极端事件所需的主要参数。本文讨论了右随机截尾情形下的极值指标估计以及协变量信息的存在性。此外，我们提出了一些估计的极值指数，包括极大似然估计扰动Pareto分布。在相同的条件下，现有的估计和建议的比较，通过模拟研究。结果表明，估计量的性能取决于截尾百分比、底层分布、极值指标的大小和前顺序统计量的个数。总体而言，我们发现，从扰动帕累托分布的估计是强大的删失，极值指数的大小和顶部的顺序统计量的数量。
2017-09-25 stat.CO
Simulation study of estimating between-study variance and overall effect in meta-analysis of odds-ratios
随机效应荟萃分析需要估计研究间方差$τ^2$。研究了比值比荟萃分析中$τ^2$及其置信区间的估计方法，以及总体效应相关估计量的性能。我们提供了对$τ^2$的五点估计的广泛模拟结果（流行的DerSimonian-Laird方法、限制性极大似然、Mandel和Paule;不太熟悉的Jackson方法;以及基于Kulinskaya和Dollinger（2015）对Q统计量分布的改进近似的新方法（KD））; $τ^2$的五个区间估计量（剖面似然，Q剖面，Biggerstaff和Jackson，Jackson和KD），总体效应的六点估计量（与$τ^2$的点估计量相关的五个逆方差估计量和一个估计量（SSW），其权重仅使用研究水平样本量），和8个区间估计的整体效果（五个基于点估计的$τ^2$ ; Hartung-Knapp-Sidik-Jonkman（HKSJ）区间;基于KD的HKSJ修改;和一个区间的样本量加权估计）。我们的模拟结果表明，没有一个点估计的$τ^2$可以推荐，但新的KD估计提供了一个可靠的覆盖$τ^2$。总体效应的逆方差估计值存在很大偏差。总体效应的SSW估计量和相关的置信区间提供了对数优势比的可靠点和区间估计。
2019-02-19 stat.ME
Estimators for the interval censoring problem
我们研究了区间删失情形2的三种估计：Birgé（1999）提出的直方图型估计、最大似然估计（MLE）和使用平滑核的平滑MLE。我们的重点是在一个不动点的估计量的渐近分布。在模拟研究中的估计进行了比较。
2011-12-12 math.ST stat.TH
Asymptotic behaviour of penalized robust estimators in logistic regression when dimension increases
本文研究了维数随样本量趋向无穷大时逻辑回归中带惩罚 $M-$估计量的渐近行为，证明了其相合性、收敛速度、变量选择相合性及渐近分布。
2023-08-04 math.ST stat.TH
Robust and sparse estimators for linear regression models
惩罚回归估计是分析稀疏和高维数据集的常用工具。然而，使用无界损失函数定义的惩罚回归估计量可能对离群观测值的存在非常敏感，特别是高杠杆离群值。此外，在高维数据集中检测离群值可能特别具有挑战性。因此，稀疏和高维线性回归模型的鲁棒估计是必要的。在本文中，我们研究了MM桥和自适应MM桥估计：$\ell_q$ -惩罚的MM-估计的回归和MM-估计与自适应$\ell_t$惩罚的鲁棒性和渐近性质。对于协变量个数固定的情况，我们得到了所有$q>0$的MM-Bridge估计量的渐近分布。证明了对于$q<1$，MM-Bridge估计量具有Fan和Li（2001）中定义的预言性质.我们证明了对于所有的$t\leq 1$自适应MM-Bridge估计器都可以具有预言性质。我们提出的估计的优点是通过广泛的模拟研究和一个真正的高维数据集的分析证明。
2015-10-16 math.ST stat.TH
Tuning-free ridge estimators for high-dimensional generalized linear models
岭估计正则化参数的平方欧几里德长度。这样的估计在数学上和计算上是有吸引力的，但是涉及可能难以校准的调谐参数。在本文中，我们表明，岭估计可以修改，使调谐参数可以完全避免。我们还表明，这些修改后的版本可以提高标准岭估计与交叉验证相结合的经验预测精度，我们提供了第一个理论保证。
2020-02-27 stat.AP stat.CO stat.ME
Maximum Entropy Estimator for Hidden Markov Models: Reduction to Dimension 2
本文在样本量较大的情况下，针对经典的Baum-Welch EM算法计算极大似然估计量的耗时问题，提出了基于隐马尔可夫模型观测序列二维经验分布的最大熵估计量。在一个相当一般的框架下证明了最大熵估计的相合性和渐近正态性，其中渐近协方差阵是用二维Fisher信息显式估计的.作为补充，本文巧妙地利用二维相对熵来研究假设检验问题。此外，我们提出了二维的最大熵算法来寻找最大熵估计，它适用于非常大的观测数据集和大的隐藏状态集。给出了一些数值例子，并对结果进行了评述.
2023-02-18 math.PR math.ST stat.TH
Assessing the multivariate normal approximation of the maximum likelihood estimator from high-dimensional, heterogeneous data
正则性条件下极大似然估计的渐近正态性是统计理论的基石。本文给出了向量参数极大似然估计的分布与多元正态分布之间的分布距离的上界。我们的工作可能是高维的，独立的，但不一定是同分布的随机向量。此外，我们得到明确的上界，即使在MLE不能解析表示的情况下。
2018-07-20 math.ST stat.TH
Asymptotic behavior of the Whittle estimator for the increments of a Rosenblatt process
本文的目的是利用Whittle估计量估计Rosenblatt过程的自相似指数。通过将混沌推广到多个随机积分上，建立了该估计量所满足的非中心极限定理。我们通过数值模拟来说明我们的结果。
2013-02-24 math.ST stat.TH
Bias-reduced estimators of the Weibull tail-coefficient
本文研究了Weibull尾系数的估计问题。特别是，我们提出了一个回归模型，从中我们得到一个偏差减少估计。该估计器基于最小二乘方法。并证明了该估计量的渐近正态性。一个小的模拟研究，以证明其效率。
2011-03-31 math.ST stat.TH
Regression estimators for the tail index
对上尾为正则变化的分布函数，提出了一类尾指标的加权最小二乘估计。我们的方法是基于由\cite{Holan2010}开发的方法的Parzen尾指数。证明了估计量的渐近正态性。通过模拟研究，这些和以前的估计进行了比较，在Pareto和霍尔模型使用的均方误差为标准。结果表明，加权最小二乘估计优于其他估计。
2020-02-28 math.ST stat.TH
Asymptotic behavior of the Laplacian quasi-maximum likelihood estimator of affine causal processes
本文证明了一类因果时间序列的Laplacian拟极大似然估计（QMLE）的相合性和渐近正态性，这类因果时间序列包括ARMA，AR（$\infty$），GARCH，GARCH（$\infty$），ARMA-GARCH，APARCH，ARMA-APARCH，.流程.我们显着表现出的优势（矩阶和鲁棒性），这种估计相比，经典的高斯QMLE。数值模拟证实了这种估计的准确性。
2017-02-21 math.ST stat.TH
On Consistency and Asymptotic Normality of Least Absolute Deviation Estimators for 2-dimensional Sinusoidal Model
Texas A&M University（德克萨斯农工大学）；Indian Institute of Technology Kanpur（印度理工学院坎普尔分校）
针对二维正弦模型参数估计问题，提出鲁棒最小绝对偏差估计量，证明其强一致性与渐近正态性，通过仿真和纹理数据分析验证其在异常值、重尾噪声场景下的优势与实用性。
2023-06-15 cs.LG math.ST stat.ML
Robust estimator of distortion risk premiums for heavy-tailed losses
我们使用Fabián（2001）提出的所谓t-Hill尾部指数估计量，而不是Hill的估计量，来推导出损失失真风险溢价的稳健估计量。在二阶正则变差条件下，建立了它的渐近正态性。通过仿真研究，我们表明，新的估计是更强大的比Necir和Meraghni 2009小样本和大样本。
2016-02-13 math.ST stat.TH
Nearly optimal minimax estimator for high-dimensional sparse linear regression
我们提出了一个很好的研究统计估计问题的估计：估计的线性回归模型与软稀疏约束（$\ell_q$约束与$0<q\leq1$）在高维设置。我们首先提出了一个家庭的估计，称为投影最近邻估计，并显示，通过使用凸几何的结果，这种估计是在一个对数因子的最佳任何设计矩阵。然后利用[SIAM J. COMPUT. 36（2007）1764-1776]，我们获得了用于计算任何这样的估计任务的极大极小风险的近似算法，并且还获得了用于$\ell_1$稀疏约束的重要情况的多项式时间近似最优估计器。尽管对这个问题进行了数十年的研究，但以前只知道特殊情况下的结果。当参数半径未知时，我们也将该方法推广到自适应的情况。
2013-11-08 math.ST stat.TH
Second-Order Inference for the Mean of a Variable Missing at Random
在随机缺失的假设下，我们给出了一个二阶估计的均值受缺失的变量。估计改进现有的方法，通过使用近似的二阶扩展的参数功能，除了一阶扩展采用标准的双稳健方法。这导致建立一致性、局部有效性和渐近线性所需的收敛速度假设较弱。在目标最小损失估计（TMLE）框架下开发了一般估计策略。我们提出了一个模拟比较的灵敏度的一阶和二阶估计的收敛速度的初始估计的结果回归和缺失评分。在我们的模拟中，二阶TMLE将置信区间的覆盖概率提高了85%。此外，我们提出了一个一阶估计的启发二阶扩展的参数功能。该估计器仅需要一维平滑，而二阶TMLE的实现通常需要协变量空间上的核平滑。与现有的一阶估计量相比，一阶估计量有望提高有限样本性能。在我们的模拟中，建议的一阶估计提高了高达90%的覆盖概率。我们提供了一个使用公开数据集来确定抗凝剂对接受经皮冠状动脉介入治疗的患者健康结局的影响的方法的说明。我们提供R代码实现建议的估计。
2015-11-26 math.ST stat.TH
On the Kozachenko-Leonenko entropy estimator
我们详细研究了Kozachenko和Leonenko提出的一个大类密度$\mathbb{R}^d$上的熵估计的偏差和方差。然后，我们使用的工作Bickel和Breiman证明了一个中心极限定理的尺寸$1$和$2$。在更高的维度，我们提供了一个发展的偏见的权力方面的$N^{-2/d}$。这允许我们使用Richardson外推法来建立在任何维度上满足中心极限定理的估计量，并且我们可以给出一些明确的（渐近的）置信区间。
2016-02-24 math.ST stat.TH
Improved Estimator of the Conditional Tail Expectation in the case of heavy-tailed losses
在本文中，我们研究了极值方法，提出了一个改进的估计的条件尾期望（$CTE$）的损失分布具有有限的均值，但无限的方差。本文基于重尾分布高分位数的偏差缩减估计，提出了一种新的$CTE$估计。在模拟研究中，建立并检验了所提出的估计量的渐近正态性。此外，我们比较，在偏差和均方误差，我们的估计与已知的旧估计。
2020-02-09 math.ST stat.TH
Testing independence of functional variables by an Hilbert-Schmidt independence criterion estimator
我们提出了Hilbert-Schmidt独立准则的估计量，该估计量是通过对通常估计量进行适当修改而获得的。在独立性假设和备择假设下，得到了该估计量的渐近正态性。一个新的测试的独立性的随机变量值到度量空间，然后介绍了一个模拟研究，允许比较建议的测试，以现有的一个提供
2022-06-23 math.ST stat.TH
High-dimensional robust approximated M-estimators for mean regression with asymmetric data
随着数据维数的增加，非对称性和异方差或污染现象经常出现。在超高维数据分析中，这种不规则的设置通常被忽略的理论和计算的方便。在本文中，我们建立了一个框架，估计在高维回归模型中使用惩罚稳健近似二次M-估计（PRAM）。该框架允许一般设置，如随机误差缺乏对称性和均匀性，或协变量不是亚高斯。为了减少均值回归中由于数据的不规则性而可能引起的偏差，PRAM采用了一个损失函数，其稳健性参数随样本量的增加而变化。在理论上，我们首先证明，在超高的维度设置，PRAM估计有本地估计的一致性在极大极小率享受的LS-Lasso。然后，我们证明了具有适当的非凸惩罚的PRAM实际上与局部预言解一致，从而获得了它的预言性质。在计算上，我们证明了六个PRAM估计使用三种类型的损失函数近似（胡贝尔，Tukey的双权和柯西损失）结合两种类型的罚函数（拉索和MCP）的性能。我们的模拟研究和实际数据分析表明，令人满意的有限样本性能的PRAM估计在一般的不规则设置。
2022-07-18 math.ST stat.TH
High-dimensional linear regression inference via $\ell^2$ weak convergence
Faculty of Economics and Law, Shinshu University（信州大学经济与法学院）；Faculty of Mathematics, Kyushu University（九州大学数学系）
本文研究了高维线性回归中估计量的渐近正态性，通过弱收敛性证明，允许非零系数数量增长并提供插值临界值方法。
2026-10-22 math.ST stat.TH
Asymptotic Normality of the Conditional Value-at-Risk based Pickands Estimator
本文针对极值指数的 Pickands 估计量渐近效率差的问题，证明了基于 CVaR 的 Pickands 估计量在函数空间中的弱收敛性及渐近正态性，并通过模拟验证了理论结果。
2024-07-26 math.ST stat.OT stat.TH
On Extreme Value Index Estimation under Random Censoring
删失条件下的极值分析在许多学科中得到了广泛的应用，包括生存和可靠性研究。极端值指数（EVI）的估计是最重要的，因为它是估计极端事件（如分位数和重复概率）所需的关键参数。本文综述了随机截尾数据下极值指标的几种估计。此外，提出了四个估计，一个基于对数间距的指数回归近似，一个基于Zipf估计和两个基于矩估计的变体。在相同的仿真条件下，对所提出的估计器和现有的估计器进行了比较。估计量的性能度量包括置信区间长度和覆盖概率。模拟结果表明，没有估计是普遍最好的估计依赖于EVI参数的大小，截尾的右尾和潜在的分布的百分比。然而，某些估计，如建议的减少偏差估计和自适应矩估计被发现在大多数情况下表现良好。此外，我们提出了一个bootstrap算法，用于在删失情况下获得极值分析的样本。一些在模拟研究中表现良好的估计器使用来自医学研究的实际数据集进行说明
2017-10-01 stat.CO
High-Dimensional Hettmansperger-Randles Estimator and its Applications
本文提出了一种用于高维椭圆分布位置参数和散布矩阵的高维 Hettmansperger-Randles 估计量，并将其应用于单样本位置检验和二次判别分析，新方法在多种分布下均表现出有效性和优越性。
2025-05-03 stat.ME
On the boundary properties of Bernstein estimators on the simplex
本文研究了$d$维单形的累积分布函数和密度函数的Bernstein估计的渐近性质（偏差、方差、均方误差）.我们的结果推广了Leblanc（2012）的结果，他处理了$d=1$的情况，并补充了Ouimet（2021）在单形内部的结果。由于$d$维单纯形的“边”具有从$0$（顶点）直到$d - 1$（面），我们的核函数是多项式，偏差的渐近表达式，方差和均方误差并不像乘积那样是一维渐近性的直接扩展-型估计研究的几乎所有过去的作者在Bernstein估计或非对称核估计的背景下。这一点使得数学分析更加有趣。
2022-12-10 math.PR math.ST stat.TH
Asymptotic normality of maximum likelihood estimator for cooperative sequential adsorption
我们在以前的工作中表明，合作序贯吸附模型的统计推断可以基于极大似然估计。本文继续这方面的研究，建立了极大似然估计在热力学极限下的渐近正态性。我们还进行了一些数值模拟的模型和讨论。
2010-05-06 math.PR math.ST stat.TH
Maximum likelihood estimators and random walks in long memory models
我们考虑由高斯和非高斯自相似过程驱动的统计模型，并构造漂移参数的最大似然估计（MLE）。我们的方法是基于近似的随机游动的驱动噪声。我们研究了估计量的渐近性质，并给出了一些数值模拟来说明我们的结果。
2009-12-19 math.PR math.ST stat.TH
Asymptotic Efficiency of the Global Maximum-Likelihood Estimator in Multi-Emitter Localization Microscopy
The City College of City University of New York（纽约市立大学城市学院）
该研究针对多发射源定位显微术，实现GML估计器并通过仿真验证其渐近效率理论。
2026-08-03 cs.IT math.IT math.ST
Estimators for Archimedean copulas in high dimensions
ETH Zurich（苏黎世联邦理工学院）；Heriot-Watt University（赫瑞瓦特大学）
研究已知和新的阿基米德连接函数参数估计量在高维和数值困难下的性能，通过大规模模拟比较多种估计量，首次考虑高达100维的情况，并详细解决计算问题。
2012-11-02 cs.NA math.NA stat.CO
Efficient estimation in the Topp-Leone distribution
本文考虑Topp-Leone分布的概率密度函数和累积分布函数的估计。我们导出了下列估计：极大似然估计，一致最小方差无偏估计量，百分位估计，最小二乘估计和加权最小二乘估计。仿真研究表明，极大似然估计比其它估计更有效。
2017-01-13 stat.AP stat.ME
Asymptotics of Monte Carlo maximum likelihood estimators
我们描述了蒙特卡罗近似的极大似然估计模型与棘手的赋范常数和解释变量。我们认为这两个来源的随机性（由于初始样本和蒙特卡罗模拟），并证明渐近正态的估计。
2014-12-19 stat.ME
Strongly Consistent of Kullback-Leibler Divergence Estimator and Tests for Model Selection Based on a Bias Reduced Kernel Density Estimator
本文研究了有偏约化核密度估计的强相合性，得到了强相合的库尔贝克-莱布勒散度（KLD）估计.作为应用，我们给出了模型选择的拟合优度检验和渐近标准正态检验。蒙特卡罗模拟表明了所提出的估计方法和统计检验的有效性。
2018-05-18 stat.ME
Bagging of Density Estimators
在这项工作中，我们给出了新的密度估计平均经典的密度估计，如直方图，频率多边形和核密度估计在不同的自助样本的原始数据。我们证明了这些新的估计的L2-一致性，并通过大量的模拟比较它们与几种类似的方法。在此基础上，给出了目标密度的非参数逐点置信区间的构造方法。
2018-08-23 stat.ME
Some estimators of the PDF and CDF of the Lindley Distribution
本文讨论了林德利分布的概率密度函数（PDF）和累积分布函数（CDF）的不同估计方法。考虑了以下估计方法：一致最小方差无偏估计量（UMVUE），极大似然估计（MLE），百分位估计（PCE），最小二乘估计（LSE），加权最小二乘估计（WLSE），Cramér-von-Mises估计（CVME），Anderson-Darling估计（ADE）。蒙特卡罗模拟进行比较所提出的估计方法的性能。
2016-04-21 stat.AP stat.ME
Localization Estimator for High Dimensional Tensor Covariance Matrices
Harbin Institute of Technology（哈尔滨工业大学）；Tsinghua University（清华大学）；Peking University（北京大学）
本文提出了一种用于高维张量数据的协方差定位估计器，通过定位函数调节样本协方差矩阵，并在谱范数和弗罗贝尼乌斯范数下推导了最小最大收敛速率，通过实验验证了其在海洋涡旋数据中的有效性。
2026-01-11 stat.ME
Asymptotic results for nonparametric regression estimators after sufficient dimension reduction estimation
本文证明在充分降维估计后使用非参数回归时，渐近分布与使用真实SDR相同，从而支持推断并避免维数灾难。
2023-06-18 stat.ME
On the stochastic restricted Liu-type maximum likelihood estimator in logistic regression
为了克服多重共线性，当线性约束是随机的时，我们通过将Liu型极大似然估计（Inan and Erdo- GAN，2013）结合到逻辑斯谛回归模型中，提出了随机约束Liu型最大似然估计。我们还讨论了新的估计量的性质。此外，我们还给出了新估计量中偏置参数的选择方法。最后，仿真研究显示了新的估计器的性能。
2017-10-06 stat.ME
Novel closed-form point estimators for a weighted exponential family derived from likelihood equations
本文提出加权指数族的闭式点估计，并用自助法降低偏差，蒙特卡罗模拟验证其有效性。
2024-05-25 stat.ME
General Semiparametric Shared Frailty Model Estimation and Simulation with frailtySurv
介绍了用于半参数共享脆弱性模型模拟和拟合的R软件frailtySurv。软件包frailtySurv实现了各种脆弱分布的半参数相合估计量，包括伽玛分布、对数正态分布、逆高斯分布和幂方差函数，并提供了参数估计量的标准误的相合估计量。参数的估计量是渐进正态分布的，因此可以使用正态分布进行基于该包结果的统计推断，例如假设检验和置信区间。大量的仿真实验证明了该估计器的灵活性和正确性。两个案例研究与公开可用的数据集证明了包的适用性。在糖尿病视网膜病变研究中，失明的发生按患者聚集，在大型硬盘驱动器故障数据集中，故障时间被认为是由硬盘驱动器制造商和型号聚集。
2018-09-05 cs.MS stat.CO
Small Area Estimation using EBLUPs under the Nested Error Regression Model
University of New South Wales（新南威尔士大学）；Australian National University（澳大利亚国立大学）
本文基于嵌套误差回归模型探讨小区域估计，构建混合模型估计量（EBLUPs）并分析其条件线性预测，通过渐进框架建立渐近线性结果和中心极限定理，展示估计量的渐近等价性及简化误差估计方法，通过模拟验证其在小样本下的有效性。
2022-10-18 stat.ME
A continuous updating weighted least squares estimator of tail dependence in high dimensions
基于似然的过程是估计尾部相关参数的常用方法。然而，它们不适用于不可微模型，例如最近的最大线性结构方程模型。此外，它们在更高的维度上很难计算。一个自适应加权最小二乘程序匹配非参数估计的稳定的尾部依赖函数与相应的值的参数指定的建议产生一种新的最小距离估计。该估计量易于计算，适用于广泛的抽样方案和尾部相关模型。在大样本中，它是渐近正态的，具有显式和可估计的协方差阵。获得的最小距离形成拟合优度统计量的基础，其渐近分布是卡方。广泛的蒙特卡罗模拟证实了出色的有限样本性能的估计，并证明它是一个强大的竞争对手，目前可用的方法。估计，然后应用到解开在欧洲股票市场的尾部依赖的来源。
2016-01-19 stat.ME
High-dimensional Simultaneous Inference on Non-Gaussian VAR Model via De-biased Estimator
高维非高斯时间序列的同时推理一直被认为是一个具有挑战性的问题。这类任务不仅要求对随机过程中的系数进行稳健估计，而且要求导出因变量之和的极限分布。本文提出了一种乘子自举方法来同时推断高维非高斯向量自回归（VAR）模型中的转移系数。这种引导辅助过程允许时间序列的维度在观测数量上以指数方式快速增长。作为一个检验统计量，构造了一个用于同时推断的去偏估计量。与传统的去偏/去稀疏化Lasso估计器不同，鲁棒凸损失函数和归一化权重函数被用来避免分布尾部的任何不利行为。我们发展了VAR模型的高斯近似理论，得到了去偏估计的渐近分布，并提出了一个乘子自举辅助的方法，在非常温和的矩条件下得到了新息的临界值。作为各种估计的收敛性分析的重要工具，我们建立了有界VAR模型的Bernstein型概率集中不等式。数值实验验证了所提方法的有效性。
2021-11-02 stat.ME
Adaptive kernel estimation of the baseline function in the Cox model, with high-dimensional covariates
本文的目的是提出一种新的核估计的基线函数在一般的高维Cox模型，我们得到的非渐近收敛速度。为了构造我们的估计量，我们首先通过Lasso过程估计Cox模型中的回归参数。然后，我们将此估计器插入到经典的基线函数的核估计器中，通过平滑累积基线函数的所谓Breslow估计器获得。我们提出并研究了一个自适应的过程来选择带宽，在黄金enshluger和Lepski（2011）的精神。我们状态的非渐近预言不等式的最终估计，这揭示了减少的收敛速度时，协变量的尺寸增长。
2015-07-06 stat.AP stat.ME
Voronoi Density Estimator for High-Dimensional Data: Computation, Compactification and Convergence
针对Voronoi密度估计器在高维空间因计算复杂度过高而受限的问题，提出紧化Voronoi密度估计器（CVDE），提供高效数值近似算法并证明其收敛性，实验表明其在声音和图像数据上优于KDE。
2024-02-19 cs.CG stat.ME
Provable More Data Hurt in High Dimensional Least Squares Estimator
Southern University of Science and Technology（南方科技大学）；Fudan University（复旦大学）
本文研究了高维最小二乘估计的有限样本预测风险。当样本量和特征数都趋于无穷大时，我们推导出了预测风险的中心极限定理。给出了预测风险的有限样本分布和置信区间。我们的理论结果证明了预测风险的样本非单调性，并证实了“更多的数据伤害”现象。
2020-08-14 cs.LG stat.AP stat.ML
Some estimators of the PMF and CDF of the Logarithmic Series Distribution
本文讨论对数级数分布的概率质量函数（PMF）和累积分布函数（CDF）的不同估计方法。考虑了以下估计方法：一致最小方差无偏估计量（UMVUE）、极大似然估计量（MLE）、百分位估计量（PCE）、最小二乘估计量（LSE）、加权最小二乘估计量（WLSE）。蒙特卡罗模拟进行比较所提出的估计方法的性能。
2016-05-31 stat.AP
Scalable simulation-based inference for implicitly defined models using a metamodel for Monte Carlo log-likelihood estimator
本文针对隐式定义模型提出一种基于蒙特卡洛对数似然估计器元模型的可扩展仿真推断方法，利用局部渐近正态性量化参数不确定性，并通过多个示例验证其准确性与可扩展性。
2025-04-16 math.ST stat.ME stat.TH
Robust and Sparse Multinomial Regression in High Dimensions
针对高维数据，提出了一种稳健稀疏的多项式回归估计。估计器的鲁棒性通过修剪观测值来实现，估计器的稀疏性通过弹性网惩罚来获得，弹性网惩罚是$L_1$和$L_2$惩罚的混合。从这个角度来看，建议的估计是一个扩展的enet-LTS估计\citep{Kurnaz18}的线性和逻辑斯谛回归的多项式回归设置。在介绍了一种算法的计算，进行了模拟研究，以显示性能相比，非稳健版本的多项式回归估计。一些真实数据的例子强调了这个强大的估计的有用性。
2022-05-24 math.ST stat.CO stat.ME
