Asymptotic properties of the normalized discrete associated-kernel estimator for probability mass function
本文研究概率质量函数归一化离散关联核估计量的渐近性质，证明归一化随机变量均方收敛到1，并推导估计量的一致性与渐近正态性，验证多种离散核满足条件且一阶二项核在模拟中表现良好。
2022-02-21 math.ST stat.TH
Non-parametric estimators of scaled cash flows
本文针对多状态寿险中受抽样效应影响的预期现金流估计问题，提出缩放版Aalen--Johansen估计量，证明其强一致性与渐近正态性，并通过模拟验证其优于已有方法。
2025-08-17 math.ST stat.ME stat.TH
The Trimmed Mean in Non-parametric Regression Function Estimation
本文研究了Nadaraya-Watson估计量的一种修正形式，用于估计未知非参数回归函数。通过极小化问题建立了估计量的特征，并导出了其逐点渐近分布。通过故障点研究了该估计器的鲁棒性。此外，随着广泛的模拟研究的渐近效率的研究表明，这种估计在各种情况下表现良好。三个基准的实际数据，以及估计的实用性。
2019-09-26 math.ST stat.ME stat.TH
A new non-parametric estimator of the cumulative distribution function under time-and random-censoring
本文针对左删失数据提出一种基于反向风险率和非参数似然的新累积分布函数估计量，并通过实际数据应用验证其有效性。
2023-07-10 math.ST stat.TH
Normalized Likelihood Criteria for Model Selection in the Stochastic Block Model
Departament of Statistics, Federal University of São Carlos（圣卡洛斯联邦大学统计系）
本文研究了基于标准化似然准则的惩罚估计器，提出DNML方法在稀疏网络中具有强一致性，且在不平衡网络中表现优异。
2026-04-11 math.ST stat.TH
Some Theoretical Results Concerning non-Parametric Estimation by Using a Judgment Post-stratification Sample
本文利用判断后分层样本（JPS）讨论了g（X）（X的任意函数）的期望的非参数估计的一些性质。一类估计量（包括标准JPS估计量和Frey和Feeman提出的JPS估计量（2012，Comput. Stat. Data An.））考虑了本文给出了该类成员的均值和方差，并检验了它们的一致性和渐近分布。具体而言，结果用于估计总体均值、总体方差和CDF。我们表明，任何估计类可能是效率低于简单随机抽样（SRS）估计小样本量。证明了当样本量趋于无穷大时，该类估计相对于平衡秩集抽样（BRSS）估计的相对效率趋于1。进一步，我们研究了标准JPS均值估计和Frey和Feeman JPS均值估计，证明了这两种估计具有相同的渐近分布.对于标准的JPS均值估计量，在完美排序的情况下，对于不同的样本量，H（排序类大小）的最佳值是针对没有严重偏斜或厚尾的总体非参数确定的。我们表明，标准的JPS均值估计可能是更有效的比BRSS大样本量，在这种情况下，我们可以使用一个更大的类大小H在JPS设置。
2013-11-19 math.ST stat.ME stat.TH
Parametric convergence rate of a non-parametric estimator in multivariate mixtures of power series distributions under conditional independence
本文研究条件独立幂级数分布多元混合的非参数估计，证明极大似然估计的Hellinger距离收敛速率，构建达参数速率的新估计量，提出条件独立性检验方法，经模拟和Vélib数据集验证有效。
2025-09-05 math.ST stat.ME stat.TH
Non-parametric estimation of conditional quantiles for time series with heavy tails
提出修正的加权Nadaraya-Watson估计量用于重尾时间序列条件分位数，建立渐近正态性，并通过模拟和实际数据验证性能。
2024-07-22 math.ST stat.ME stat.TH
On goodness-of-fit tests for parametric hypotheses in perturbed dynamical systems using a minimum distance estimator
我们考虑的问题的建设的拟合优度检验的情况下，连续时间观测的扩散过程的小噪声。原假设是参数化的，我们使用未知参数的最小距离估计。我们提出了一个渐近分布自由测试这个模型。
2016-06-16 math.ST stat.TH
Some improvement on non-parametric estimation of income distribution and poverty index
本文提出了Foster，Greer和Thorbecke测度类$\displaystyle P(z,α) = \int_0^{z}\Big(\frac{z-x}{z}\Big)^αf(x)\, dx$的一个估计，其中$z>0$是贫困线，$f$是收入分布的概率密度函数，$α$是所谓的贫困厌恶.该估计器是用一个有偏约化核估计器构造的。建立了一致几乎必然相合性和一致均方相合性。仿真研究表明，我们的新估计性能良好。
2019-09-17 math.ST stat.ME stat.TH
Estimation of the Number of Components of Non-Parametric Multivariate Finite Mixture Models
本文提出了一种新的K-变量非参数有限混合模型中分量个数的估计（用$M$表示），其中分析者对独立的$K\geq2$变量进行了重复观测，给出了一个支持的未观测变量.在一个温和的假设下，观察到的和潜在的变量的联合分布，我们证明了一个积分算子$T$，这是从数据中确定的，有秩等于$M$。使用这种观察，以及奇异值在扰动下是稳定的这一事实，我们提出的$M$的估计量是基于阈值规则的，该规则基本上计算大于数据驱动阈值的$T$的相合估计量的奇异值的数量。我们证明了我们的估计$M$是一致的，并建立非渐近的结果，提供有限样本性能保证我们的估计。我们提出了一个蒙特卡罗研究表明，我们的估计量表现良好的中等规模的样本。
2020-07-05 math.ST stat.ME stat.TH
The Poisson tensor completion parametric estimator
Sandia National Laboratories（桑迪亚国家实验室）
本文提出了一种基于泊松张量分解的估计器，用于改进亚高斯分布的直方图估计，通过非负性保证和规范集中现象实现更精确的估计。
2026-03-07 math.ST stat.ME stat.TH
Asymptotic properties of parametric and nonparametric probability density estimators of sample maximum
导出了样本最大值概率密度函数$f_{(m)}:=mfF^{m-1}$的三种估计的渐近性质，其中$m$是样本容量$n$的函数.其中一种估计是用近似广义极值密度函数参数拟合的。然而，在有限$m$情况下，参数拟合被错误指定。这种错误主要来自于以下两个方面：$m$和所选块大小$k$的差异，以及$f_{(m)}$对广义极值密度的不良近似，该广义极值密度取决于$m$的大小和极值指数$γ$。当$γ$趋于零时，近似的收敛速度变慢。作为替代，提出了两个非参数密度估计，这是免费的误指定。第一个是一个插件类型的核密度估计器，第二个是基于块极大值的核密度估计器。理论研究阐明了当采用$γ> -1$时，插入式估计器的渐近收敛速度比基于块极大值的估计器快。对带宽选择的数值比较研究表明，插入式方法和交叉验证方法的性能取决于$γ$，并且完全相当。数值研究表明，插入式非参数估计与估计带宽的任何一种方法超越参数拟合估计，特别是与$γ$接近于零的分布$m$得到大。
2022-06-10 math.ST stat.TH
Maximum likelihood estimator consistency for ballistic random walk in a parametric random environment
考虑一维弹道随机游动在独立同分布中的演化。参数随机环境给出了一种基于路径到达远点的单次观测的环境参数的极大似然估计方法，并证明了当远点趋于无穷大时，该估计量是相合的.我们还探讨了我们的估计过程的数值性能。
2012-10-24 math.ST stat.TH
Robust and efficient mean estimation: an approach based on the properties of self-normalized sums
设$X$为均值未知、方差有限的随机变量。我们提出了一个新的估计的平均值$X$，这是强大的相对于可能存在的离群值在样本中，提供了严格的次高斯偏差保证，没有任何额外的假设的形状或尾部的分布，而且是渐近有效的。这是第一个可证明地将所有这些质量组合在一个包中的估计器。我们的建设的灵感来自自归一化和所拥有的鲁棒性。理论研究结果的补充数值模拟突出了较强的性能与以前已知的技术相比，所提出的估计。
2021-12-30 math.ST stat.TH
Asymptotic expansion of the risk of maximum likelihood estimator with respect to $α$-divergence as a measure of the difficulty of specifying a parametric model -- with detailed proof
对于一个给定的参数概率模型，我们考虑了极大似然估计关于$α$ -发散的风险，其中包括Kullback-Leibler发散，Hellinger距离和$χ^2$发散的特殊情况.渐近展开的风险是相对于样本量的顺序$n^{-2}$。展开式中的每一项都用参数概率模型所形成的黎曼流形的几何性质来表示。我们试图通过这种扩展来衡量指定模型的难度。
2018-10-11 math.ST stat.TH
Non-parametric Quantile Regression via the K-NN Fused Lasso
分位数回归是用于估计响应变量的条件分位数的统计方法。此外，对于均值估计，众所周知，分位数回归比基于$l_2$的方法对离群值更稳健。通过在$K$ -最近邻图上使用融合套索惩罚，我们提出了一种非参数设置下的自适应分位数估计。我们表明，估计达到最佳的$n^{-1/d}$率的对数因子，温和的假设下的数据生成机制的$d$维数据。我们开发算法来计算估计量和讨论方法的模型选择。模拟和真实数据的数值实验表明，所提出的估计的最先进的方法的国家的明显优势。
2021-08-17 math.ST stat.ME stat.TH
Normalized least-squares estimation in time-varying ARCH models
研究了时变扰动过程。结果表明，该模型可以描述金融时间序列中常见的收益率平方样本自相关的慢衰减现象，这为进一步研究该模型的参数估计方法提供了依据。由于参数随时间变化，因此成功的估计器需要在小样本情况下表现良好。我们提出了一个核归一化最小二乘（Kernel-NLS）估计，它具有一个封闭的形式，从而优于以前提出的核准最大似然（Kernel-QML）估计小样本。核-NLS估计器简单，在温和的矩假设下工作，并且避免了核-QML估计器施加的一些参数空间限制。理论证据表明，核NLS估计具有相同的收敛速率的核QML估计。由于核-NLS估计的计算容易，可以使用计算密集的程序。提出了一种基于预测的交叉验证方法来选择核NLS估计器的带宽。此外，我们使用基于残差的自举方案来引导tvcash过程。Bootstrap样本用于获得核-NLS估计量的逐点置信区间。它表明，使用自助和“真”的tvestimator估计的分布渐近重合。我们说明了我们的估计方法对各种货币汇率和股票指数的数据，我们得到了良好的拟合数据和准确的预测。
2008-04-04 math.ST stat.TH
An accurate percentile method for parametric inference based on asymptotically biased estimators
针对参数推断中估计量可能渐近有偏的问题，提出隐式自举法，构建渐近有效且可达二阶精度的百分位置信区间，并在标准自举失效的三种情形下保持精确。
2024-09-19 math.ST stat.CO stat.ME
Parametric Inference for Nonsynchronously Observed Diffusion Processes in the Presence of Market Microstructure Noise
我们研究的扩散过程的参数推断时，观察发生非同步和市场微观结构噪声污染。本文构造了一个拟似然函数，研究了基于拟似然函数的极大似然估计和Bayes估计的渐近混合正态性，证明了当扩散系数为常数且噪声服从正态分布时，模型的局部渐近正态性和估计的渐近有效性。我们猜想，我们的估计是渐近有效的，即使当潜在的过程是一个一般的扩散过程。还构造了潜过程的二次协变差的估计量。一些数值例子表明，这种估计比现有的二次协变差估计性能更好。
2015-12-25 math.ST stat.TH
Weighted sampling, Maximum Likelihood and minimum divergence estimators
本文研究了Sanov型大偏差概率下参数模型的极大似然。加权抽样下的参数模型的极大似然估计被证明与相对于权重分布定义的特定发散准则的最小化有关。由此产生的推理过程的一些属性; Bahadur效率的测试也被认为是在这种情况下。
2012-07-27 math.ST stat.ME stat.TH
Parametric and nonparametric probability distribution estimators of sample maximum
本研究提出一种无需模型设定的插件型非参数估计器用于样本最大值的概率分布估计，其收敛速度在某些条件下与极值指数无关，优于传统参数拟合方法，并通过模拟和两个实际案例验证了其优越性。
2024-07-18 math.ST stat.TH
Semiparametric Penalized Spline Regression
本文利用参数方法和非参数惩罚样条方法的混合技巧，提出了一种新的半参数回归估计。真实回归函数的整体形状由参数部分捕获，而其残差由非参数部分一致地估计。建立了半参数估计的渐近理论，证明了半参数估计的渐近性依赖于非参数惩罚样条估计的渐近性以及真实回归函数与参数部分之间的差异.作为渐近性的自然关联应用，讨论了参数模型选择的一些准则。数值实验表明，所提出的估计比现有的基于核的半参数估计和完全非参数估计性能更好，所提出的准则对于选择合理的参数模型也是有效的.
2012-02-16 math.ST stat.TH
The Cumulative Residual Mathai--Haubold Entropy and its Non-parametric Inference
Kuriakose Elias College（库里亚科斯·埃利西斯学院）；Indian Statistical Institute（印度统计研究所）
本文提出累积残差Mathai-Haubold熵及其动态版本，并基于生存函数的核密度估计开发非参数估计器，通过模拟和实际数据验证其有效性。
2025-12-10 math.ST stat.ME stat.TH
Rates of Convergence of Maximum Smoothed Log-Likelihood Estimators for Semi-Parametric Multivariate Mixtures
Univ. Rennes, CNRS, IRMAR-UMR 6625（雷恩大学）；Department of Statistics, Purdue University（普渡大学统计学系）
本文首次为半参数有限混合模型中基于平滑对数似然的最大估计量建立了严格理论保证，证明其一致性并推导有限维与无限维参数的收敛速率，弥合了实用算法与统计理论之间的差距。
2025-11-06 math.ST stat.TH
Jump activity estimation for pure-jump semimartingales via self-normalized statistics
我们从一个固定时间间隔上的离散观测得到了一个“局部稳定”的纯跳Itô半鞅的跳活动指数$β$的非参数估计，其中观测网格的网格收缩为零.该估计器基于由局部功率变化缩放的过程的增量的经验特征函数，该局部功率变化由跨越要缩放的增量之前的收缩时间间隔的增量块形成。缩放服务于两个目的：（1）其控制跳跃补偿器中在零附近的时间变化，以及（2）其确保自归一化，即，基于特征函数的估计器的极限收敛到仅取决于$β$的非退化极限。建议的估计导致非平凡的效率增益超过现有的估计的基础上的功率变化。在Lévy情况下，对于较高的$β$值，渐近方差降低多次。与现有的基于功率变分的估计器不同，所提出的估计器的极限渐近方差是恒定的。这导致进一步的效率增益的情况下，当半鞅的特征是随机的。最后，在极限情况下的$β=2$，这对应于跳跃扩散，我们的估计$β$可以实现更快的速度比现有的估计。
2015-08-18 math.ST stat.TH
Maximum likelihood estimator and its consistency for an $(L,1)$ random walk in a parametric random environment
考虑在i.i.d.中的$(L,1)$随机游动。随机环境，其环境包含一定的参数。我们得到了环境参数的极大似然估计，它可以表示为随机环境中带移民的多型分支过程的泛函。由于所涉及的多型BPIRE的后代分布是线性分式的，因此可以显式地计算多型BPIRE的极限不变分布。结果，我们得到了MLE的一致性。我们的结果是Comets等人[随机过程]的推广。2014，124，268-288]。
2018-08-30 math.ST stat.TH
Feasible Inference for Stochastic Volatility in Brownian Semistationary Processes
本文研究了非半鞅情形下布朗半平稳过程的积分幂波动过程的若干估计的有限样本性质。我们建立了三个一致的可行估计的综合波动率，两个来自参数方法和非参数。然后，我们使用一个模拟研究的估计量的收敛特性进行比较，彼此，并基准的不可行的估计。我们进一步建立了不可行估计量的渐近方差的界，并评估了不可行估计量的中心极限定理是否可以转化为非参数估计量的可行极限定理。
2021-06-17 math.ST stat.AP stat.ME
Statistical Inference in Parametric Preferential Attachment Trees
偏好依恋（PA）模型是对动态社交网络（如协作网络）建模的一种流行方法。假设PA函数为参数形式，我们提出并研究了参数的极大似然估计。利用一个超临界连续时间分支过程框架，我们证明了该估计量的几乎必然相合性和渐近正态性。我们还提供了一个估计，只依赖于网络的最终快照，并证明其一致性，其渐近正态性在一般情况下。我们在一个小的模拟研究中的估计的性能进行比较的非参数估计。
2022-08-16 math.PR math.ST stat.TH
Semi-parametric efficiency bounds for high-dimensional models
估计的渐近下界在评价统计过程的质量中起着重要的作用。在本文中，我们提出了一个框架来获得稀疏高维模型的半参数效率界，其中参数的维数大于样本量。我们采用半参数的观点：我们集中在一维函数的高维参数。我们遵循两种不同的方法来达到下界：渐近Cramér-Rao界和Le Cam的分析类型。这两种方法使我们能够定义一类渐近无偏或“定期”估计的下界推导。因此，我们证明了通过去稀疏化（或去偏）$\ell_1$ -惩罚M-估计量获得的某些估计量是渐近无偏的，并达到方差的下界：因此在这个意义上，它们是渐近有效的。本文详细讨论了线性回归模型和高斯图模型。
2017-10-12 math.ST stat.ME stat.TH
On the computation of a non-parametric estimator by convex optimization
从观测数据中估计线性泛函是许多学科中的一项重要任务。Juditsky & Nemirovski [The Annals of Statistics 37.5A（2009）：2278 - 2300]提出了一个在非常一般的设置中对线性泛函进行非参数估计的框架，具有近似最小最大最优置信区间。他们通过近似函数的鞍点来计算这个估计量和相关的置信区间。虽然这个最优化问题是凸的，但是使用现有的现成的优化软件来求解是相当困难的。此外，当估计量存在于高维空间中时，这种计算可能是昂贵的。我们提出了一个不同的算法来构建这个估计。我们的算法可以使用现有的优化软件，是更便宜的实现，即使当估计是在一个高维空间，只要Hellinger亲和性（或Bhattacharyya系数）的选择参数分布可以有效地计算给定的参数。我们希望，我们的算法将促进采用这种估计技术，以更广泛的各种问题相对容易。
2021-12-06 math.OC math.ST stat.TH
Non-parametric cure rate estimation under insufficient follow-up using extremes
生存分析中的一个重要研究主题与治愈率的建模和估计有关，即永远不会发生感兴趣事件的受试者比例。然而，大多数估计方法提出的文献中没有处理的情况下，不充分的后续行动，也就是说，当正确的终点支持的删失时间严格小于生存时间的易感受试者，因此这些估计高估了治愈率在这种情况下。我们填补了这一空白，提出了一个新的估计的治愈率，利用外推技术，从该地区的极值理论。我们建立的估计量的渐近正态性，并显示如何估计工程的小样本通过模拟研究。我们还通过对乳腺癌患者生存数据的分析来说明其实际适用性。
2018-04-04 math.ST stat.ME stat.TH
Parametric inference of hidden discrete-time diffusion processes by deconvolution
研究了隐离散扩散模型的一种新的参数化方法。该方法是基于对比度最小化和反卷积，并导致估计一个大类的非线性漂移和非线性扩散的随机模型。例如，它可以应用于生态和金融状态空间模型。在证明了估计的相合性和渐近正态性，得到了渐近置信区间之后，我们给出了一个详细的数值研究，比较了实际应用中的许多经典方法（非线性最小二乘估计、Monte Carlo期望最大化Likewise估计和贝叶斯估计）对随机波动率模型的估计。我们证明了我们的估计量在计算时间方面明显优于最大似然估计量，但也优于大多数其他方法。我们还表明，这种对比方法是最稳定的，也不需要任何调整参数。
2016-12-19 math.ST stat.TH
Asymptotically Optimal Bias Reduction for Parametric Models
统计分析中的一个重要挑战是控制估计量的有限样本偏差。在变量数$p$随样本量$n$发散的高维设置中，以及对于非线性模型和/或具有离散数据的模型，该问题被放大。对于这些复杂的设置，我们建议使用一个通用的模拟为基础的方法，并表明所得到的估计有一个偏差的顺序$\mathcal{O}(0)$，从而提供了一个渐进的最佳偏差减少。它是基于一个初始估计，可以稍微渐近偏置，使该方法非常普遍适用。这是特别相关的经典估计，如最大似然估计，只能（数字）近似。我们证明了Kuk（1995）的迭代自举法提供了一种计算效率高的方法来计算这种偏差降低的估计量。我们说明了我们的理论结果在模拟研究中，我们开发了新的偏差减少估计的逻辑斯谛回归，有和没有随机效应。这些估计享有额外的属性，如数据污染和可分性问题的鲁棒性。
2020-02-19 math.ST stat.CO stat.ME
On Non-parametric Estimation of the Lévy Kernel of Markov Processes
本文考虑一个常返马尔可夫过程，它是一个伊藤半鞅. Lévy核描述了它的跳跃规律。基于观测值X（0），X（Δ），.，X（nΔ），我们构造了Lévy核密度的一个估计。我们证明了它的相容性（当nΔ-> \infty和Δ->0时）和一个中心极限定理.在正常返情形下，我们的估计是渐近正态的;在零常返情形下，它是渐近混合正态的。我们的估计器的收敛速率等于平滑密度估计的非参数极大极小化速度。渐近偏差和方差类似于经典的条件密度的Nadaraya-Watson估计。提供了渐近置信区间。
2013-05-12 math.ST stat.TH
Estimation for high-frequency data under parametric market microstructure noise
我们开发了一个一般类的噪声鲁棒估计的基础上现有的估计在无噪声的高频数据文献。微结构噪声是极限订货簿的参数函数。噪声鲁棒估计器被构造为它们的对应物的插件版本，其中我们通过基于原始价格和限价订单簿数据的估计器来替换有效价格，这是不可观察的。我们表明，该技术可以应用于五个领先的例子，根据问题，价格可能包括无限的跳跃活动和采样时间包括的可伸缩性和内隐性。
2020-09-17 math.ST q-fin.ST stat.TH
Central limit theorem for the robust log-regression wavelet estimation of the memory parameter in the Gaussian semi-parametric context
本文研究了具有广义谱密度f的（可能）非平稳高斯时间序列记忆参数d的稳健估计。这个广义谱密度的特征在于记忆参数d和函数f*，它指定了过程的短程依赖结构。我们的设置是半参数的，因为f* 和d都是未知的，d是唯一感兴趣的参数。通过对不同尺度下小波系数估计方差的对数进行回归，估计记忆参数d。我们考虑的d的两个估计量是基于小波系数方差的稳健估计量，即由Alfresseuw和Croux（1993）提出的尺度估计量的平方和小波系数平方的中值。我们建立了这些稳健估计的中心极限定理，以及基于Moulines，Roueff和Taqqu（2007）提出的经典方差估计的d的估计。一些蒙特卡洛实验来说明我们的主张，并比较不同的估计性能。尼罗河数据和互联网流量数据包计数的性质进行了比较。理论结果和经验证据表明，稳健估计可以作为估计高斯时间序列记忆参数d的一种替代方法。
2010-11-19 math.ST stat.TH
Semiparametrics via parametrics and contiguity
本文提出通过构造近似参数模型并利用相互邻接性，将半参数推断问题转回参数框架，从而严格证明极限估计量的渐近正态性与有效性，并以部分线性模型和Cox模型为例，给出Cox部分似然估计量有效性的新证明。
2025-09-22 econ.EM math.ST stat.ME
Weighted allocations, their concomitant-based estimators, and asymptotics
加权保险费和风险资本配置规则的类别的各种成员已经从许多角度进行了研究。在参数分布族的情况下，导出了相应的公式，它们在建立该领域的参数统计推断时起了关键作用。非参数推断的结果也已在特殊情况下，如尾部条件期望，失真风险度量，和几个成员的加权保费。然而，对于加权分配规则，非参数推断结果尚未得到充分发展。因此，本文提出了加权分配规则的经验估计，并在实际合理的条件下证明了它们的相合性和渐近正态性。复杂的统计考虑依赖于诱导顺序统计量的理论，称为伴随。
2017-10-09 math.ST stat.TH
Non parametric estimation for random walks in random environment
我们考虑独立同分布中的随机游动。Z上分布为$ν$的随机环境。我们感兴趣的问题是提供累积分布函数（c.d. f.）从随机游动的一条轨迹的观察值得到$ν$的F。为此，我们首先估计的时刻$ν$，然后结合这些时刻估计，以获得一个集合的估计（F M n）M $\ge$ 1的F，我们的最终估计是选择这个集合中的Lepskii的方法。因此，该估计量在实践中很容易计算。我们得到这个估计的收敛速度取决于H{<$}lder正则性的F和步行的发散率。我们的速度是最佳的，当链实现快速探索网站之间的权衡，允许获得更多的信息和每个网站的大量访问，允许更好地恢复环境本身。
2016-06-13 math.ST stat.TH
Non parametric finite translation mixtures with dependent regime
本文考虑非参数有限平移混合。我们证明了，只要定义两个连续潜变量的联合分布的矩阵是非奇异的，并且平移参数是不同的，模型的所有参数都是可识别的。在此假设下，我们提供了一个一致的估计的人口数量，翻译参数和分布的两个连续的潜变量，我们证明是渐近正态分布下温和的依赖性假设。我们提出了一个非参数估计的未知翻译密度。在潜变量形成一个马尔可夫链（隐马尔可夫模型）的情况下，我们证明了一个预言不等式，导致这样一个事实，即该估计是极小极大自适应的密度正则类。
2013-02-10 math.ST stat.TH
Semiparametrically Efficient Estimation of Euclidean Parameters under Equality Constraints
假设在一个（半）参数模型中给出了欧氏参数的一个（半）参数有效估计。通过约束该模型得到一个子模型，其中欧几里德参数的连续可微函数为零。我们提出了一个明确的方法来构造（半）参数有效估计的欧氏参数在这样的等式约束的子模型，并证明了他们的效率。我们的构造完全基于原始的有效估计和约束函数。只有参数的情况下，这个估计问题和它的非参数版本已被认为是在文献中。
2016-06-24 math.ST stat.TH
Parametric Estimation of Diffusion Processes Sampled at First Exit Times
本文给出了一类扩散过程参数的递推估计。我们使用的思想的随机算法的建设的估计。证明了这些估计量的渐近相合性和适当的归一化的渐近正态性。结果适用于两个例子，从金融文献，即，Cox-Ingersoll-Ross模型和恒定方差弹性（CEV）过程说明了本文提出的技术的使用。
2004-02-16 math.ST stat.TH
Parametric estimation for linear parabolic SPDEs in two space dimensions based on temporal and spatial increments
本文针对二维线性抛物型SPDE，利用时空高频数据的平方增量构造最小对比估计量，并基于近似坐标过程提出自适应估计方法，通过模拟验证其有效性。
2023-04-19 math.ST stat.TH
Semi-parametric estimation of the variogram of a Gaussian process with stationary increments
本文考虑光滑性已知的一维高斯过程的尺度参数的半参数估计。我们建议一个估计的基础上二次变化和矩法。我们提供了这个估计的均值和方差的渐近近似，连同渐近正态性的结果，为一大类高斯过程。我们允许一般的平均函数，并研究了各种变异序列的基础上的几个估计的聚合。在广泛的模拟研究中，我们表明，渐近结果准确地描绘了有限样本的情况下已经小到中等的样本量。我们还比较了各种变化的序列，并强调聚合过程的效率。
2020-01-20 math.ST stat.TH
A Robbins-Monro procedure for the estimation of parametric deformations on random variables
研究了独立同随机变量的参数化变形模型。首先，我们构造了一个有效的和非常容易计算的参数的递归估计。我们的随机估计类似于Robbins-Monro过程，其中对比函数是Wasserstein距离。其次，我们提出了一种类似于Parzen-Rosenblatt核密度估计的递推估计，以估计随机变量的密度。该估计值考虑了模型参数的先前估计值。最后，我们说明了我们的估计过程模拟Box-Cox变换和arcsinh变换的性能。
2013-02-01 math.ST stat.TH
Non-parametric estimation of net survival under dependence between death causes
针对死亡原因未知且依赖的竞争风险生存模型，本文提出基于随机过程和鞅的广义非参数净生存估计器，放松独立性假设并推导其渐近性质、方差估计与检验，通过模拟和结直肠癌数据验证，为Pohar Perme估计器提供新视角。
2025-02-13 math.ST stat.TH
Performance Bounds for Sparse Parametric Covariance Estimation in Gaussian Models
我们考虑估计的稀疏参数向量，确定高斯随机向量的协方差矩阵通过稀疏扩展到已知的“基矩阵”。利用再生核Hilbert空间的理论，我们得到了一个给定的均值函数的估计方差的下界。这包括作为特殊情况的无偏估计。我们还提出了一个数值比较我们的下限与两个标准估计（硬阈值估计和最大似然估计）的方差。
2011-01-20 cs.IT math.IT math.ST
High Dimensional M-Estimation with Missing Outcomes: A Semi-Parametric Framework
我们考虑在响应$Y$可能随机缺失且协变量$\mathbf{X} \in \mathbb{R}^p$与样本量$n$相比可能是高维的情况下进行高维$M$估计。感兴趣的参数$\boldsymbolθ_0 \in \mathbb{R}^d$被定义为凸损失的风险最小化，在一个完全非参数模型，和$\boldsymbolθ_0$本身是高维的，这是一个关键区别于现有的作品。标准的高维回归和系列估计与可能错误指定的模型和缺失的$Y$包括作为特殊情况下，以及他们的同行在因果推断使用“潜在的结果”。假设$\boldsymbolθ_0$是$s$ -稀疏的（$s \ll n$），基于传统的双稳健（DR）估计器构造的高维自适应，提出了$\boldsymbolθ_0$的$L_1$ -正则化去偏双稳健（DDR）估计器.温和的尾部假设和任意选择的（工作）模型的倾向得分（PS）和结果回归（OR）估计，只满足一些高层次的条件下，我们建立有限的样本性能界限的DDR估计显示其（最佳）$L_2$错误率为$\sqrt{s (\log d)/ n}$时，两个模型都是正确的，其一致性和DR属性时，只有其中之一是正确的。此外，当这两个模型是正确的，我们提出了我们的DDR估计，满足渐近线性扩展，并有利于推断低维组件的$\boldsymbolθ_0$的解parsified版本。最后，我们讨论了PS和OR估计的高维参数/半参数工作模型的各…
2019-11-26 math.ST stat.ME stat.ML
Improving Numerical Stability of Normalized Mutual Information Estimator on High Dimensions
Nokia Networks（诺基亚网络）；University of Eastern Finland（东芬兰大学）；School of Computing（计算学院）
针对高维数据中基于k-NN的归一化互信息估计因半径计算溢出而失效的问题，提出对数变换技术，在避免溢出的同时保持精度、不增偏差与计算开销，并维持估计器方差。
2025-07-07 cs.IT cs.LG math.IT
Adaptive non-parametric estimation in the presence of dependence
我们考虑非参数估计问题中存在的相关数据，特别是非参数回归随机设计和非参数密度估计。建议的估计过程是基于降维。极小极大最优收敛速率的估计推导出假设一个足够弱的依赖性，其特征在于快速减少的混合系数。我们说明这些结果考虑经典的平滑假设。然而，建议的估计需要一个最佳的选择的尺寸参数取决于某些特性的功能的兴趣，这是不知道在实践中。在我们的工作中解决的主要问题是这个尺寸参数的自适应选择模型选择和Lepski的方法相结合。它的灵感来自Goldenshluger和Lepski（2011）最近的工作。我们表明，这种数据驱动的估计可以达到较低的风险绑定到一个常数提供了一个快速衰减的混合系数。
2016-02-01 math.ST stat.TH
Sparse M-estimators in semi-parametric copula models
本文研究半参数 copula 模型中带伪观测值的稀疏 M-估计量的大样本性质，建立一致性、渐近正态性及渐近 oracle 性质，并应用于高斯 copula、混合及条件 copula 的典型最大似然损失，辅以数值实验验证。
2023-05-31 math.ST stat.TH
A method of moments estimator of tail dependence
在多变量极值的世界中，依赖结构的估计仍然是一个挑战和有趣的问题。一个程序的二元情况下，开辟了道路，以类似的方式处理问题，在一个真正的多元设置。我们考虑一个半参数模型，其中稳定的尾部依赖函数是参数化的。给定一个来自二元分布函数的随机样本，问题是估计未知参数。提出了一种矩估计方法，其中稳定尾部依赖函数的非参数、基于秩的估计的某个积分与相应的参数版本匹配。在很弱的条件下，证明了该估计是相合的且渐近正态的。此外，参数和非参数估计之间的比较导致半参数模型的拟合优度检验。估计的性能示出了一个离散的谱测度，出现在一个因素型模型，并为基于似然的方法打破。第二个例子是某些亚椭圆分布的稳定尾部依赖函数族。
2008-11-14 math.ST stat.TH
Robust estimation on a parametric model via testing
我们感兴趣的问题的稳健参数估计的密度从$n$ i.i.d.意见。通过使用一个面向实践的程序的基础上强大的测试，我们建立了一个估计，我们建立非渐近的风险界相对于Hellinger距离在温和的假设下的参数模型。我们表明，估计是强大的，即使模型的最大似然法是注定要失败。数值模拟说明了它的鲁棒性。当模型为真且足够正则时，我们证明了估计量非常接近最大似然估计量，至少当观测数$n$很大时是如此。特别是，它继承了它的效率。仿真结果表明，当模型足够正则且包含真密度时，即使对于$n$的小值，这两种估计在大概率下也几乎相等。
2016-03-30 math.ST stat.TH
