On estimation of skewed stable linear regression
针对偏斜稳定误差的线性回归,提出两阶段估计法:差分后使用柯西拟极大似然估计回归系数,再基于残差矩估计稳定参数,计算高效且可作极大似然优化的初值。
2025-06-24 math.ST stat.TH
On cross-validated estimation of skew normal model
针对偏正态模型在对称附近的推断缺陷,提出交叉验证选择惩罚系数的 MPLE,建立渐近理论并通过模拟和真实数据验证其优势。
2024-01-23 stat.ME
Finite Mixtures of Multivariate Skew Laplace Distributions
在本文中,我们提出了有限的混合多元斜拉普拉斯分布模型的偏态和重尾的异质数据集。利用EM算法得到了感兴趣参数的极大似然估计。我们给出了一个小的模拟研究和一个真实的数据例子来说明所提出的混合模型的性能。
2017-02-02 math.ST stat.TH
The Balakrishnan Alpha Skew Laplace Distribution: Properties and Its Applications
在这项研究中,考虑到Balakrishnan机制,提出了一种新的形式的α偏态分布和性质进行了研究。最后通过数据拟合实验,将赤池信息准则(AIC)和贝叶斯信息准则(BIC)的值与其他相关分布的值进行比较,验证了该分布的适用性。对嵌套模型,即Laplace分布和建议的分布进行了似然比检验。保留字:偏态分布、α-偏态分布、双峰分布、α-偏态-正态分布、α-偏态-拉普拉斯分布、Balakrishnan-Alpha-偏态-正态分布
2019-10-01 math.ST stat.TH
The Alpha-Beta-Skew-Logistic Distribution And Its Applications
在本文中,根据与Shafiei等人(2016)的α-β-斜态分布相同的方法,提出了α-β-斜态-逻辑斯谛分布,并研究了其一些相关的分布特性。最后,我们提出的分布的有效性进行了测试,考虑三个现实生活中的应用和比较的Akaike信息准则(AIC)和贝叶斯信息准则(BIC)与其他一些相关的分布的值。似然比检验用于区分logistic分布和建议的分布。关键词:偏态分布,α-偏态分布,双峰分布
2019-09-09 math.PR math.ST stat.TH
Approximate inferences for nonlinear mixed effects models with scale mixtures of skew-normal distributions
近年来,非线性混合效应模型在统计学文献中受到了极大的关注,因为它们在处理纵向研究中具有灵活性,包括人类免疫缺陷病毒的病毒动力学、药代动力学分析以及生长和衰减研究。连续响应的非线性混合效应模型中的一个标准假设是随机效应和受试者内误差呈正态分布,这使得模型对离群值敏感。本文提出了一类新的非对称非线性混合效应模型,该模型在纵向数据的分析中提供了有效的参数估计。我们假设随机效应服从偏正态分布的多变量尺度混合,随机误差服从正态分布的对称尺度混合,这为通常的正态分布提供了一个有吸引力的稳健替代方案。我们提出了一个近似的方法极大似然估计的基础上EM型算法,产生近似的最大似然估计,并显着减少了数值困难与精确的极大似然估计。还简要讨论了这类分布下的未来响应预测技术。通过茶碱动力学数据的应用程序,并通过一些模拟研究的方法进行说明。
2020-07-29 stat.ME
Balakrishnan Alpha Skew Normal Distribution: Properties and Applications
本文在Balakrishnan机制下提出了一种新的α偏态分布,并研究了它的一些相关分布。还研究了矩和分布特性。通过数据拟合实验检验了该分布的适用性,并通过AIC、BIC与相关分布的比较检验了模型的充分性。进行似然比检验以区分正态分布和建议分布。
2019-06-18 math.ST stat.TH
Is a Brownian skew?
本文研究了斜布朗运动轨迹的观测值所对应的极大似然估计的渐近性质。我们的收敛速度和极限分布的特征时,步长为零,在这种情况下,这是非经典的,原假设的斜布朗运动是一个常见的布朗运动。这允许设计关于偏度参数的测试。我们表明,数值模拟,可以很容易地进行估计偏度参数,并提供了一个应用在生物学。
2011-01-05 math.PR math.ST stat.TH
The Multivariate Watson Distribution: Maximum-Likelihood Estimation and other Aspects
本文研究了使用多变量沃森分布建模数据的基本方面。虽然这些分布对于建模轴对称数据是自然的(即,单位向量,其中$\pm \x$是等价的),对于高维使用它们可能是困难的。为什么会这样呢?很大程度上是因为对于沃森分布,即使是最大似然等基本任务也具有数值挑战性。为了解决数值上的困难,一些近似已经得到-但这些要么是严重不准确的高维(\emph{Directional Statistics},Mardia & Pennerp。2000)或合理准确时(\emph{J. Machine Learning Research, W. & C.P., v2},Bijral \emph{et al.},2007,pp. #35742;,缺乏理论依据。我们推导出新的近似的最大似然估计,我们的近似理论上定义良好,数值上准确,易于计算。我们建立在我们的参数估计和讨论混合模型与沃森分布;在这里,我们发现了一个迄今未知的连接到“直径聚类”算法的Dhillon \emph{et al.}(\emph{Bioinformatics},19(13),2003年,第19页)。1612- 1619)。
2012-05-25 math.CA stat.CO
The skew-symmetric-Laplace-uniform distribution
针对金融数据非对称且单侧有界的问题,提出斜对称-Laplace-均匀分布SSLUD,研究其分布性质与参数估计,并通过模拟和NIFTY 50数据验证MLE更优。
2024-06-16 math.ST stat.TH
A class of skew-multivariate distributions for spatial data
University of Melbourne(墨尔本大学)
本文提出了一种基于多元帕累托混合分布的copula模型,用于空间数据,能够捕捉尾部依赖性和渐近独立性,并通过模拟和实际数据验证其有效性。
2026-01-27 stat.ME
Finite mixture of skewed sub-Gaussian stable distributions
Gonbad Kavous University(贡巴德卡武斯大学)
我们提出了有限混合偏亚高斯稳定分布。利用期望最大化算法计算有限混合模型参数的极大似然估计。所提出的模型包含正态和偏态正态分布的有限混合。由于所提出的模型的尾部甚至比学生的t分布,它可以被用来作为一个强大的模型,鲁棒的基于模型的聚类。通过对仿真数据和两组真实数据的聚类分析,验证了该模型的有效性。
2022-05-27 cs.LG stat.ME stat.ML
Family of mean-mixtures of multivariate normal distributions: properties, inference and assessment of multivariate skewness
本文构造了一个新的混合多元正态分布族,它是由多元正态分布和偏态分布混合而成的。导出了该族的特征函数、矩母函数和前四阶矩等性质。导出了模型的仿射变换分布和标准形。本文提出了一种EM型的模型参数极大似然估计算法。我们已经详细考虑了,家庭的一些特殊情况下,使用标准的伽玛和标准的指数混合分布,分别表示为MMNG和MMNE。对于建议的分布族,计算不同的偏度多变量措施。为了检验所提出的估计方法的性能,进行了一些模拟研究,以表明基于EM型算法的最大似然估计确实提供了良好的性能。对于MMNE分布参数的不同选择,计算和比较了几种多元偏度测度。由于偏度的一些措施是标量和一些是矢量,为了正确地评估它们,我们进行了模拟研究,以确定测试的力量,基于样本版本的偏度措施作为检验统计量来测试MMNE分布的拟合。最后,两个真实的数据集被用来说明所提出的家庭的分布和相关的推理方法的有用性。
2020-09-23 math.ST stat.ME stat.TH
On the Robustness and Asymptotic Properties for Maximum Likelihood Estimators of Parameters in Exponential Power and its Scale Mixture Form Distributions
数据集的正态性假设是非常严格的建模方法。近几十年来,正态分布的广义形式(称为指数幂(EP)分布)及其尺度混合形式被广泛考虑,以克服非正态数据集的建模问题。然而,检查这些分布中的参数的最大似然(ML)估计的稳健性,如影响函数,粗差敏感性,崩溃点和信息标准化的敏感性,还没有被考虑在一起。研究了EP及其尺度混合型分布中位置、尺度和附加偏度参数的ML估计的渐近性质,并将位置、尺度和尺度变(偏度)参数的ML估计表示为一种迭代加权算法,同时计算这些参数的估计.
2017-07-18 math.ST stat.TH
The Generalized-Alpha-Beta-Skew-Normal Distribution: Properties and Applications
在本文中,我们引入了Sharmet al.(2017)同一直线上的α-β偏态正态分布的推广版本,并研究了它的一些基本性质。建议的分布的扩展也进行了研究。通过比较赤池信息准则(AIC)和贝叶斯信息准则(BIC)的值与其他一些已知的相关分布的值,以更好地选择模型,所提出的分布的适当性进行了测试。似然比检验用于判别嵌套模型。
2019-10-21 math.ST stat.TH
Parametric ROC Analysis and Optimal Cutoff Selection under Scale Mixtures of Skew-Normal Distributions: A Decision-Theoretic Framework with Asymptotic Inference
Universidade de Lisboa(里斯本大学);Centro de Estatística e Aplicações (CEAUL)(统计与应用中心)
本文提出在尺度混合对称正态分布下进行ROC分析和最优截断选择的参数框架,通过最大似然估计方法估计ROC曲线和AUC,并基于加权误分类风险定义最优截断,推导出似然比方程,研究其渐近性质及局部正则性。
2026-05-08 math.PR stat.ME
On some properties of the new Sine-skewed Cardioid Distribution
Ahsanullah(2018)刚刚引入并表征了新的正弦偏斜心形线(ssc)分布。在这里,我们通过确定它的极值域、特征函数、两个参数的矩估计和似然估计、矩估计的渐近正态性以及从\textit{ssc}分布随机生成数据来研究其尾部的渐近性质。最后,我们进行了模拟研究,以显示随机生成方法的性能和质量的矩估计的参数。
2018-11-25 stat.OT
Arctan-skewing: a new skewing scheme on the hypertorus
University of Luxembourg(卢森堡大学)
本文提出反正切偏斜方法,克服正弦偏斜的两大局限,为环形和超环面偏斜数据建模提供替代方案,经研究其性质、估计方法与检验,实验显示其拟合蛋白质数据效果更优。
2026-10-12 stat.ME
A Class of Skewed Distributions with Applications in Environmental Data
在环境研究中,许多数据通常是偏斜的,并且期望具有针对这类数据的灵活的统计模型。在本文中,我们研究了一类偏态分布调用参数描述的Ferreira和钢(2006年,美国统计协会杂志,101:823- 829)。特别是,我们考虑使用逻辑内核推导出一类单变量分布称为截断逻辑斜对称(TLSS)分布。我们提供了建议的分布的一些结构特性和发展的TLSS分布的统计推断。仿真研究进行调查的极大似然方法的有效性。为了说明的目的,从环境研究的两个真实的数据集被用来展示这样一个模型的适用性。
2018-04-05 stat.AP
Real Elliptically Skewed Distributions and Their Application to Robust Cluster Analysis
本文提出了一类新的实椭圆偏态(RESK)分布和相关的聚类算法,允许集成到一个统一的聚类分析框架的鲁棒性和偏态。非对称分布和重尾数据簇在各种实际应用中都有报道。鲁棒性是必不可少的,因为一些外围观测可能会严重模糊聚类结构。RESK分布是实椭圆对称(RES)分布的推广。为了估计集群参数和成员资格,我们推导出一个期望最大化(EM)算法的任意RESK分布。特别注意的是一个新的鲁棒偏Huber M-估计,这也是最大似然估计(MLE)的偏Huber分布,属于RESK类。模拟和真实世界的数据的数值实验证实了所提出的方法的有用性倾斜和重尾数据集。
2021-06-21 eess.SP stat.ML
An extension of sine-skewed circular distributions
针对正弦偏态圆分布不对称程度较低的问题,本文提出了一族可显著增强偏斜程度的新圆分布,证明了其子族的可识别性及三角矩与随机数生成的优良性质,并通过数值模拟和实际数据验证了极大似然估计的有效性。
2024-02-15 stat.ME
Multivariate Geometric Skew-Normal Distribution
Azzalini(1985)引入了一种偏正态分布,其中正态分布是一种特殊情况。最近,Kundu(2014)引入了一种几何斜正态分布,并表明它比Azzalini的斜正态分布具有一定的优势。本文讨论了多元几何偏态正态分布。它可以作为Azzalini的斜正态分布的替代。我们讨论了建议的分布的不同属性。观察到多元几何偏态正态分布的联合概率密度函数可以有多种形状。已经建立了几个表征结果。从多元几何偏态正态分布生成是相当简单的,因此可以相当容易地进行模拟实验。利用期望最大化(EM)算法可以很方便地得到未知参数的极大似然估计。我们进行了一些模拟实验,它是观察到所提出的期望最大化算法的性能是相当令人满意的。此外,已经进行了两个数据集的分析,并且观察到所提出的方法和模型工作得非常好。
2017-06-23 stat.ME
A skew logistic distribution with application to modelling COVID-19 epidemic waves
通过引入偏度参数,提出了对称Logistic分布的一种新颖而简单的推广。它示出了如何随后的斜Logistic分布的三个参数可以使用极大似然估计。然后将偏logistic分布扩展到偏双logistic分布,以允许对流行病时间序列数据中的多个波进行建模。在来自英国的COVID-19数据上验证了所提出的偏斜-logistic模型,并使用最近制定的经验生存詹森-香农散度(${\cal E}SJS$)和Kolmogorov-Smirnov双样本检验统计量($KS2$)对logistic和正态分布进行了拟合优度评估。我们采用95%的自举置信区间来评估偏logistic分布的拟合优度相对于其他分布的改善。在使用该数据集时,获得的${\cal E}SJS$的置信区间比$KS2$的置信区间窄,这意味着${\cal E}SJS$比$KS2$更有效。
2022-05-05 physics.soc-ph stat.AP
Scale mixture of skew-normal linear mixed models with within-subject serial dependence
在纵向研究中,随着时间的推移收集重复测量,因此它们往往是连续相关的。在本文中,我们考虑了由Lachos等人(2010)引入的偏态正态/独立线性混合模型的扩展,其中误差项具有依赖结构,例如阻尼指数相关或p阶自回归相关。当连续重复测量序列相关时,所提出的模型提供了同时捕获偏态和重尾效应的灵活性。对于这个鲁棒模型,我们提出了一个有效的EM型算法计算参数的极大似然估计和观察到的信息矩阵解析推导出占标准误。该方法是通过应用程序来说明精神分裂症的数据和几个模拟研究。所提出的算法和方法在新的R包skewlmm中实现。
2020-08-12 math.ST stat.ME stat.TH
Standard Curves for Empirical Likelihood Ratio Tests of Means
我们提出了模拟标准曲线的校准经验似然比(ELR)的均值检验。在这些曲线的帮助下,可以调整ELR检验的标称显著性水平,以实现给定有限样本量的(准)精确第一类错误率控制。通过理论上的考虑和计算机模拟,我们证明了调整后的显着性水平最关键地取决于偏度和峰度的父分布。出于实用目的,我们将几种典型统计模型下的调整临界值制成表格。
2021-05-19 stat.ME
A robust Likelihood Ratio Test for high-dimensional MANOVA -- with excellent performance
本文提出一种适用于高维MANOVA的稳健似然比检验,通过大量模拟和实际数据验证其在正态、非正态、重尾、偏斜及离散分布下均表现优异,且适用于极小样本。
2025-07-02 math.ST stat.ME stat.TH
On a Novel Skewed Generalized t Distribution: Properties, Estimations and its Applications
针对极端偏态、高峰度和重尾数据建模难题,本文提出作为偏态广义正态尺度混合的新型 SkeGTD,研究其性质与三种估计方法,并通过模拟和两个真实数据集验证其实用性。
2024-01-25 stat.ME
Extending mixtures of factor models using the restricted multivariate skew-normal distribution
混合因子分析(MFA)模型通过对分量协方差阵的因子分析表示,减少了自由参数的个数,为分析高维数据提供了有力的工具。本文扩展了MFA模型,将一个限制版本的多变量偏态正态分布模型的分布的潜在组成因素,称为混合偏态因子分析(MSNFA)。建议的MSNFA模型允许我们放松对潜在因素的正态性假设的需要,以适应观测数据中的偏态性。因此,MSNFA模型提供了一种基于模型的密度估计和呈现非对称特征的高维数据聚类的方法。一个计算上可行的ECM算法被开发用于计算参数的最大似然估计。模型选择可以根据三个常用的基于信息的标准进行。所提出的方法的潜力,举例说明通过应用到两个真实的例子,并与拟合的MFA模型所获得的结果进行比较。
2013-07-06 stat.ME
A new generalization of the geometric distribution using Azzalini's mechanism: properties and application
首次利用连续分布的Azzalini偏斜机制导出了几何分布的一个新推广。建议的分布的各种结构特性进行了研究。特征,包括一个新的结果的几何分布,在所提出的模型。通过大量的仿真实验对极大似然估计方法的性能进行了评估。推导了附加偏斜参数必要性的似然比检验,并给出了相应的仿真功率研究。两个现实生活中的计数数据集进行了分析与建议的模型,并与最近推出的一些双参数计数模型。研究结果清楚地表明,所提出的模型在模拟现实生活中的计数数据的优越性。
2020-10-09 math.ST stat.TH
Maximum-Likelihood Estimation of a Log-Concave Density based on Censored Data
本文研究了对数凹密度在区间删失、右删失和面元数据下的非参数极大似然估计。我们允许一个额外的质量在$+\infty$,这是同时估计的亚概率密度的可能性。在较弱的条件下证明了该估计的存在性,并给出了一些理论性质,如形状和相合性。提出了一种期望最大化算法用于估计器的近似计算,并用两个例子说明了它的性能。
2014-07-28 stat.CO stat.ME
Identifiability of asymmetric circular and cylindrical distributions
统计模型的可辨识性是证明极大似然估计相合性的一个基本和必要条件。在文献中,还没有充分研究用于估计模型参数的圆形和圆柱体上的偏态分布族的可识别性。本文提出了一种结合三角矩和同时丢番图逼近的新方法来证明非对称圆分布和圆柱分布的可识别性。利用这种方法,我们证明了一般正弦偏圆分布(包括正弦偏von Mises分布和正弦偏包裹柯西分布)以及可视为单位圆上非对称分布的Möbius变换心形分布的可辨识性.另外,我们证明了两个圆柱分布的可识别性,其中圆形随机变量的两个边缘分布都是正弦偏态包裹柯西分布,并且给定圆形随机变量,其在非负实数线上的条件分布分别是韦布尔分布和广义Pareto型分布.
2022-04-04 math.ST stat.TH
Jackknife empirical likelihood ratio test for log symmetric distribution using probability weighted moments
针对对数对称分布的拟合检验需求,基于概率加权矩提出对数对称性拟合优度检验及更易实施的刀切经验似然比检验,推导了统计量渐近分布,经模拟和数据集验证了方法有效性。
2024-10-05 math.ST stat.ME stat.TH
Scale-mixture Birnbaum-Saunders quantile regression models applied to personal accident insurance data
人身意外保险数据的建模一直是保险文献中一个非常相关的话题。这类数据往往表现出正偏态和重尾。在这项工作中,我们提出了一个新的分位数回归模型的基础上的规模混合Birnbaum-Saunders分布建模的人身意外保险数据。通过期望最大化算法得到模型参数的最大似然估计。两个蒙特卡罗模拟研究使用R软件进行。第一项研究的目的是分析期望最大化算法的性能,以获得最大似然估计,随机分位数和广义Cox-Snell残差。在第二个模拟研究中,的Wald,似然比,得分和梯度测试的大小和权力进行了评估。这两项模拟研究是在考虑不同的感兴趣分位数和样本量的情况下进行的。最后,一个真实的保险数据集进行了分析,以说明所提出的方法。
2023-03-20 stat.CO stat.ME
Sine-skewed toroidal distributions and their application in protein bioinformatics
在生物信息学领域,通过将氨基酸的二面角视为环面上的数据来建模氨基酸的二面角已经引起了越来越大的兴趣。这促使,在过去的几年里,新的建议的分布上的二元环面。大多数这些模型的主要缺点是相关的密度是(逐点)对称的,尽管数据通常呈现不对称模式。这激发了寻找从对称分布开始构造非对称环形分布的新方法的需要。我们解决这个问题,在本文中,通过引入正弦斜环分布。导出了新模型的一般性质。基于初始对称模型,得到了形状参数的显式表达式,提供了一种简单的随机数生成算法,并建立了极大似然估计的渐近结果.我们构造的一个重要特征是不需要计算归一化常数,从而在不增加模型复杂性的情况下获得更灵活的分布。采用这些新的正弦偏态分布的好处是蛋白质数据的基础上,在一般情况下,新的模型优于其对称的前因。
2019-10-29 stat.ME
Test for symmetry and confidence interval of the parameter μ of skew-symmetric-Laplace-uniform distribution
本文推导了偏对称拉普拉斯均匀分布对称性的最强大检验,通过模拟获取临界值与功效,并基于渐近正态性与经验分布构建参数μ的置信区间,最后利用NIFTY 50指数数据进行了实证分析。
2024-06-28 math.ST stat.TH
Asymmetric Laplace scale mixtures for the distribution of cryptocurrency returns
最近关于加密货币回报的研究表明,它的分布可能是高峰值,偏斜和重尾的,具有很大的超额峰度。为了适应所有这些特点,我们提出了非对称拉普拉斯尺度混合(ALSM)分布族。该家族的每个成员是通过将条件非对称拉普拉斯(AL)分布的尺度参数除以一个方便的混合随机变量来获得的,该混合随机变量在正实数线的全部或部分上取值,并且其分布取决于一个参数向量$\boldsymbolθ$,从而为所得到的ALSM提供更大的灵活性。有利地,相对于AL分布,我们家族的成员允许偏度和峰度的值的更宽范围。为了说明的目的,我们考虑不同的混合分布,它们产生ALSM具有封闭形式的概率密度函数,其中AL分布作为特殊情况下获得一个方便的选择$\boldsymbolθ$。我们研究我们的ALSM的一些属性,如层次和随机表示和时刻的实际利益。我们描述了期望最大化算法,以获得所有考虑ALSM的参数的最大似然估计。我们将这些模型拟合到两种加密货币的回报,并考虑了几种经典的分布进行比较。分析表明,我们的模型是一个有效的替代考虑的竞争对手在AIC,BIC和似然比检验。
2022-09-26 stat.AP stat.CO stat.ME
On a bivariate Birnbaum-Saunders distribution parameterized by its means: features, reliability analysis and application
Birnbaum-Saunders模型已被广泛用于正偏态数据的建模。本文引入了一个以均值为参数的二元Birnbaum-Saunders分布。我们提出了一些性质的单变量和双变量Birnbaum-Saunders模型。讨论了模型参数的极大似然估计和修正矩估计及其相关推论。仿真研究进行评估的性能的极大似然和修改的时刻估计。讨论了置信区间的概率覆盖。最后,一个现实世界的数据分析进行说明所提出的模型。
2018-04-28 stat.ME
Nonparametric Mean and Variance Adaptive Classification Rule for High-Dimensional Data with Heteroscedastic Variances
本研究提出基于非参数极大似然估计的均值与方差自适应分类规则,以改进Fisher LDA在高维异方差数据上的分类性能,并验证其对不同方差分布形式的鲁棒性。
2024-01-17 stat.AP
On a bimodal Birnbaum-Saunders distribution with applications to lifetime data
Birnbaum-Saunders分布是一种灵活而有用的模型,已在多个领域得到应用。本文在α-斜正态分布的基础上建立了一种新的双峰分布。我们讨论了它的一些数学和推理性质。我们考虑基于似然的方法来估计模型参数。我们进行了蒙特卡罗模拟研究,以评估最大似然估计的性能。为了说明的目的,三个真实的数据集进行了分析。结果表明,该模型优于文献中的一些现有模型,特别是最近的双峰扩展的Birnbaum-Saunders分布。
2019-04-28 math.ST stat.AP stat.TH
On local likelihood asymptotics for Gaussian mixed-effects model with system noise
针对由平稳积分OU过程驱动、含系统噪声的高斯混合效应模型,本文证明其对数似然的局部渐近性,确立MLE的渐近最优性,并通过平衡与非平衡数据模拟验证渐近正态性。
2023-11-05 math.ST stat.TH
Sliced-Wasserstein normalizing flows: beyond maximum likelihood training
University of Toulouse(图卢兹大学);Institut Universitaire de France(法国大学研究院);Univ. Lille(里尔大学);CNRS(法国国家科学研究中心);Centrale Lille(里尔中央理工学院)
尽管它们有优点,但标准化流通常具有几个缺点,包括它们倾向于生成不切实际的数据(例如,图像)以及它们未能检测到分发外的数据。这些缺陷的一个原因在于传统上仅利用极大似然原理的训练策略。本文提出了一种新的训练模式的基础上的混合目标函数相结合的极大似然原则(MLE)和切片-瓦瑟斯坦距离。合成玩具的例子和真实的图像数据集上获得的结果显示出更好的生成能力的可能性和视觉方面的生成样本。反过来,所提出的方法导致分布外数据的可能性较低,从而表明所产生的流的数据保真度更高。
2022-07-12 cs.AI cs.LG stat.ML
Multimodal Distributions for Circular Axial Data
ITAM(墨西哥美洲理工学院)
本文通过确定原始NNTS分布族适用于无向向量建模的条件,将其扩展到轴向数据,开发似然比检验并应用于岩石、动物和植物方向的真实数据集,为轴向数据建模提供新方法。
2025-11-17 stat.ME
A New Generalized Fisk distribution: Its Properties, Characterizations and Applications
本文提出一种新的广义Fisk分布,研究其统计性质,通过模拟和实际数据应用验证其优于现有模型,适用于经济学、可靠性工程和环境科学等领域。
2025-04-19 stat.AP stat.ME
EMMIXcskew: an R Package for the Fitting of a Mixture of Canonical Fundamental Skew t-Distributions
本文给出了一个R软件包EMMIX cskew,用于通过极大似然(ML)拟合典型基本斜t分布(CFUST)及其有限混合分布(FM-CFUST)。CFUST分布提供了一系列灵活的模型来处理非正态数据,并带有用于捕获数据中偏态和重尾的参数。它形式上包含正态分布、t分布和偏正态分布作为特殊和/或极限情况。一些其他版本的偏t分布也嵌套在CFUST分布中。在本文中,一个期望最大化(EM)算法计算的FM-CFUST模型的参数的ML估计,并讨论和说明了不同的策略初始化算法。该方法在EMMIXcskew包中实现,并使用两个真实数据集给出了示例。EMMIXcskew包包含拟合FM-CFUST模型的函数,包括生成不同初始值的过程。其他功能包括随机样本生成和2D和3D轮廓可视化。
2017-02-09 stat.CO stat.ME
A simple multithreaded implementation of the EM algorithm for mixture models
有限混合模型已被广泛用于异质群体数据的建模和分析。参数的极大似然估计通常通过期望最大化(EM)算法来执行。算法实现的复杂性取决于混合模型的组分密度所采用的参数分布。例如,在偏正态分布和偏t分布的情况下,E步将涉及计算昂贵的复杂表达式。对于大型和/或高维数据集,这可能非常耗时。在本文中,我们开发了一个多线程版本的期望最大化算法的有限混合模型的拟合。由于这些模型的算法结构,E-和M-步骤可以很容易地重新制定为跨多个线程并行执行,以利用现代多核机器中可用的处理能力。我们的方法简单且易于实现,只需要对标准代码进行很小的更改。为了说明这种方法,我们专注于一个相当一般的混合模型,其中包括一些最常用的混合模型,包括正常的,t-,斜态和斜t-混合模型的特殊或限制情况。
2016-06-07 stat.CO
Conjugate Bayes for probit regression via unified skew-normal distributions
二分数据的回归模型在统计学中是普遍存在的。除了对二进制响应的推断有用之外,这些方法还可以作为更复杂公式的构建模块,例如密度回归,非参数分类和图形模型。在贝叶斯框架内,推理通过更新系数的先验来进行,通常设置为高斯,具有由响应的概率单位或对数回归引起的似然性。在这种更新中,明显缺乏一个易于处理的后,激发了各种计算方法,包括马尔可夫链蒙特卡罗例程和算法,近似后。尽管常规实施,马尔可夫链蒙特卡罗策略面临的混合或时间效率低的问题,在大p和小n的研究,而近似例程无法捕捉通常观察到的偏度后。本文证明了在高斯先验下,概率单位系数的后验分布具有统一的偏态核。这样一个新的结果允许有效的贝叶斯推断的广泛的应用,特别是在大p和小到中等n的研究,国家的最先进的计算方法面临显着的问题。这些进展概述了遗传学研究,并进一步激发了更广泛的一类共轭先验概率模型的发展,以及从统一的偏态正态后验中获得独立和同分布样本的方法。
2019-11-17 stat.CO stat.ME
Sleep pattern profiling using a finite mixture of contaminated multivariate skew-normal distributions on incomplete data
University of Pretoria(比勒陀利亚大学);University of Catania(卡塔尼亚大学)
本文提出了一种基于受污染的多元偏正态分布有限混合模型的聚类方法,用于分析不完整数据中的睡眠模式,有效处理缺失值和异常值,提升聚类准确性和异常检测能力。
2025-12-13 stat.CO stat.ME
Copula Approximate Bayesian Computation Using Distribution Random Forests
该研究提出名为copulaABcdrf的新型近似贝叶斯计算框架,结合分布随机森林与多元copula元t分布估计后验分布,兼具变量选择、模型选择等功能,在多类模拟与真实网络数据上表现优于标准ABC方法,还可缓解模拟成本问题。
2024-09-11 stat.CO stat.ME
EMMIX-uskew: An R Package for Fitting Mixtures of Multivariate Skew t-distributions via the EM Algorithm
本文描述了一种非限制多元斜t分布的有限混合函数的拟合算法。软件包EMMIX-uskew实现了一个封闭形式的期望最大化(EM)算法,用于计算R中(无限制)FM-MST模型参数的极大似然(ML)估计。EMMIX-uskew还支持二维和三维拟合轮廓的可视化,以及从指定的FM-uMST分布生成随机样本。斜t分布的有限混合物已被证明是有用的非对称和重尾行为,例如,从流式细胞术的数据集的异质数据建模。近年来,各种版本的混合物与多元斜t(MST)分布已被提出。然而,这些模型采用了一些限制性特征的组件MST分布,使E-步骤的期望最大化算法可以评估在封闭的形式。本文重点研究了具有无限制MST分量的混合模型,并描述了一种计算其模型参数ML估计的迭代算法。该算法的实用性证明在三个应用程序的真实数据集。第一个示例通过将MST分布拟合到双变量单峰流式细胞术样本来说明软件包中主函数fmmst的使用。第二个例子适合MST分布的混合物,澳大利亚体育研究所(AIS)的数据,并证明EMMIX-uskew可以提供更好的聚类结果比混合物的限制MST组件。在第三示例中,EMMIX-uskew被应用于对三变量流式细胞术数据集中的细胞进行分类。与其他可用的方法的比较表明,EMMIX uskew的结果实现了较低的误分类率相对于基准门控分析给出的标签。
2013-03-28 stat.CO stat.ME
Computational aspects of Bayesian spectral density estimation
高斯时间序列模型通常通过其谱密度来指定。这种模型提出了几个计算挑战,特别是因为非稀疏性质的协方差阵。我们推导出这种模型的可能性的快速近似。我们建议从近似后验(即先验时间的近似似然)中采样,然后通过重要性抽样恢复精确的后验。我们证明了当样本量趋于无穷大时,重要性抽样权值的方差为零。我们解释了为什么近似的后验通常可能是多模态的,并且我们基于退火序列推导出序贯蒙特卡罗采样器,以便从该目标分布中采样。在模拟和真实数据集上评估了整体方法的性能。此外,对于一个真实世界的数据集,我们提供了一些数值证据表明,贝叶斯方法的半参数估计的谱密度可能会提供更合理的结果比它的Frequentist对应部分。
2012-11-19 stat.CO stat.ME
Pairwise likelihood estimation of latent autoregressive count models
潜在自回归模型是分析传染病数据的有用的时间序列模型。潜在自回归模型的似然函数的评估是棘手的,其近似通过模拟为基础的方法出现作为一个标准的做法。虽然模拟方法可能使推理问题可行,但它们通常是计算密集型的,并且数值近似的质量可能难以评估。相反,我们考虑加权成对似然方法,并探讨几个计算和方法方面,包括估计强大的标准误和数值积分的作用。所建议的方法是说明使用侵袭性脑膜炎球菌病感染在希腊和意大利的月度数据。
2020-06-22 stat.CO stat.ME
Combined parameter and state inference with automatically calibrated ABC
状态空间模型包含时间索引的参数,称为状态,以及静态参数,简单地称为参数。根据时间索引观测值同时推断静态参数和状态的问题是最近许多文献的主题。一旦我们考虑具有难以处理的可能性的模型,这个问题就变得复杂了。在这些情况下,一些新兴的方法已经将现有的静态参数的无似然技术,如近似贝叶斯计算(ABC)到基于似然的算法,用于参数和状态的组合推断。这些新兴的方法目前需要大量的手动校准的时间索引的调整参数:接受阈值。我们设计了SMC $^2$算法(Chopin等人,2013年,JRSS B),用于自动调整阈值的无似然近似。我们证明了算法的一致性,并讨论了建议的校准。我们证明了这种算法的性能与三个例子。我们从状态空间模型的两个例子开始。第一个示例是一个玩具示例,其发射分布是斜正态分布。第二个例子是一个随机波动率模型涉及一个棘手的稳定分布。最后一个例子是最具挑战性的;它处理非齐次霍克斯过程。
2021-05-26 stat.CO stat.ME
Flexible Tweedie regression models for continuous data
Tweedie回归模型提供了一个灵活的分布族来处理非负的高度右偏数据以及对称和重尾数据,并且可以处理概率质量为零的连续数据。基于极大似然法的Tweedie回归模型的估计和推断受到概率函数中无穷和的存在以及幂参数空间上的非平凡限制的挑战。在本文中,我们提出了两种方法来拟合Tweedie回归模型,即准和伪似然。我们讨论了这两种方法的渐近性质,并进行模拟研究,比较我们的方法与极大似然方法。特别是,我们表明,拟似然方法提供了渐近有效的估计回归参数。替代方法的计算实现比传统的极大似然更快和更容易,依赖于一个简单的牛顿计分算法。模拟研究表明,准似然法和伪似然法的估计数、标准误和覆盖率与极大似然法相似。此外,所需的准和伪似然方法的二阶矩假设,使我们能够扩展的Tweedie回归模型类的准Tweedie回归模型的Wedderburn的风格。此外,它允许消除对幂参数空间的非平凡限制,从而提供了一个灵活的回归模型来处理连续数据。我们提供了\texttt{R}的实现,并说明了应用程序的Tweedie回归模型使用三个数据集。
2016-09-12 stat.AP stat.CO stat.ME