Empirical Bayes estimation of normal means, accounting for uncertainty in estimated standard errors
我们考虑经验贝叶斯(EB)估计的正常均值问题,当标准差的观测值是不知道精确的,但估计误差-这是几乎总是在实际应用中的情况。在经典统计学中,估计的标准误通常涉及用$t$分布代替正态分布。这表明通过用$t$假设替换正常假设来解决这个问题,从而导致“EB $t$ -均值问题”。在这里,我们表明,沿着这些路线的方法确实可以工作,但只有一些照顾。事实上,这种想法的天真应用是有缺陷的,并且可能表现不佳。我们建议如何可以弥补这个缺陷的两个阶段的程序,首先进行EB收缩估计的标准误,然后解决EB $t$ -手段的问题。我们给出数值结果说明这种补救措施的有效性。
2019-01-30 stat.ME
Estimation of clusterwise linear regression models with a shrinkage-like approach
文献中已经提出了有限混合法域中极大似然估计的约束方法。提出了一种完全依赖于数据约束的聚类线性回归极大似然估计方法,推广了等变数据驱动的有限高斯混合估计方法.该方法对分量方差施加合理的界限,基于从数据估计的目标值,我们将其视为同方差方差。然而,目前的工作不仅集中在分类恢复,而且如何以及模型参数估计。特别是,该文件揭示了收缩样的解释的过程中,目标是同方差模型:这不仅关系到如何接近目标的估计尺度,但扩展到估计聚类线性回归和分类。我们表明,基于模拟和基于真实数据的结果,我们的方法产生一个最终的模型是最合适的异方差模型和同方差模型之间的数据妥协。
2016-11-10 stat.ME
On the uncertainty from the first-stage estimation of prognostic covariate adjustment in randomized controlled trials
Tokyo Medical University(东京医科大学)
本文研究了随机对照试验中预后协变量调整第一阶段估计对变异估计的影响,推导了两种渐近方差并证明其相等,提出两种方差估计方法并进行了模拟和数据应用比较。
2026-08-07 stat.ME
Collective Spectral Density Estimation and Clustering for Spatially-Correlated Data
在本文中,我们开发了一种方法来估计和聚类的二维谱密度函数(2D-SDF)的空间数据从多个子区域。我们使用一组通用的自适应基函数来解释低维空间中的2D-SDF之间的相似性,并通过最大化具有两个惩罚的Whittle似然来估计基系数。我们应用这些惩罚来施加估计的2D-SDF的平滑度和空间相关的子区域的空间依赖性。所提出的技术提供了一个得分矩阵,该矩阵由与表示2D-SDF的公共基函数集相关联的估计系数组成。{而不是直接聚类估计的SDF,我们建议采用得分矩阵进行聚类,利用其低维属性。在模拟研究中,我们证明了我们提出的方法优于其他竞争的估计程序用于聚类。最后,为了验证所描述的聚类方法,我们将该程序应用于密西西比河流域的土壤水分数据,以产生均匀的空间聚类。我们制作动画来动态显示估计过程,包括估计的2D-SDF和得分矩阵,这提供了所提出的方法的直观说明。
2020-07-28 stat.ME
Two-step estimation of latent trait models
本文提出将两步估计法应用于潜特质模型,先估计测量模型再固定参数估计结构模型,并通过模拟与应用实例证明其优于一步法和三步法,具有良好实用性与概念优势。
2025-08-25 stat.ME
Intensity Estimation for Poisson Process with Compositional Noise
Poisson过程的强度估计是一个经典的问题,在过去的几十年里得到了广泛的研究。然而,实际观测常常包含成分噪声,即沿时间轴的非线性偏移,这使得标准方法不能直接应用。关键的挑战是,这些观察结果并不“一致”,成功的估计需要登记程序。在本文中,我们提出了一个基于矩阵的框架,积极的强度估计。我们首先表明,强度函数是面积保持相对于成分噪声。这种性质意味着时间扭曲仅在归一化强度或密度函数中编码。然后,我们将强度估计分解为估计的总强度和估计的密度的乘积。密度的估计依赖于测量两个密度函数之间的相位差的度量。渐近研究表明,所提出的估计算法提供了一个相合估计量的归一化强度。然后,我们扩展的框架,估计非负强度函数。所提出的估计算法的成功,说明使用两个模拟。最后,我们将新的框架应用于一个真实的神经尖峰序列数据集,发现新估计的强度比以前的方法提供了更好的分类精度。
2019-09-23 stat.ME
Parallel Computing for Copula Parameter Estimation with Big Data: A Simulation Study
近年来,基于Copula的建模取得了快速发展。然而,在大数据应用中,估计copula参数的冗长计算时间是一个主要困难。在这里,我们开发了一种新的方法来加快计算时间估计copula参数,使用通信免费并行计算。我们的程序分区完整的数据集不相交的独立子集,进行copula参数估计的子集,并结合的结果,以产生一个近似的完整的数据copula参数。我们表明,在模拟研究中,计算时间大大减少,通过我们的方法,使用三个著名的一个参数的双变量Copula内的椭圆和阿基米德的家庭:高斯,弗兰克和Gumbel。此外,我们的模拟研究发现,与完整数据参数估计值相比,我们的方法的估计偏倚、估计均方误差和估计相对L1和L2误差值较小。
2016-09-18 stat.ME
Multiplicative Propagation of Error During Recursive Wavelet Estimation
小波系数递归地估计在逐步粗尺度递归。因此,由于在每个阶段的量化和舍入,估计易于产生截断误差的乘法传播。然而,这种传播对小波滤波器输出的影响还没有被系统地探讨。通过一个简单的,通用的子带编码方案与半带低通有限脉冲响应滤波器的下采样的数值误差分析,我们表明,估计小波滤波器系数的截断误差可以很快达到不可接受的水平,并可能使结果不可靠,特别是在粗尺度。
2011-07-28 stat.ME
On true versus estimated propensity scores for treatment effect estimation with discrete controls
本文推导了离散控制变量下逆倾向加权估计量的有限样本方差,发现估计倾向得分在渐近理论中优于真实得分,但对修正估计量的分析表明真实倾向函数的先验知识在估计平均处理效应时具统计优势。
2023-05-18 math.ST stat.ME stat.TH
Spatial prediction variance estimation based on covariance penalty
在实践中,很少(如果有的话)是已知的空间预测问题的空间协方差。通常,在将估计的空间协方差参数插入预测方程之后执行预测。估计的空间关联参数也被插入到空间预测器的预测方差中。但是,简单地将空间协方差参数估计值插入空间预测因子的预测方差中并不考虑空间协方差参数的真实值的不确定性。因此,插件预测方差估计将低估估计的空间预测因子的真实预测方差,特别是对于小数据集。我们提出了一种新的方法来估计估计的预测方差的估计空间预测的协方差惩罚的基础上,使用参数自举。我们的新估计相比,其他三个预测方差估计在文献中提出。新的预测方差估计一般比插入式方法的小数据集与弱空间关联,虽然有时它是第二个最好的四个预测方差估计比较。此外,新的预测方差估计器可以潜在地用于非正态预测的情况。
2014-09-10 stat.ME
Estimation of Parameters in DNA Mixture Analysis
在Cowell等人(2007年)中,使用Γ分布对电泳图中的峰大小进行建模,提出了用于分析混合痕量DNA的贝叶斯网络。结果表明,该分析对方差因子的选择敏感,因此应适用于分析的任何新迹线。在本文中,我们讨论如何方差参数可以估计极大似然,以实现这一点。来自每个贡献者的DNA的未知比例可以类似地通过极大似然联合方差参数来估计。此外,我们讨论了如何将先验知识的参数在贝叶斯分析。建议的估计方法说明通过几个例子的应用程序计算证据价值的个案工作和混合反卷积。
2013-06-20 stat.ME
Robust estimation of optimal dynamic treatment regimes with nonignorable missing covariates
针对不可忽略缺失协变量导致的伪结果缺失及Q函数误设误差传播问题,提出基于直接搜索的稳健最优DTR估计器,采用非参数方法和RKHS平衡权重提升估计稳健性,在模型误设下表现更优。
2025-06-28 stat.ME
Sample Size Calculations for SMARTs
序贯多分配随机试验(SMART)被认为是估计和评价治疗方案的金标准。SMART的大小通常被设定为确保用于简单比较的足够功率,例如,两个固定治疗序列的比较。最佳治疗方案的估计是作为二次和假设生成分析的一部分进行的,对估计的最佳方案的正式评价推迟到后续试验。然而,运行后续试验来评估估计的最佳治疗方案是昂贵且耗时的;此外,如果原始试验对于估计最佳方案的效力不足,则在这样的后续试验中待评估的估计的最佳方案可能远非最佳。我们推导出SMART的样本量程序,以确保:(i)有足够的把握度将最佳治疗方案与标准治疗方案进行比较;以及(ii)估计的最佳方案在高概率的真实最佳方案的给定公差范围内。我们建立的渐近有效性所提出的程序,并证明其有限样本的性能在一系列的模拟实验。
2019-06-16 stat.ME
Estimation of Poisson Autoregressive Model for Multiple Time Series
本文将泊松自回归(PAR)模型视为加性模型,采用三次平滑样条与极大似然估计的混合方法进行参数估计,并将其推广至多重计数时间序列,发现该方法在计数值较大时优于状态空间方法且对结构变化具有稳健性。
2021-04-28 stat.CO stat.ME
Uncertainty Measures and Limiting Distributions for Filament Estimation
细丝是点云中的高密度连通区域。有几种方法来估计细丝,但这些方法不提供任何测量的不确定性。我们给出了一个定义的估计细丝的不确定性,我们研究的估计细丝的统计性质。我们将展示如何估计的不确定性措施,我们构建的置信度集的基础上的自举技术。我们将我们的方法应用于天文数据和地震数据。
2013-12-07 cs.CG stat.ME
Simulation-based Calibration of Uncertainty Intervals under Approximate Bayesian Estimation
本文针对平均场变分贝叶斯等近似算法导致的不确定性量化偏差,提出一种基于模拟的校准程序,通过生成复制数据集并重新估计来构造渐近达到名义覆盖率的置信区间,并在模拟和当前就业统计调查数据上验证其有效性。
2024-07-05 stat.AP stat.ME
Inference for ROC Curves Based on Estimated Predictive Indices
我们提供了一个全面的理论进行样本内统计推断的受试者工作特征(ROC)曲线的基础上预测值从第一阶段模型估计参数(如logit回归)。术语“样本内”是指使用相同数据进行模型估计(训练)和后续评估的做法,即,ROC曲线的构建。我们发现,在这种情况下,第一阶段的估计误差有一个普遍不可忽略的影响的ROC曲线的渐近分布,并制定适当的逐点和功能极限理论。我们提出了模拟极限过程分布的方法,并展示了如何在实践中使用结果比较ROC曲线。
2021-12-03 econ.EM stat.ME
On estimation of the effect lag of predictors and prediction in functional linear model
我们提出了一个功能线性模型来预测反应,使用多个功能和纵向预测,并估计预测的效果滞后。系数函数被写为基系统(例如,函数主成分、样条)的展开,并且固定基函数的系数通过优化惩罚准则来估计。然后根据预测误差最小化准则,通过在先验网格上同时搜索来确定时滞。此外,估计的参数和预测的响应的数学性质进行了研究和性能的方法进行了评估,通过广泛的模拟。
2019-07-23 stat.CO stat.ME
Factor Models with Sparse VAR Idiosyncratic Components
我们通过利用两者的积极方面来调和密集和稀疏建模的两个世界。我们采用因子模型并假设{因子的动态不普遍,而}特质项遵循稀疏向量自回归模型(VAR){,该模型允许}横截面和时间依赖性。估计分为两个步骤:第一,通过主成分分析估计因子及其载荷;第二,通过对估计的特质成分的正则化回归估计稀疏VAR。我们证明了所提出的估计方法的时间和横截面尺寸发散的一致性。在第二步骤中,需要考虑第一步骤的估计误差。在这里,我们不遵循简单地插入因子估计得出的标准率的天真方法。相反,我们推导出误差的更精确的表达式。这使我们能够得出更严格的利率。我们讨论了我们的预测模型,因子增广回归,引导因子模型,和时间序列依赖网络通过半参数估计的谱密度矩阵的逆的影响。
2022-05-24 econ.EM stat.ME
Wavelet Estimation for Factor Models with Time-Varying Loadings
我们引入了一个时变负荷的高维因子模型。我们涵盖了平稳和非平稳因素,以增加应用的可能性。我们提出了一个基于两个阶段的估计过程。首先,我们通过主成分估计公共因子。在第二步中,考虑估计的因素,观察到的时变载荷估计的迭代广义最小二乘程序使用小波函数。我们通过蒙特卡罗模拟研究了有限样本特征。最后,我们应用该模型研究了Nord Pool电力市场的电价和负荷。
2021-10-09 math.ST stat.ME stat.TH
Local Quadratic Estimation of the Curvature in a Functional Single Index Model
环境变化对物种多度的非线性影响在维持生态多样性方面起着重要作用。尽管如此,许多常见的模型使用参数非线性项预先确定生态结论。出于这种考虑,我们研究了函数单指标模型中链接函数g的二阶导数(曲率)的估计。由于系数函数和连接函数都是未知的,估计被表示为嵌套优化。对于一个固定的未知系数函数,首先利用局部二次逼近估计出连接函数及其二阶导数,然后通过最小化模型的均方误差估计出系数函数。在本文中,我们推导出估计的收敛速率。此外,我们还证明了g的辐角可以一致地估计root-n。然而,实际实施的方法需要解决一个非线性最优化问题,我们的结果表明,估计的链接函数和系数函数是相当敏感的选择的起始值。
2018-03-25 math.ST stat.ME stat.TH
Estimation of the genetic Gaussian network using GWAS summary data
本文提出EGG方法,利用多变量孟德尔随机化技术消除GWAS汇总数据中的估计误差和水平多效性偏倚,从而更准确地估计遗传高斯网络并揭示表型间的条件共享生物学贡献及潜在因果贡献。
2024-01-15 stat.AP stat.ME
Prohorov Metric-Based Nonparametric Estimation of the Distribution of Random Parameters in Abstract Parabolic Systems with Application to the Transdermal Transport of Alcohol
本文提出基于 Prohorov 度量的非参数方法估计抽象抛物系统随机参数分布,证明最小二乘估计量的存在性与一致性,并通过酒精经皮转运生物传感器的仿真与真实数据验证其收敛和预测表现。
2023-04-24 math.OC stat.ME
Joint Mean-Vector and Var-Matrix estimation for Locally Stationary VAR(1) processes
在过去的二十年里,局部平稳过程在时间序列文献中得到了广泛的研究。本文研究了一阶局部平稳向量自回归模型(LS-VAR(1)),并利用加权最小二乘估计了其参数。我们考虑的LS-VAR(1)允许平滑时变非对角VAR矩阵,以及平滑时变非零均值。加权方案是基于核平滑。对时变均值和时变VAR矩阵进行联合估计,并给出局部线性加权矩阵的封闭式定义。通过仿真结果说明了估计曲线的质量。
2021-04-23 math.ST stat.ME stat.TH
Understanding the limitation of Total Correlation Estimation Based on Mutual Information Bounds
该研究指出基于互信息界的总相关(TC)估计因重要性采样存在偏差放大问题,提出基于监督学习的校正模型,有效提升了TC估计精度并消除估计方差。
2023-04-26 cs.IT math.IT stat.ME
Clustering by Deep Nearest Neighbor Descent (D-NND): A Density-based Parameter-Insensitive Clustering Method
University of Electronic Science and Technology of China(电子科技大学)
大多数基于密度的聚类方法在很大程度上依赖于对底层密度的估计。然而,密度估计本身也是一个具有挑战性的问题,尤其是核带宽的确定。大的带宽可能导致过平滑的密度估计,其中密度峰值的数量可能小于真实的聚类,而小的带宽可能导致欠平滑的密度估计,其中在估计的密度中将生成伪密度峰值,或称为“波纹噪声”。在本文中,我们提出了一种基于密度的层次聚类方法,称为深度最近邻下降(D-NND),它可以逐层学习底层的密度结构,同时捕获聚类结构。该方法可以避免过平滑密度估计,同时也可以减小欠估计情况的负面影响。总的来说,D-NND不仅表现出很强的发现潜在集群结构的能力,而且由于其对参数的不敏感性,具有显著的可靠性。
2015-12-07 cs.CV cs.LG stat.CO