Fundamentals of non-parametric statistical inference for integrated quantiles
Saint Petersburg State University(圣彼得堡国立大学);Emperor Alexander I Saint Petersburg State Transport University(亚历山大一世圣彼得堡国立交通大学);Western University(韦仕敦大学)
本文提出了一种非参数统计推断理论,用于积分分位数,推导了经验尾部价值风险等在简单随机抽样下的一致性及渐近正态性,同时为经典统计估计量提供了新证明。
2025-03-07 math.ST stat.TH
Robust quantile estimation and prediction for spatial processes
在本文中,我们提出了一个统计框架建模的条件分位数的空间过程假设是强混合的空间。在随机场情形下,建立了核条件分位数估计的$L_1$相合性和渐近正态性.我们还定义了一个非参数的空间预测,并说明了一些模拟使用的方法。
2010-01-25 math.ST stat.TH
Quantile tests in frequency domain for sinusoid models
对于二阶平稳过程,其谱分布函数由过程的自协方差函数唯一确定。我们定义了谱分布函数的分位数,并提出了两个分位数的估计。阐明了这两种估计的渐近性质,并指出了与分位数估计在时域上的区别。我们从估计量的渐近分布构造了分位数检验的检验程序,并在数值研究中显示了很强的统计功效。
2016-05-11 math.ST stat.TH
Distributed inference for quantile regression processes
大规模数据集的可用性增加,为发现其分布中的微妙模式提供了独特的机会,但也带来了压倒性的计算挑战。为了充分利用大数据中包含的信息,我们提出了一个两步过程:(i)在并行计算环境中估计不同级别的条件分位数函数;(ii)基于这些估计的分位数曲线通过投影构建条件分位数回归过程。我们的一般分位数回归框架涵盖了固定或增长维度的线性模型和系列近似模型。我们证明,所提出的程序不牺牲任何统计推断的准确性,提供了分布式计算单元和分位数水平的数量选择适当。特别是,一个尖锐的上界为前者和一个尖锐的下界为后者推导出捕捉最小的计算成本从统计的角度来看。作为一个重要的应用,考虑了条件分布函数的统计推断。此外,我们提出了计算效率高的方法来进行推理,在上述分布式估计设置。这些方法直接利用子样本估计量的可用性,并且可以在几乎没有额外计算成本的情况下进行。模拟结果证实了我们的统计推断理论。
2018-04-10 math.ST stat.ME stat.TH
Neural Networks for Partially Linear Quantile Regression
深度学习在各种应用中取得了巨大的成功,但它在分位数回归中的应用仍然很少。深度学习方法的一个主要优势是它可以以比非参数平滑方法更简洁的方式灵活地对复杂数据进行建模。然而,尽管深度学习在预测方面带来了突破,但由于具有数百万参数的多层结构的黑箱性质,它往往缺乏可解释性,因此它不太适合统计推断。在本文中,我们利用深度学习的优势将其应用于分位数回归,目标是产生可解释的结果并执行统计推断。我们通过采用基于部分线性分位数回归模型的半参数方法来实现这一点,其中统计推断的主要兴趣协变量线性建模,所有其他协变量通过深度神经网络非参数建模。除了新的方法,我们提供了理论证明所提出的模型,建立根$n$一致性和渐近正态性的参数系数估计和极小极大最优收敛速度的神经非参数函数估计。在几个模拟和真实数据的例子中,我们提出的模型根据经验产生了优于各种替代方法的估计和更准确的预测。
2021-06-11 math.ST stat.TH
Statistical Inference for Functional Linear Quantile Regression
我们提出了功能线性分位数回归的推理工具,其中标量响应的条件分位数被假设为功能协变量的线性泛函。与传统的方法相比,我们采用核卷积来平滑原始损失函数。系数函数在再生核希尔伯特空间框架下估计。梯度下降算法的目的是最小化平滑损失函数与粗糙度惩罚。借助于Banach不动点定理,在适当的希尔伯特空间中证明了我们所提出的估计作为正则化损失函数的最小值的存在唯一性.此外,我们建立了估计的收敛速度以及弱收敛。据我们所知,这是函数分位数回归模型的第一个弱收敛结果。然后,基于这些理论性质,开发了真系数函数的逐点置信区间和同步置信带。数值研究,包括模拟和数据应用进行调查的性能,我们的估计和推理工具在有限样本。
2022-02-23 math.ST stat.ME stat.TH
Quantiles, Ranks and Signs in Metric Spaces
本文为度量空间数据引入局部与全局分位数、秩和符号,建立理论性质,证明经验度量中位数抗污染,并提出快速秩基独立性检验,经模拟验证有效。
2024-03-19 math.ST stat.TH
Comparison of multivariate distributions using quantile-quantile plots and related tests
单变量分位数-分位数(Q-Q)图是一种众所周知的图形工具,用于检查两个数据集是否由相同的分布生成。它还用于确定指定的概率分布与给定样本的拟合程度。在这篇文章中,我们开发和研究了基于空间分位数的Q-Q图的多变量版本。不同的真实和模拟数据,其中一些具有相当大的尺寸上示出了所提出的图形设备的有用性。我们还开发了一些统计检验,与建议的多元Q-Q图,并研究其渐近性质。这些测试的性能进行了比较与其他一些著名的多元分布的测试在文献中。
2014-07-04 math.ST stat.TH
Quantile Processes for Semi and Nonparametric Regression
分位数曲线的集合提供了条件分布的全貌。在不同分位数水平下,估计曲线的适当居中和缩放版本产生所谓的分位数回归过程(QRP)。本文在一般的级数逼近框架下建立了QRP问题的弱收敛性,包括增维线性模型、非参数模型和部分线性模型。在最后一类模型中得到了一个有趣的结果,其中参数和非参数估计量是渐近独立的。我们的一般过程收敛结果的应用包括构造非交叉分位数曲线和估计条件分布函数。由于独立的兴趣,我们得到了一系列的Bahadur表示与指数界的尾概率的所有剩余条款。这类界在分析分而治之下的统计推断过程中是潜在有用的。
2017-07-21 math.ST stat.TH
Quantile regression approach to conditional mode estimation
在本文中,我们考虑估计的条件模式的结果变量给定的回归。为此,我们提出并分析了一个计算可扩展的估计来自一个线性分位数回归模型,并发展渐近分布理论的估计。具体来说,我们发现,逐点极限分布是一个规模的转换,尽管存在的回归的Dalloff的分布。此外,我们考虑分析和基于子采样的置信区间的建议估计。我们还进行蒙特卡罗模拟来评估所提出的估计量的有限样本性能以及分析和子采样置信区间。最后,我们应用所提出的估计预测净小时发电量使用联合循环电厂数据。
2019-07-29 math.ST stat.ME stat.TH
Bayesian quantile regression with approximate likelihood
分位数回归通常用于需要响应变量与一个或多个解释变量之间的综合关系时。分位数回归的传统频率论方法已经围绕渐近理论和有效算法得到了很好的发展。然而,在贝叶斯框架下发表的工作并不多。贝叶斯分位数回归的一个挑战性问题是完全似然没有参数形式。在本文中,我们提出了一个贝叶斯分位数回归方法,线性插值密度(LID)方法,它使用一个线性插值的分位数来近似的可能性。与大多数现有的方法,旨在解决一个分位数的时间,我们提出的方法估计的联合后验分布的多个分位数,导致更高的全局效率为所有感兴趣的分位数。马尔可夫链蒙特卡罗算法的开发,以实现所提出的方法。我们提供的收敛结果,证明了算法的收敛性和统计近似的综合似然后。从模拟结果中,我们验证了LID在估计与两个或更多分位数相关的数量方面比其他现有方法具有明显的优势。
2015-06-02 math.ST stat.TH
Smoothed Quantile Regression with Large-Scale Inference
分位数回归是一个强大的工具,用于学习响应变量和多变量预测因子之间的关系,同时探索异质性效应。本文研究了大规模数据分位数回归在“增维”条件下的统计推断。我们提供了一个全面和深入的分析卷积型平滑方法,实现足够的近似计算和推断分位数回归。这种方法,我们称之为{ \it{conquer} },把不可微的分位数损失函数变成一个二次可微的,凸的和局部强凸的代理,它允许一个快速和可扩展的基于Barzilai-Borwein梯度的算法来执行优化,和乘数引导统计推断。在理论上,我们建立了估计误差和Bahadur-Kiefer线性化误差的显式非渐近界,由此证明了在比传统分位数回归对回归变量个数要求更低的条件下,克服估计的渐近正态性成立.此外,我们证明了乘数自助置信结构的有效性。我们的数值研究证实了征服估计作为一个实用和可靠的方法,大规模的推断分位数回归。实施该方法的软件在\texttt{R}包\texttt{conquer}中可用。
2021-05-18 math.ST stat.ME stat.TH
Quantiles and Quantile Regression on Riemannian Manifolds: a measure-transportation-based approach
本文针对无边界紧黎曼流形提出基于最优传输数据驱动排序的分位数、分布函数、秩和符号定义,建立一致收敛性与分布无关性等理论性质,并重点研究方向型或环面型多重输出的分位数回归,通过大量模拟验证其有效性。
2024-10-21 math.GT math.ST stat.ME
On the Dependence between Functions of Quantile and Dispersion Estimators
在本文中,我们得到了分位数估计函数(非参数样本分位数和参数位置-尺度分位数估计)与离差估计函数(样本方差,样本均值绝对偏差,样本中位数绝对偏差)的联合渐近分布-假设一个潜在的同分布和独立分布的样本。我们还讨论了使用这种估计所需的条件。此外,我们表明,这些结果可以扩展到任何高阶绝对中心样本矩的色散措施。意识到两个分位数估计的收敛速度的差异,我们比较了选择的分位数估计(和离散度)的渐近相关性的影响。然后,我们证明了一个尺度律的渐近依赖的分位数估计与离散测度的估计。最后,我们展示了一个很好的有限样本性能的渐近模拟椭圆分布。所有的结果应该构成一个重要的和有用的补充,在统计文献中,这些估计是标准的使用在统计和应用领域,或者应该成为这样,因为较弱的条件下的渐近定理。
2019-04-26 math.ST stat.TH
Quantile regression with varying coefficients
分位数回归为除条件均值之外的感兴趣的统计量建模提供了框架。对于线性模型,回归方法已经发展得很好,但对于非参数模型,则不那么发达。我们考虑条件分位数与不同的系数,并提出了一种方法,其估计和评估使用多项式样条。建议的估计是很容易计算,通过标准的分位数回归算法和逐步节点选择算法。所提出的Rao分数类型的测试,评估模型对一个线性模型也很容易实现。给出了估计量的收敛性和检验统计量的零分布的渐近结果。还提供了实证结果,包括用力呼气量(FEV)数据的方法的应用。
2007-08-03 math.ST stat.TH
Robust Spectral Analysis
在本文中,我介绍了分位数谱密度,总结了时间序列在其整个分布的周期性行为,通过分析分位数交叉的周期。这种方法可以捕获周期对时间序列分布的影响的系统变化,并且在自协方差函数不能准确捕获相关结构的情况下允许鲁棒的谱估计和推断。我研究的统计性质的分位数谱估计在一个大类的非线性时间序列模型,并讨论在固定和跨所有频率的推断。蒙特卡罗实验表明,当标准假设被违反时,分位数谱分析优于经典方法。
2013-08-26 math.ST stat.TH
Quantile-adaptive model-free variable screening for high-dimensional heterogeneous data
我们引入了一个分位数自适应框架,用于高维异构数据的非线性变量筛选。这个框架有两个显著的特点:(1)它允许活动变量的集合在分位数之间变化,从而使其更灵活地适应异质性;(2)它是无模型的,避免了在高维空间中指定统计模型的困难任务。我们的非线性独立性筛选程序采用样条逼近在感兴趣的分位数水平上对边际效应进行建模。在分位数函数的适当条件下,不需要任何矩的存在,新的程序被证明在超高维享受一定的屏蔽性质。此外,分位数自适应框架可以自然地处理生存分析中出现的删失数据。我们证明了当响应变量服从随机右删失时,确定筛选性质仍然有效。数值研究证实了所提出的方法对各种半参数模型的良好性能,以及从异方差数据中提取特定分位数信息的有效性。
2013-12-11 math.ST stat.TH
Regularized geometric quantiles and universal linear distribution functionals
University of Cambridge(剑桥大学);University of Angers(昂热大学)
本文提出正则化的几何分位数,以解决几何分位数在多变量设置中的数值不稳定性和样本性质问题,并展示其在概率测度分配中的应用。
2026-02-10 math.ST stat.TH
Quantile LASSO with changepoints in panel data models applied to option pricing
面板数据是一种现代统计工具,在各种规律性假设下被广泛应用于各种计量经济问题。引入了带变点的面板数据模型和原子追踪方法,并将其应用于标的期权价格函数的估计。通过采用分位数LASSO方法,实现了对数据的稳健估计和复杂洞察。最终模型仅需一个建模步骤即可以完全数据驱动的方式生成。此外,通过引入一组定义良好的线性约束,得到了无仲裁的场景。在一些合理的假设下,最终估计与模型估计和变点检测性能一致。有限样本的性质进行了研究,在模拟研究和建议的方法适用于苹果看涨期权定价问题。
2019-09-23 math.ST stat.TH
Generalized Quantile Treatment Effect: A Flexible Bayesian Approach Using Quantile Ratio Smoothing
我们提出了一种新的一般方法来估计一个连续的和潜在的高度偏斜的反应变量,广义分位数治疗效果(GQTE)的二进制治疗的效果。GQTE定义为两种处理条件下分位数函数之间的差异。因此,它代表了对通常用于估计治疗效果的标准方法的概括(即,平均治疗效果和分位数治疗效果),因为它允许比较两种治疗下结果分布的任意特征。根据Dominici et al.(2005),我们假设两个分位数的预先指定的变换被建模为分位数的光滑函数。这个假设允许我们连接两个分位数函数,从而从一个分布向另一个分布借用信息。我们提供的主要理论贡献是一个封闭形式的表达模型的可能性的分析推导。利用这一结果,我们提出了一种新的贝叶斯推理方法的GQTE。我们通过模拟研究证实,在某些情况下,它比其他非参数方法更好地表现出我们的方法的一些有限样本性质。作为一个例子,我们最终将我们的方法应用于1987年国家医疗保险支出调查数据,以估计病例之间单次住院医疗费用分布的差异(即,受吸烟可归因疾病影响的受试者)和对照。
2015-09-03 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
Scalable estimation and inference for censored quantile regression process
删失分位数回归(CQR)已成为研究可能删失结果和协变量之间异质性关联的重要工具,但对于包含多个协变量的大规模数据,CQR的计算和统计推断仍然是一个挑战。在本文中,我们专注于一个平滑的鞅为基础的序列估计方程的方法,可扩展的基于梯度的算法可以应用。在理论上,我们提供了一个统一的分析光滑序列估计和它的惩罚对应的增加的维度。当协变量维数随着样本量以次线性速率增长时,我们建立了一致收敛性速率(在一系列分位数指数上),并为乘数引导过程的有效性提供了严格的理由。在高维稀疏设置,我们的研究结果大大提高了现有的工作CQR放松指数项的稀疏性。我们还展示了平滑CQR的优势,现有的方法与模拟实验和数据应用。
2022-10-23 math.ST stat.TH
Average quantile regression: a new non-mean regression model and coherent risk measure
本文提出创新性概念 Average Quantile Regression (AQR),一种兼具平滑性、同单调可加性并考虑尾部损失严重性的通用非参数回归模型与一致性风险度量,并验证了其在高维数据分析与风险管理中的有效性。
2025-06-29 math.ST stat.TH
Quantile and pseudo-Huber Tensor Decomposition
本文提出配备伪Huber或分位数损失的投影次梯度下降算法,实现鲁棒张量分解,在重尾噪声和Huber污染下达到两阶段收敛及首个极小极大最优速率,并灵活处理缺失值,应用于食品平衡和国际贸易数据。
2023-09-06 cs.IT math.IT math.ST
Monge-Kantorovich Depth, Quantiles, Ranks, and Signs
我们提出了新的概念,统计深度,多元分位数,排名和标志,基于规范的运输之间的分布的兴趣$R^d$和参考分布的$d$维单位球的地图。新的深度概念,称为蒙格-康托洛维奇深度,专门用于球形分布的情况下的半空间深度,但是,对于更一般的分布,不同于后者的能力,其轮廓占非凸特征的分布的兴趣。我们提出了经验对应的人口版本的Monge Kantorovich的深度轮廓,分位数,排名和标志,并通过建立一个一致收敛性属性的经验运输地图,这是独立的利益,显示其一致性。
2015-09-21 econ.EM math.ST stat.TH
Compatibility and Exclusivity of Loss Functions under Statistical Optimality
Jagiellonian University(雅盖隆大学)
研究不同损失函数需求不兼容最优程序的问题,引入基于抽象最优性算子的损失空间划分框架,发展其结构并形式化相关损失族,结合坍缩结果形成损失设计演算,有多种应用。
2026-10-05 math.ST stat.TH
Online survival analysis with quantile regression
本文针对流式删失数据提出一种基于二次损失近似和majorize-minimize算法的在线分位数回归方法,在更弱假设下保持与oracle估计量相同的收敛速度与统计效率,并显著降低计算和存储负担。
2025-07-21 math.ST stat.TH
Estimation and Inference of Extremal Quantile Treatment Effects for Heavy-Tailed Distributions
本文针对重尾结局变量提出基于渐近尾部近似和因果Hill估计量的极值分位数处理效应估计方法,建立了渐近正态性与一致方差估计,并通过模拟和大学教育对工资影响的实证分析验证了方法的有效性。
2023-07-05 math.ST stat.ME stat.TH
Group Lasso for high dimensional sparse quantile regression models
本文研究了高维稀疏分位数回归模型的组Lasso估计的统计性质,其中解释变量的个数(或解释变量的组数)可能远大于样本量,而“活动”组中的变量个数足够小.我们建立了估计量的$\ell_{2}$ -估计误差的非渐近界。该界限解释了在估计误差方面,组Lasso估计量可能优于/劣于$\ell_{1}$惩罚分位数回归估计量的情况。我们还提出了一个依赖于数据的调整参数的选择,使该方法更实用,通过扩展的原始建议的Belloni和Rizzhukov(2011)的$\ell_{1}$惩罚分位数回归估计。作为应用,我们分析了高维可加分位数回归模型。证明了在一组适当的正则条件下,群Lasso估计的收敛速度可以任意接近预言速度。最后,我们进行模拟实验来检验我们的理论结果。
2011-03-25 math.ST stat.ME stat.TH
Estimation of stability index for symmetric α-stable distribution using quantile conditional variance ratios
$α$ -稳定分布类在各种应用中有着广泛的应用,特别是对于重尾数据的建模。虽然$α$ -稳定分布已在实践中使用多年,但用于识别、测试和估计的新方法仍在改进,并且新方法正在被提出。新的统计方法的不断发展与现有算法的低效率有关,特别是当底层样本很小或底层分布接近高斯时。本文针对对称$α$ -稳定分布样本,提出了一种新的稳定指标估计算法。所提出的方法是基于分位数条件方差比。我们研究的统计特性,建议的估计程序和经验表明,我们的方法往往优于其他常用的估计算法。此外,我们表明,我们的统计提取独特的样本特征,可以与其他方法相结合,以完善现有的方法,通过ensamble方法。虽然我们的重点是对称的$α$稳定的情况下,我们证明,所考虑的统计是不敏感的偏度参数的变化,使我们的方法也可以用于一个更通用的框架。为了完整性,我们还展示了如何将我们的方法应用于与等离子体物理相关的真实数据。
2022-12-27 math.ST stat.ME stat.TH
Nonparametric quantile regression for spatio-temporal processes
本文提出一种适用于时空超高维数据的非参数分位数回归方法,克服计算挑战,并建立统计推断理论,通过模拟和电力需求数据验证其性能。
2024-05-24 math.ST stat.ME stat.TH
Overlapping Batch Confidence Intervals on Statistical Functionals Constructed from Time Series: Application to Quantiles, Optimization, and Estimation
本文提出基于重叠批次与 OB-x 极限的时间序列统计泛函置信区间方法,在多种估计任务中显著优于子采样和 bootstrap。
2023-07-17 cs.CE math.PR math.ST
On multivariate quantiles under partial orders
本文主要从序的角度对分位数进行推广。我们提出了偏分位数的概念,它是基于一个给定的偏序。我们建立了部分分位数是保序变换下的数据,稳定的离群值,表征的概率分布,如果偏序是足够丰富的,推广的概念,有效的前沿,并可以从偏序的角度来衡量分散。我们还研究了偏分位数的几个统计方面。我们提供了估计,相关的收敛速度,并在连续的分位数指数一致举行的渐近分布。此外,我们提供的程序,可以恢复单调性的性质,可能会受到干扰的估计误差,建立计算复杂性的界限,并指出浓度的措施的现象(后者下的独立性和分量自然序)。最后,我们通过讨论几个理论例子和模拟来说明这些概念。实证应用比较饮食中的营养摄入量,评估投资基金的业绩,并研究烟草意识的政策的影响,也提出了说明的概念和它们的使用。
2011-05-30 math.PR math.ST stat.ME
Gaining Outlier Resistance with Progressive Quantiles: Fast Algorithms and Theoretical Studies
本文提出基于渐进分位数和显式离群程度参数的抗离群值估计框架,并开发快速可扩展算法,在低维和高维下均达到极小极大最优,实验验证了其在回归、分类和神经网络中的稳健性能。
2023-04-18 math.ST stat.ME stat.ML
On Matched Filtering for Statistical Change Point Detection
非参数和无分布的双样本检验是许多变点检测算法的基础。然而,作为时间函数的测试统计量的随机性使得它们容易受到假阳性和定位模糊性的影响。我们解决这些问题,推导和应用过滤器匹配的预期时间签名的变化,各种滑动窗口,双样本测试IID假设下的数据。这些过滤器是相对于Wasserstein分位数检验、Wasserstein-1距离检验、最大均方差平方(MMD ^2)和Kolmogorov-Smirnov(KS)检验的窗口大小渐近导出的。匹配滤波器具有两个重要的性质。首先,它们是无分布的,因此可以在没有底层数据分布的先验知识的情况下应用。其次,它们是峰值保持的,这允许由我们的方法产生的滤波信号保持预期的统计显著性。通过对合成数据和活动识别基准的实验,我们证明了这种方法在减少误报和提高测试精度方面的实用性。我们的方法允许本地化的变化点,而不使用特设后处理,以消除冗余检测常见的当前方法。我们进一步强调了基于分位数-分位数(Q-Q)函数的统计测试的性能,并展示了Q-Q函数对保序变换的不变性如何允许这些测试在同一数据集内使用单个阈值检测不同尺度的变化点。
2020-10-27 eess.SP math.ST stat.ML
Bivariate vine copula based regression, bivariate level and quantile curves
本文利用基于vine copula的二元回归模型的水平曲线构建二元条件分位数,提出一种对称处理双响应变量的图结构模型,有效避免了传统回归缺陷,并在天气数据中验证了联合建模的优势。
2023-07-03 math.ST stat.ME stat.ML
Kernel Quantile Embeddings and Associated Probability Metrics
University College London(伦敦大学学院);Nanyang Technological University(南洋理工大学);CISPA Helmholtz Center for Information Security(CISPA亥姆霍兹信息安全中心)
本文提出核分位数嵌入(KQEs)构建概率度量,在更弱核条件下成立,恢复核化切片Wasserstein距离,近线性估计,假设检验中媲美MMD。
2025-05-26 cs.LG math.ST stat.ML
A linear regression model for quantile function data applied to paired pulmonary 3d CT scans
本文提出一种参数化分位数函数线性回归模型,通过分析哮喘患者单克隆抗体治疗前后肺部3D CT扫描体素的HU值分位数曲线变化,实现治疗反应的客观统计评估与推断。
2024-12-19 math.ST stat.AP stat.CO