Confidence intervals centred on bootstrap smoothed estimators: an impossibility result
本文基于决策论性能界限证明，在嵌套线性回归模型测试床中，不存在以自助法平滑估计量为中心且基于数据宽度的置信区间，能同时满足最小覆盖率与理想的缩放期望长度要求。
2019-10-21 math.ST stat.ME stat.TH
Maximum smoothed likelihood estimators for the interval censoring model
我们研究了最大平滑似然估计（MSLE）的区间删失，情况2，在所谓的分离的情况下。利用凸对偶条件给出了其特征，并证明了强相合性.此外，我们表明，在光滑条件下的基本分布和使用通常的带宽选择密度估计，局部收敛速度是$n^{-2/5}$和极限分布是正常的，与普通的最大似然估计率$n^{-1/3}$。
2014-10-15 math.FA math.ST stat.TH
Model Based Bootstrap Methods for Interval Censored Data
我们研究了基于模型的bootstrap方法在区间删失数据下构建生存函数的逐点置信区间的性能。我们表明，从生存函数的非参数极大似然估计的自举是不一致的，目前的状态和情况2区间删失模型。提出了一种基于模型的平滑引导过程，并证明是一致的。此外，模拟研究进行说明（不）-一致的自助方法。我们在区间删失模型中的结论将更广泛地扩展到表现出非标准收敛率的回归模型中的估计。
2013-12-22 stat.ME
Testing goodness-of-fit and conditional independence with approximate co-sufficient sampling
拟合优度（GoF）检验在统计学中无处不在，与模型选择、置信区间构造、条件独立性检验和多重检验有直接联系，仅举几个应用。虽然测试简单（点）原假设的GoF为分析师在选择检验统计量时提供了很大的灵活性，同时仍确保有效性，但大多数复合原假设的GoF测试都受到更多约束，因为检验统计量必须在整个原模型空间上具有易于处理的分布。一个值得注意的例外是共同充分抽样（CSS）：在零模型的充分统计量的条件下重新分配数据，保证使用分析员选择的任何检验统计量进行有效的GoF检验。但是CSS测试要求空模型具有紧凑的（在信息论意义上）充分统计量，这只适用于非常有限的一类模型;即使对于像逻辑斯谛回归这样简单的空模型，CSS测试也无能为力。在本文中，我们利用近似充分性的概念，将CSS测试推广到基本上任何具有渐近有效估计的参数模型，我们称我们的扩展为“近似CSS”（aCSS）测试。我们量化有限样本的第一类错误膨胀aCSS测试，并表明它是消失在标准的极大似然渐近，任何选择的检验统计量。我们应用我们提出的程序在理论上和模拟一些感兴趣的模型，以证明其有限样本第一类错误和权力。
2021-09-14 stat.ME
Smoothed weighted empirical likelihood ratio confidence intervals for quantiles
到目前为止，基于似然的区间估计的分位数还没有研究在文献中的区间删失情况2数据和部分区间删失数据，在这种情况下，使用平滑没有被认为是任何类型的删失数据。本文在统一的框架下，针对不同类型的删失数据，包括右删失数据、双删失数据、区间删失数据和部分区间删失数据，构造了分位数的平滑加权经验似然比置信区间（WELRCI）。推导了加权经验对数似然比的四阶展开式，建立了WELRCI的理论覆盖精度方程，该方程一般保证至少一阶精度。特别是，对于右删失数据，我们表明，覆盖精度至少是$O(n^{-1/2})$和我们的模拟研究表明，与经验似然为基础的方法相比，在WELRCI中使用的平滑一般提供了一个较短的置信区间具有可比的覆盖精度。对于区间删失数据，有趣的是发现在调整率$n^{-1/3}$下，加权经验对数似然比的渐近分布完全不同于经验似然法所得的渐近分布，并且所得的WELRCI在现有的比较模拟研究中表现良好.
2008-10-23 math.ST stat.TH
Asymptotic Intermediate Efficiency of the Chi-square and Likelihood Ratio Goodness of Fit Tests
考虑了一个绝对连续分布对一组分组为等概率区间的观测值的拟合优度的检验问题，以及对一组逼近假设的备选方案序列的检验问题。我们的研究重点是由于Inglot（1999）的卡方和对数似然比检验的渐近中间效率（AIE）。假设组的数量随着观测的数量而增加。
2019-02-21 math.ST stat.TH
Kernel-smoothed conditional quantiles of randomly censored functional stationary ergodic data
本文研究了在随机删失条件下，当考虑{ \it函数平稳遍历数据}时，标量随机响应和函数随机协变量（即在无穷维空间中取值）的条件分位数估计.我们引入了条件分位数函数的核型估计。我们建立了该估计量与率的强相合性以及渐近正态性，该正态性导出了一个置信区间，该置信区间不依赖于任何未知量，因此在实际中是可用的。应用于电力高峰需求区间预测与删失智能电表数据进行了显示所提出的估计器的性能。
2013-04-16 math.ST stat.ME stat.TH
Smoothed pseudo-population bootstrap methods with applications to finite population quantiles
本文将平滑 bootstrap 引入高熵单阶段调查抽样的伪总体框架，提出带宽插件与网格搜索选择法，用于有限总体分位数方差估计和置信区间构造，并验证其效率提升。
2025-09-29 stat.CO stat.ME
Statistical Inference for Smoothed Support Vector Machines in High Dimensions: From Offline to Online Data
Center for Applied Statistics, Renmin University of China（中国人民大学应用统计中心）；School of Statistics, Renmin University of China（中国人民大学统计学院）
本文提出一种统一的推断框架，通过离线和在线设置中的平滑技术消除偏差，实现有效的统计推断和计算效率提升。
2026-05-15 stat.ME
Asymptotic goodness-of-fit tests for the Palm mark distribution of stationary point processes with correlated marks
我们考虑空间均匀的标记点模式在一个无限扩展的凸采样窗口。我们的主要目标是通过构造渐近$χ^2$ -拟合优度检验来确定典型标记的分布。相应的检验统计量是基于自然的经验版本的掌纹分布和平滑的协方差估计，原来是均方一致的。我们的方法不需要独立的标记，并允许标记字段和点模式之间的依赖关系。相反，我们施加一个合适的$β$混合条件的基础上的平稳标值点过程，可以检查一些基于泊松模型，特别是在地质统计标记的情况下。为了研究测试性能，我们的测试方法被应用到检测特定的布尔模型的各向异性。
2014-10-01 math.ST stat.TH
Exhaustive goodness-of-fit via smoothed inference and graphics
经典的拟合优度检验旨在验证假设模型与所研究数据的一致性。鉴于它们的推理性质，它们可以被认为是验证性数据分析的关键步骤。然而，在他们的标准公式中，他们不允许探索假设模型如何偏离事实，也不提供任何关于如何改进被拒绝的模型以更好地拟合数据的见解。这项工作的主要目标是建立一个全面的框架，自然集成建模，估计，推理和图形的拟合优度。建模和估计的重点是一种新的配方，光滑的测试，很容易扩展到任意分布，连续或离散。通过专门设计的平滑引导进行推断和适当的选择后调整，并通过称为CD图的详尽图形工具总结结果。
2021-12-17 math.ST stat.AP stat.ME
On Goodness of Fit Tests For Models of Neuronal Spike Trains Considered as Counting Processes
在对“时间变换”进行初等推导后，将计数过程映射到速率为1的齐次Poisson过程上，简要回顾了Ogata的拟合优度检验，并提出了一种新的检验方法--“Wiener过程检验”。这个测试是基于一个简单的应用Donsker定理的时间转换计数过程的间隔。用蒙特卡罗模拟研究了检验的有限样本性质。模拟以及真实数据上的性能。它认为，由于其良好的有限样本性质，新的测试是一个简单的和有用的补充绪方检验。此外，对使用一个单一的拟合优度检验给出了。
2009-09-15 q-bio.QM stat.AP
Nonparametric (smoothed) likelihood and integral equations
我们表明，有一个密切的联系理论的非参数（平滑）最大似然估计某些反问题和积分方程。区间删失和反卷积问题的估计说明了这一点。我们还讨论了这些模型中光滑泛函的极大似然估计的渐近有效性。
2013-08-10 math.FA math.ST stat.TH
Confidence intervals in monotone regression
本文为单调回归函数构建了基于平滑最小二乘估计器（SLSE）的一致自助法置信区间，推导其渐近分布，比较多种估计器效果，提出自动带宽选择方法，并修正了先前研究的错误。
2023-05-22 math.ST stat.TH
Empirical Survival Jensen-Shannon Divergence as a Goodness-of-Fit Measure for Maximum Likelihood Estimation and Curve Fitting
决定系数称为$R^2$，通常用作拟合线性模型的拟合优度标准。在拟合非线性模型时，$R^2$有些争议，尽管它可以根据具体情况进行推广，以处理特定模型，如logistic模型。假设我们使用极大似然估计方法将参数分布拟合到数据集。测量拟合参数的拟合优度的一般方法是使用非参数测量来比较包括原始数据的经验分布和拟合模型。特别是，为了这个目的，我们提出了生存詹森-香农发散（$SJS$）和它的经验对应（${\cal E}SJS$）作为一个度量，这是有界的，是一个自然的概括詹森-香农发散。我们证明，通过一个简单的程序，利用${\cal E}SJS$，它可以被用作极大似然估计或曲线拟合的一部分，作为一个衡量拟合优度，包括建设一个置信区间的拟合参数分布。此外，我们用模拟数据和三个经验数据集证明了所提出方法的有效性。
2019-06-04 physics.data-an q-fin.ST stat.ME
Smoothed isotonic estimators of a monotone baseline hazard in the Cox model
考虑Cox模型中单调基线风险率$λ_0$的光滑极大似然估计和光滑Grenander型估计。我们分析了它们的渐近行为，并表明，它们是渐近正态的速率$n^{m/(2m+1)}$，当~ $λ_0$是$m\geq 2$倍连续可微的，这两个估计是渐近等价的。最后，我们提出了逐点置信区间的数值结果，说明了这两种方法的可比行为。
2018-05-17 math.ST stat.TH
On Double Smoothed Volatility Estimation of Potentially Nonstationary Jump-Diffusion Model
本文提出了基于高频数据的跳跃扩散模型无穷小条件波动率的双光滑非参数方法。在一定的极小条件下，得到了时间跨度$T \rightarrow \infty$和样本区间$Δ_{n} \rightarrow 0.$的估计量的强相合性和渐近正态性.该方法和渐近性态既适用于零Harris回归过程，也适用于正Harris回归过程.
2018-02-13 math.ST stat.TH
Central limit theorems for smoothed extreme value estimates of Poisson point processes boundaries
本文给出了Poisson点过程边界估计的中心极限定理成立的充分条件。所考虑的估计是通过对点过程的某些偏差校正极值进行平滑处理而得到的。我们展示了如何平滑导致高斯渐近分布，因此逐点置信区间。提供了一些新的一维和多维的例子。
2011-03-30 math.ST stat.TH
Asymptotically distribution-free goodness-of-fit testing for point processes
本文针对多元时间点过程，通过构造补偿计数过程并应用创新鞅变换，提出一种弱收敛于标准 Wiener 过程的渐近分布自由拟合优度检验方法，并从理论和模拟两方面验证了其有效性与实用性。
2026-10-05 math.ST stat.TH
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
Copula Modeling for Data with Ties
Copula模型以其分离依赖结构和边缘分布的优点，近年来在许多领域得到了广泛的关注。然而，在真实数据中，严重的关系往往存在于一个或多个边缘，这导致问题，许多基于秩的统计方法的假设下，连续的数据没有关系。随机打破联系或使用平均排名等简单方法会将独立性引入数据，从而导致估计有偏差。我们提出了一种估计方法，将捆绑数据的秩视为区间删失，并基于区间删失伪观测值最大化伪似然。一个参数的引导程序，保留了所观察到的绑在数据中的排名是适应评估的估计不确定性，并进行拟合优度检验。所提出的方法被证明是非常有竞争力的简单的治疗相比，在一个大规模的模拟研究。应用到一个二元保险数据说明了方法。
2016-12-21 stat.ME
Confidence intervals for the current status model
讨论了当前状态模型中分布函数的逐点置信区间的构造方法。置信区间基于平滑最大似然估计（SMLE），并使用自助法构建。其他方法来构建置信区间，使用非标准极限分布的（限制）极大似然估计，我们的方法相比，通过模拟和实际数据的应用。
2017-03-24 math.ST stat.TH
Analytic inference in finite population framework via resampling
本文的目的是提供一个restemption技术，使我们能够在有限的人口设置超人口参数的推断。在复杂的抽样设计下，通常很难获得有关超总体参数的明确结果，特别是在置信区间和检验统计量方面。计算机密集型程序，如重新安装，使我们能够避免这个问题。为了达到上述目的，首先在有限总体框架下得到了经验过程的渐近结果。然后，提出了一个rescue程序，并证明通过渐近的考虑。最后，将所得结果应用于不同的推理问题，并进行了模拟研究，以测试我们的建议的好处。
2018-09-21 stat.ME
On the asymptotic distribution of model averaging based on information criterion
平滑AIC（S-AIC）和平滑BIC（S-BIC）在模型平均中应用非常广泛，并且非常容易实现。特别是最优模型平均方法MMA和JMA只在线性模型中得到了很好的发展。只有通过修改，它们才能应用于其他模型。但是S-AIC和S-BIC可以用于所有可以计算AIC和BIC的情况。本文研究了两种常用的模型平均估计S-AIC和S-BIC在一般固定参数下的渐近性态。此外，Buckland等人（1997年）中得出的覆盖概率没有得到准确的研究，但声称它将接近预期。我们的推导使精确的研究成为可能。此外，我们还证明了Hjort和Claeskens（2003）的置信区间构造方法在误差为正态分布的线性回归中仍然有效。仿真和应用实例都支持了我们的理论结论。
2019-10-27 stat.ME
Credible intervals and bootstrap confidence intervals in monotone regression
本文从频率学派视角分析单调回归中基于可信区间的贝叶斯方法，证明其等价于百分位自助法，并提出表现更优、无需覆盖校正的平滑自助法，证明采用鞅方法。
2023-07-30 math.ST stat.TH
Bernstein-smoothed estimation and bootstrap inference for the lower-tail Spearman's rho curve
Dalhousie University（达尔豪斯大学）；Université du Québec à Trois-Rivières（特鲁瓦河魁北克大学）；Munzur University（穆兹尔大学）
本文提出下尾Spearman's rho曲线的Bernstein平滑估计量，建立一致性和弱收敛理论，验证平滑beta bootstrap推断，并通过模拟和保险数据展示其降低方差和误差的优势。
2026-09-16 math.ST stat.ME stat.TH
An Accelerated Failure Time Regression Model for Illness-Death Data: A Frailty Approach
本文提出了一种新的模型和估计方法的疾病死亡生存数据的风险函数遵循加速失效时间（AFT）模型。一个共享的脆弱性变量诱导正相关的故障时间的主题处理之间的未观察到的依赖关系的非终端和终端故障时间给定的观察到的协变量。利用核平滑辅助期望最大化算法建立了半参数极大似然估计过程，并利用加权自助法估计方差。该模型的背景下，现有的脆弱性为基础的疾病-死亡模型，强调目前的工作的贡献。鹿特丹肿瘤银行的乳腺癌数据进行了分析，使用建议和现有的疾病-死亡模型。结果进行了对比和评价的基础上，一个新的图形拟合优度的程序。模拟结果和数据分析很好地证明了疾病-死亡框架下的AFT回归模型的实际效用的共享脆弱变量。
2022-05-08 stat.AP 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
Isotonized smooth estimators of a monotone baseline hazard in the Cox model
考虑Cox模型中单调基线风险的两个保序光滑估计，一个是最大光滑似然估计，另一个是基于累积基线风险的光滑Breslow估计的Grenander型估计.我们证明了它们在速率$n^{m/(2m+1)}$下都是渐近正态的，其中$m\geq 2$表示所考虑的平滑水平，并且我们将它们的极限行为与Lopuhaä和Musta（2016）中研究的核平滑保序估计量联系起来。结果表明，Grenander型估计量与核平滑保序估计量是渐近等价的，而最大平滑似然估计量具有相同的渐近方差，但有不同的偏差。最后，我们提出了逐点置信区间的数值结果，说明了这两种方法的可比行为。
2018-05-17 math.ST stat.TH
Resampling-based Confidence Intervals for Model-free Robust Inference on Optimal Treatment Regimes
我们提出了一个新的程序，在无模型设置，不需要指定一个结果回归模型的最佳治疗方案的推理。现有的无模型估计的最佳治疗方案通常不适合推理的目的，因为他们要么有非标准的渐近分布或不一定保证一致的估计参数索引贝叶斯规则由于使用替代损失。我们首先研究一种平滑的鲁棒估计器，该估计器直接针对与最佳治疗方案估计的贝叶斯决策规则对应的参数。证明了该估计量服从渐近正态分布。此外，我们验证了一个restaurant程序提供了渐近准确的推断参数索引的最佳治疗方案和最佳值函数。一种新的算法被开发来计算所提出的估计器，大大提高了速度和稳定性。数值结果表明，令人满意的性能的新方法。
2020-07-03 stat.ME stat.ML
Asymptotic distribution of a consistent cross-spectrum estimator based on uniformly spaced samples of a non-bandlimited process
众所周知，如果连续时间平稳随机过程的功率谱密度不具有紧支撑，则以任何均匀采样率从该过程采样的数据导致有偏和不一致的谱估计。在最近的一篇论文中，作者表明，平滑周期图估计可以是一致的，如果允许采样间隔以适当的速度收缩到零，因为样本量趋于无穷大。在本文中，这种“收缩渐近”的方法被用来获得的频谱和互谱的平滑周期图估计的极限分布。它示出，在适当的条件下，尺度，确保弱收敛的估计到一个限制正常的随机向量可以从立方根的样本量的平方根的样本量，取决于强度的假设。结果用于构造谱和互谱的渐近置信区间。通过Monte-Carlo模拟研究表明，在中等样本量下，这些区间具有适当的经验覆盖概率。
2010-06-08 math.ST stat.TH
Kernel-based Method for Detecting Structural Break in Distribution of Functional Data
提出一种基于核方法的函数型数据分布结构突变检测新方法，在更少假设下建立理论保证，含检验统计量渐近零分布、突变时间估计极限分布及统一自助法置信区间构建，经模拟验证并应用于两类实际数据。
2025-04-15 stat.ME
Change-point in stochastic design regression and the bootstrap
在本文中，我们研究了不同的bootstrap程序的一致性，以构建置信区间（CI）的唯一跳跃间断（变点），否则光滑的回归函数在随机设计设置。这个问题表现出非标准的渐近性，我们认为，在回归的标准引导程序未能提供有效的置信区间的变点。我们提出了一个版本的平滑引导，说明其显着的有限样本性能在我们的模拟研究，并证明了该程序的一致性。$n$引导程序中的$m$也被认为是一致的。我们还提供了充分条件的任何引导程序是一致的，在这种情况下。
2011-01-05 math.ST stat.ME stat.TH
Honest calibration assessment for binary outcome predictions
二进制回归或机器学习方法的概率预测应该被校准：如果预测事件发生的概率为$x$，则它应该以近似的频率实现，这意味着所谓的校准曲线$p(\cdot)$应该等于单位区间内所有$x$的恒等式$p(x) = x$。我们提出了诚实的校准评估的基础上，新的置信带的校准曲线，这是有效的，只受自然假设的等渗性。除了测试完美校准的经典拟合优度原假设外，我们的波段还有助于反演拟合优度测试，其拒绝允许一个足够好的指定模型的结论。我们表明，我们的波段有一个有限的样本覆盖率的保证，比现有的方法窄，并适应本地平滑的校准曲线$p$和本地方差的二进制观测。在一个应用模型预测的婴儿具有低出生体重，边界提供了翔实的见解模型校准。
2022-11-02 econ.EM math.ST stat.ME
Nonparametric confidence intervals for monotone functions
研究了单调函数的非参数保序置信区间。在Banerjee和Wellner（2001）中，基于当前状态模型中限制和非限制极大似然估计的似然比检验，引入了逐点置信区间。我们将该方法推广到其他具有单调函数的模型的处理，并通过Banerjee和Wellner（2001）中结果的新证明以及构造单调密度的置信区间来证明我们的方法，对于单调密度，仍然需要发展理论。对于后一种模型，我们证明了在原假设下LR检验的极限分布与当前状态模型相同。我们比较的置信区间，这样得到的，与置信区间使用平滑的最大似然估计（SMLE），使用自举方法。“拉格朗日修改”累积和图，在这里开发的，是一个必不可少的工具，用于计算的限制MLE和置信区间的理论发展，LR测试的基础上。
2015-02-16 math.ST stat.TH
Convolution Smoothed Quantile Regression for XGBoost
University of Toronto（多伦多大学）
该研究开发了基于分位数的梯度提升框架QXGB，引入卷积平滑损失，通过模拟数据和PM$_{2.5}$预测应用验证其在分位数估计、尾部表征等方面的优势。
2026-08-18 cs.LG stat.ML
Density estimation for grouped data with application to line transect sampling
样线抽样是一种用于估计野生动物种群的方法，所得数据通常按间隔分组。从分组数据中估计密度可能具有挑战性。在本文中，我们提出了这样的分组数据的野生动物种群密度的核密度估计。我们的方法使用一个组合的交叉验证和平滑的自助方法来选择分组数据的最佳带宽。我们的模拟研究表明，与其他方法相比，使用该方法选择的平滑参数，从分组数据估计的密度更接近真实密度。使用平滑的bootstrap，我们还构造了边界处密度值的偏差调整的置信区间。我们将所提出的方法应用到两个分组数据集，一个来自木桩研究的真实密度是已知的，另一个来自澳大利亚的袋鼠的调查。
2010-11-09 stat.AP
The Well-Tempered Likelihood: Honest Confidence Intervals for Misspecified Models
Stanford University（斯坦福大学）；SLAC National Accelerator Laboratory（史丹福直线加速器中心）；Massachusetts Institute of Technology（麻省理工学院）；Institut des Hautes Études Scientifiques（高等科学研究所）；CEA Paris-Saclay（巴黎萨克雷原子能委员会）
研究针对粒子物理等领域模型错误设定时标准置信区间失效的问题，提出适度似然性方法，通过除以拟合优度统计量，使置信区间自我限制，给出分箱和不分箱公式并经实例验证。
2026-07-24 hep-ex hep-ph physics.data-an
A maximum-mean-discrepancy goodness-of-fit test for censored data
我们引入了一个基于核的拟合优度检验的删失数据，观察可能会在随机时间间隔丢失：在临床试验和工业寿命测试中常见的情况。检验统计量和检验阈值一样，计算起来很简单，我们在零值下建立了一致性。与早期的方法（如对数秩检验）不同，我们没有假设数据分布可能与空值有何不同，并且我们的检验具有针对非常丰富的替代方案的能力。在实验中，我们的测试优于竞争的方法周期性和威布尔风险函数（其中风险是时间相关的），并没有显示故障模式的测试，依赖于用户定义的功能。此外，在经典测试被证明是最强大的情况下，我们的测试表现得几乎一样好，同时更一般。
2018-10-09 stat.ME
Study on upper limit of sample sizes for a two-level test in NIST SP800-22
NIST SP 800 -22是伪随机数发生器（PRNG）最广泛使用的统计测试工具之一。该工具由15个测试（一级测试）和两个附加测试（二级测试）组成。每个单水平检验提供一个或多个$p$值。双水平检验测量固定单水平检验获得的$p$值的均匀性。其中一个两水平检验将$p$值分为十个等长区间，并应用卡方拟合优度检验。这种两级检验通常比一级检验更强大，但有时当第二级的样本量太大时，它甚至会拒绝好的PRNG，因为它在计算$p$值时会检测到近似误差。本文针对SP 800 -22中出现的六个检验，提出了一个两水平检验中样本量的实用上限。这些上限由近似$p$值的分布与均匀分布$U(0, 1)$之间的卡方差异导出。我们还计算了每个单水平检验的第二水平的“风险”样本量。我们的实验表明，两个水平的测试与建议的上限给出了适当的结果，而使用的风险大小往往拒绝甚至好的PRNG。我们还提出了另一个改进：在两个水平测试的拟合优度计算中使用十个类别的精确概率。这使我们能够在第二水平增加样本量，并使测试比NIST推荐的使用更敏感。
2020-07-10 cs.CR stat.ME
Robust Confidence Intervals in High-Dimensional Left-Censored Regression
本文研究了高维左删失回归的稳健置信区间。I型截尾回归模型在实践中非常常见，其中竞争事件使感兴趣的变量不可观察。然而，为完全观测数据开发的技术并不直接适用于删失观测。在本文中，我们开发的平滑估计方程，增强去偏方法，使所得的估计是自适应删失，是更强大的误指定的误差分布。本文提出了一类统一的稳健估计，包括Mallow、Schweppe和Hill-Ryan的一步估计。在超高维的设置，其中的维度可以指数增长的样本量，我们表明，只要初步估计比$n^{-1/4}$收敛快，一步估计继承渐近分布的完全迭代版本。此外，我们表明，Bahadur表示的残差的大小匹配的简单线性模型，$s^{3/4 } (\log (p \vee n))^{3/4} / n^{1/4}$ -也就是说，删失的影响渐近消失。仿真结果表明，该方法对删失水平和误差分布的不对称性具有自适应性，并且在误差分布为对称分布时不损失效率。最后，我们将所开发的方法应用于与HIV-1研究相关的MAQC-II存储库的真实数据集。
2016-09-22 math.ST stat.ME stat.ML
Constructing a T-test for Value Function Comparison of Individualized Treatment Regimes in the Presence of Multiple Imputation for Missing Data
针对缺失数据下个体化治疗方案价值函数的比较难题，提出一种基于t检验的方法，在测试集上生成有效p值，并通过模拟研究及中国健康与营养调查数据验证其性能。
2025-04-19 stat.AP stat.ME
Non-parametric asymptotic statistics for the Palm mark distribution of β-mixing marked point processes
我们考虑空间均匀的标记点模式在一个无限扩展的凸采样窗口。我们的主要目标是通过构造一个渐近χ^2拟合优度检验来确定典型标记的分布。相应的检验统计量是基于自然经验版本的掌纹分布和平滑的协方差估计，原来是均方一致的。我们的方法不需要独立的标记，并允许标记字段和点模式之间的依赖关系。相反，我们施加一个合适的β-混合条件的基础上的平稳标值点过程，可以检查一些基于泊松模型，特别是在地质统计标记的情况下。我们的方法需要一个β-混合随机场的中心极限定理，这是通过将Bernstein的分块技术推广到非三次指标集来证明的，并且似乎是有意义的。通过大规模的基于模型的模拟，我们的测试的性能进行了研究，在依赖的模型参数，确定的空间相关性的范围。
2012-05-22 math.ST stat.TH
Measuring Discrete Risks on Infinite Domains: Theoretical Foundations, Conditional Five Number Summaries, and Data Analyses
本文将平滑分位数估计量的统计推断从有限域扩展至无限域，提出新截断方法和基于bootstrap的灵活策略，利用汽车事故数据计算尾部风险条件五数概括（C5NS），证明该方法比线性插值法更准确且变异系数更低。
2023-04-05 econ.GN q-fin.EC stat.AP
Weighted empirical likelihood in some two-sample semiparametric models with various types of censored data
本文将加权经验似然应用于一般的两样本半参数模型，其中包括有偏抽样模型和病例对照逻辑斯谛回归模型。对于右删失数据、双删失数据、区间删失数据和部分区间删失数据，给出了参数$θ_0$和分布$F_0$的加权经验似然半参数极大似然估计$(\tildeθ_n,\tilde{F}_n)$，并证明了$(\tildeθ_n,\tilde{F}_n)$的强相合性和$\tildeθ_n$的渐近正态性.在有偏抽样模型下，加权经验对数似然比具有渐近尺度卡方分布。对于右删失数据、双删失数据和部分区间删失数据，证明了$\sqrt{n}(\tilde{F}_n-F_0)$弱收敛于一个中心高斯过程，从而得到了病例-对照逻辑斯谛回归模型的一致拟合优度检验.
2008-03-12 math.ST stat.TH
Feature detection and hypothesis testing for extremely noisy nanoparticle images using topological data analysis
我们提出了一个灵活的算法，用于特征检测和假设检验的图像具有超低的信噪比使用立方持续同源。我们的主要应用是在透射电子显微镜（TEM）的原子柱和其他功能的识别。立方持续同源性被用来确定局部极小值和它们的大小在子区域的纳米颗粒视频的帧，这是假设对应于相关的原子特征。我们比较我们的算法的性能，其他采用的方法检测列和它们的强度。此外，蒙特卡罗拟合优度测试使用来自平滑图像（从驻留在图像的真空区域中的像素生成）的持久性图的实值摘要开发和使用，以确定是否由我们的算法生成的建议的原子特征是由于噪声。使用从生成的持久性图导出的这些总结，可以产生纳米颗粒视频的单变量时间序列，从而提供用于评估流动行为的手段。对相同假设的多个蒙特卡罗检验的错误发现率的保证也成立。
2023-01-18 eess.IV stat.AP
Silent coverage failures in rare-event searches and a degeneracy index that predicts them
University of Brescia（布雷西亚大学）；Istituto Nazionale di Fisica Nucleare (INFN)（意大利国家核物理研究所）
该研究针对稀有事件搜寻中因模型误设导致的静默覆盖失效，提出泊松-费舍尔简并指数预测失效，通过建模变形恢复覆盖但损失灵敏度。
2026-10-14 hep-ex stat.ME
Consistency of the bootstrap for asymptotically linear estimators based on machine learning
本文针对机器学习估计冗余函数的非/半参数可微泛函估计场景，给出bootstrap一致性的一般条件，覆盖多种估计器与bootstrap类型，并通过数值研究验证其在标准方法失效时的渐近有效性。
2024-04-18 math.ST stat.TH
Graphical Test for Discrete Uniformity and its Applications in Goodness of Fit Evaluation and Multiple Sample Comparison
评估给定分布的拟合优度在计算统计中起着重要作用。概率积分变换（PIT）可用于将给定样本是否源自参考分布的问题转换为均匀性检验问题。我们提出了新的模拟和优化为基础的方法，以获得同时置信带的整个经验累积分布函数（ECDF）的PIT值的均匀性的假设下。同时置信带对应于共同满足期望覆盖的每个点处的这种置信区间。这些方法也可以应用于参考分布仅由有限样本表示的情况。置信带为均匀性提供了直观的基于ECDF的图形测试，这也提供了关于差异质量的有用信息。我们进一步扩展的模拟和优化方法，以确定同时的置信带，用于测试多个样本是否来自相同的底层分布。这种多样本比较检验在马尔可夫链蒙特卡罗收敛性诊断中特别有用。我们提供了数值实验来评估使用模拟和真实世界数据的测试属性，并就其在计算统计工作流中的实际应用提出建议。
2021-11-17 stat.ME
Hypothesis testing for markovian models with random time observations
本文的目的是提出一种方法来检验一般假设在马尔可夫设置随机抽样。在随机时间间隔$τ$ k处观察到离散马尔可夫链X，假设其为具有未知分布$μ$的iid。两个测试程序进行了研究。第一个是专门测试的马尔可夫链X的转移阵P是否满足特定的仿射约束，涵盖了广泛的情况，如对称性或稀疏性。第二个过程是对分布$μ$的拟合优度检验，即使没有观察到时间间隔，在温和的假设下也显示出一致性。理论结果支持的Monte Carlo模拟研究，以显示所提出的方法对特定的数值例子的性能和鲁棒性。
2015-05-22 math.ST stat.TH
Asymptotically-exact selective inference for quantile regression
针对模型选择后的可靠推断问题，本文提出基于平滑分位数回归与外部随机化的渐近精确选择性推断枢轴量，无需分布假设与数据拆分，模拟和真实数据实验均验证其覆盖率达标且区间更短。
2025-02-20 math.ST stat.ME stat.TH
Positive and Unlabeled Data: Model, Estimation, Inference, and Classification
本研究提出双指数倾斜模型DETM，突破传统PU数据方法仅适用于SCAR场景的局限，适配更复杂的随机选择PU数据，建立了完整理论体系，实现统计推断与稳健分类，为PU数据问题提供综合框架。
2025-02-24 stat.ME stat.ML
Semiparametric count data regression for self-reported mental health
“在过去的30天里，你有多少天精神不好？“对这个问题的回答衡量了自我报告的心理健康状况，并且可以与国家健康和营养检查调查（NHANES）中的重要协变量联系起来。然而，这些计数变量提出了主要的分布挑战：数据过度分散，零膨胀，以30为界，并以5天和7天为增量堆积。为了应对这些挑战，我们设计了计数数据回归的半参数估计和推理框架。数据生成过程是通过同时变换和舍入（STAR）潜高斯回归模型来定义的。变换估计非参数化和舍入算子，确保正确的离散和有界数据的支持。极大似然估计量使用期望最大化算法计算，该算法与可通过最小二乘法估计的任何连续数据模型兼容。STAR回归包括渐近假设检验和置信区间，通过信息标准进行变量选择，以及定制诊断。仿真研究验证了该框架的实用性。STAR被部署来研究与自我报告的心理健康相关的因素，并与现有的计数数据回归模型相比，在拟合优度方面有了实质性的改善。
2021-10-13 stat.AP stat.ME stat.ML
Central limit theorems for the $L_p$-error of smooth isotonic estimators
研究了紧区间上单调函数与光滑估计之间的$L_p$ -距离的渐近性质。我们的主要结果是一个中心极限定理的$L_p$ -误差的光滑保序估计得到光滑Grenander型估计或保序的普通核估计。作为初步结果，我们建立了一个类似的结果，普通核估计。我们的结果是在一个一般的设置，其中包括估计的单调密度，回归函数和风险率。我们还进行了模拟研究的基础上的$L_2$ -核估计和平滑的Grenander型估计之间的距离测试单调性。
2018-05-31 math.ST stat.TH
