Multivariate Tail Estimation: Conditioning on an extreme event
我们考虑规则变化的随机向量。我们的目标是以非参数的方式估计一些与极端事件有关的特征，如尾部依赖系数。我们引入了一个准谱分解，可以提高估计的效率。估计量的渐近正态性是基于尾经验过程的弱收敛。理论结果得到了模拟研究的支持。
2015-02-25 stat.ME
Semiparametric analysis for paired comparisons with covariates
Central China Normal University（华中师范大学）；University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
本文提出半参数框架，通过引入未指定分布的潜在随机变量，解决高维配对比较数据中的模型不一致性问题，并推导了渐近正态分布。
2026-03-31 stat.ME
Extremal properties of the multivariate extended skew-normal distribution
偏正态和相关的家庭是灵活的和不对称的参数模型，适用于各种系统的建模。我们证明了高维扩展斜正态随机样本的多元最大值具有渐近独立的分量，并导出了联合尾的收敛速度。为了描述多元最大值的组成部分之间可能的依赖关系，我们表明，在适当的条件下，一个近似的多元极值分布，导致丰富的依赖结构，可以得出。
2018-09-28 stat.ME
Non-Parametric Estimation Techniques of Factor Copula Model using Proxies
RMIT University（皇家墨尔本理工大学）；The University of Melbourne（墨尔本大学）
针对因子 copula 模型中连接 copula 难以准确估计的问题，本文提出基于核密度估计的非参数方法，证明其在温和条件下的一致性，并通过模拟验证有效性。
2025-10-21 stat.ME
Estimation of a multivariate von Mises distribution for contaminated torus data
University G. Fortunato（乔瓦尼·富尔纳托大学）；Department of Mathematics, University of Trento（特伦托大学数学系）
本文提出利用加权似然方法对受污染环面数据进行多维von Mises分布的稳健估计。
2026-03-03 stat.ME
Paired sample tests in infinite dimensional spaces
单变量数据的符号和符号秩检验可能是配对样本问题t检验最流行的非参数竞争者。这些测试已经以各种方式扩展到有限维空间中的多变量数据。这些扩展包括基于空间符号和符号秩的测试，Hannu Oja和他的合著者对此进行了广泛的研究。他们表明，在几个重尾分布下，这些检验比Hotelling的$T^{2}$检验渐近更有效。在本文中，我们考虑在无限维空间的空间符号和空间符号秩的概念的基础上，在这样的空间中的数据的配对样本测试。在原假设和缩小位移序列下，我们得到了它们的渐近分布。我们比较这些测试与无限维配对样本数据的一些平均值为基础的测试。我们发现，对于收缩位置偏移的替代品，所提出的测试是渐近更强大的比平均值为基础的测试一些重尾分布，甚至在无限维空间中的一些高斯分布。我们还研究了不同的测试使用一些模拟数据的性能。
2014-11-23 stat.ME
Weighted likelihood estimation of multivariate location and scatter
讨论了一种新的方法来获得加权似然估计的多元位置和分散。提出了一种加权方案，该方案是基于马氏距离的分布，而不是在假设的模型的数据的分布。该策略允许避免影响非参数密度估计的维数灾难，该灾难涉及通过Pearson残差Markatou et al（1998）构建权重。然后，基于加权似然离群检测规则和鲁棒降维技术的发展。数值研究和实际数据的例子说明了该方法的有效性。
2017-06-19 stat.ME
Using the Sinkhorn divergence in permutation tests for the multivariate two-sample problem
为了使Wasserstein距离适用于大样本多变量非参数两样本问题，使其应用在计算上可行，考虑了基于与数据相关分区相关联的概率向量之间的Sinkhorn散度的置换检验.实施这些测试的不同方式进行评估，并建立在某些情况下的基本统计量的渐近分布。提出的统计进行了比较，在模拟的例子中，与席林的，在文献中可用的最好的非参数检验之一的测试。
2022-09-28 math.ST stat.ME stat.TH
Combining local and global smoothing in multivariate density estimation
通过一种将传统的局部平滑与全局平滑相结合的方法来处理多元密度估计的非参数估计，但不施加刚性结构。仿真工作提供了令人鼓舞的迹象的有效性的方法。基于密度的聚类的应用程序说明了一种可能的用途。
2016-10-07 stat.ME stat.ML
Nonparametric estimation of multivariate hidden Markov models using tensor-product B-splines
对于由潜在状态驱动的多变量时间序列，隐马尔可夫模型（HMRM）构成了一个强大的框架，可以灵活地适应手头的情况。然而，在实践中，为多变量观测向量选择适当的发射分布可能具有挑战性。例如，边缘数据分布可能不会立即揭示州内分布形式，而且不同的数据流可能在不同的支持下运行，使得使用多元正态分布的常见方法不充分。在这里，我们探讨了一个非参数估计的排放分布在一个多元HMM的张量积B样条的基础上。在两个模拟研究中，我们展示了我们的建模方法的可行性，并展示了参数分布的不适当选择的潜在陷阱。为了说明其实用性，我们提出了一个案例研究，在该案例中，我们使用HMM对2020年欧洲杯期间守门员传球的长度和角度组成的二元时间序列进行建模，研究比赛动态对球队战术的影响。
2023-02-13 stat.ME
Nonparametric Statistical Inference for Multivariate Niche Overlap
Paris Lodron University of Salzburg（萨尔茨堡大学）；University of Kentucky（肯塔基大学）
本文提出非参数方法用于量化和分析多变量生态位重叠，克服了传统参数方法在复杂多变量设置中的局限性，通过重采样技术实现小样本统计检验和置信区间，展示了方法在鱼类稳定同位素测量中的应用价值。
2026-04-07 stat.ME
Semiparametric estimation for multivariate Hawkes processes using dependent Dirichlet processes: An application to order flow data in financial markets
本研究提出一种基于相依狄利克雷过程的半参数多元霍克斯过程模型，用于分析高频订单流数据，避免强参数假设，通过两种算法实现低误差估计，并能捕捉标准模型无法处理的非单调激发函数特征。
2025-02-24 stat.ME
Combining Multiple Testing with Multivariate Singular Spectrum Analysis
适当的预处理是分析噪声数据集的基本前提。本文的目的是应用一种非参数预处理方法，称为奇异谱分析（SSA），随后通过多个统计假设检验分析的各种数据集。SSA是一种非参数预处理方法，最近已被用于许多生命科学问题的背景下。在目前的工作中，SSA进行了比较与其他三个国家的最先进的预处理方法在良好的去噪和后续的多重检验的统计功效。这些其他方法是参数或非参数的。我们的研究结果表明，（多变量）SSA可以考虑作为一个有前途的方法，以减少噪音，从嘈杂的数据中提取的主要信号，并检测统计上显着的信号成分。
2022-03-11 stat.ME
Multivariate Density Estimation via Adaptive Partitioning (I): Sieve MLE
本文研究了多元密度估计的非参数方法。估计量是由二进制分区支持的分段常数密度函数。样本空间的分区通过最大化该分区上的对应直方图的似然来学习。本文分析了筛分极大似然估计的收敛速度，并得出结论：对于一类相对丰富的密度函数，筛分极大似然估计的收敛速度并不直接依赖于密度函数的维数。这表明，在某些条件下，这种方法不受维数灾难的影响，在这个意义上，即使在高维中也有可能接近参数率。我们还将此方法应用于几种特殊情况，并分别计算了显式的收敛速度。
2015-08-19 math.ST stat.ME stat.TH
An unbiased minimum variance non-parametric analytic and likelihood estimator for discrete and continuous score spaces
这份手稿开发了一个通用的内积规范的肯德尔\(τ\)和斯皮尔曼的\(ρ\)，它作为一个公正的MLE，即使在关系的存在。我们推导并证明了严格的亚高斯的Kemeny范数空间，从而反驳结论\textcite{kendall1948}和\textcite{diaconis1977}开发的适当的，有限的样本，概率分布和检验统计量的性质。所有双变量对的非参数MLE框架的开发，从而解决了\textcite{olkin1994}的假设有关的指数多元分布的顺序统计量，通过显示，对于有限的样本，分布是非指数的。非参数线性估计也构造了多元相关性和扩展，线性可分解的非参数多维线性方程组的非参数因子分析。
2022-08-02 stat.ME
Conformal Prediction Bands for Multivariate Functional Data
出于迫切要求的方法能够创建预测集的一般回归框架的多变量功能响应，并推动了新的方法的进步，非参数预测的功能数据，我们提出了一组共形预测，产生有限样本有效或准确的多变量同时预测波段下的温和假设，可交换的回归对。预测带可以围绕任何回归估计量构建，并且可以很容易地以封闭形式找到，这一事实产生了一种非常广泛可用的方法，并且实现起来相当简单。此外，我们首先介绍，然后描述一个特定的共形预测，保证渐近结果的效率和诱导预测频带能够调制其宽度的基础上的本地行为和幅度的功能数据。该方法进行了调查和分析，通过模拟研究和现实世界中的应用在城市交通领域。
2021-06-03 stat.ME
Non-parametric estimator of a multivariate madogram for missing-data and extreme value framework
极大值间相关性的建模在风险分析的许多应用中是一个重要课题。为此目的，极值copula函数，其特征在于通过madogram，可以被用来作为一个边际的依赖结构的描述。从实际的角度来看，极值分布族非常丰富，并且作为适当归一化的分量最大值的极限分布而自然出现。本文研究了数据完全随机缺失情况下madogram的非参数估计。我们提供的功能中心极限定理所考虑的多元madrogram正确规范化，对一个紧密的高斯过程的协方差函数依赖于丢失的概率。给出了渐近方差的显式表达式。我们的研究结果说明了在一个有限的样本设置与模拟研究。
2022-04-29 math.ST stat.TH
A new multivariate and non-parametric association measure based on paired orthants
本文提出一种基于配对卦限概念的多变量非参数关联度量方法，不仅能评估多变量间的相互关联性，还能确定变量的特定倾向。
2024-02-12 stat.ME
Parametric estimation of the driving Lévy process of multivariate CARMA processes from discrete observations
考虑离散时间网格$(0,h,2h,...)$上观测到的多元连续时间自回归滑动平均（MCARMA）过程的驱动Lévy过程的参数估计.从一个新的状态空间表示开始，我们发展了一种方法，从观测到的MCARMA过程的连续记录中精确地恢复驱动Lévy过程。我们使用工具，从数值分析和理论的无穷可分分布扩展这一结果，允许近似恢复的单位增量的驱动Lévy过程从离散时间观测的MCARMA过程。我们表明，如果选择的采样间隔$h=h_N$依赖于$N$，观察视野的长度，使$N h_N$收敛到零，$N$趋于无穷大，然后任何合适的广义方法的估计矩的基础上重建样本的单位增量具有相同的渐近分布的基础上的真实增量，特别是渐近正态分布。
2012-09-05 math.PR math.ST stat.TH
Asymptotic properties of the maximum likelihood estimator for multivariate extreme value distributions
最大稳定分布和过程是极端事件和尾部风险评估的重要模型。参数最大稳定分布的完整多元似然性很复杂，只有最近的进展才能使用它。最大似然估计在多变量极值中的渐近性质大多是未知的。本文给出了保证估计量渐近正态性的最大稳定分布的指数函数和角测度的自然条件。我们证明了这一结果的有效性，将其应用到流行的参数模型在多元极值统计和最常用的家庭的空间最大稳定的过程。
2017-08-07 math.ST stat.TH
Multivariate distributional modeling of low, moderate, and large intensities without threshold selection steps
Laboratoire des Sciences du Climat et l’Environnement CNRS（法国国家科学研究中心气候与环境科学实验室）
针对水文学等领域多变量正值数据全分布建模需求，提出基于扩展广义帕累托分布的无阈值统一框架，通过分解径向与角向分量实现灵活建模，经仿真和水文数据验证可有效捕捉重尾特征与复杂依赖关系。
2025-10-02 stat.AP stat.ME
Exact and efficient multivariate two-sample tests through generalized linear rank statistics
本文将线性秩统计量推广至多元变量与复合备择假设，构建兼具似然比检验效率、稳健性和可计算精确 p 值的非参数两样本及 K 样本检验方法。
2023-09-30 q-bio.QM stat.ME
Fiber Uncertainty Visualization for Bivariate Data With Parametric and Nonparametric Noise Models
本文提出一种统计框架，通过扩展参数与非参数噪声模型并利用格林定理与数值积分，量化双变量场中纤维的位置概率，并通过体绘制实现不确定性可视化。
2022-07-22 cs.GR stat.ME
Permutation tests for assessing potential non-linear associations between treatment use and multivariate clinical outcomes
在许多心理测量应用中，结果的平均值与定量协变量之间的关系过于复杂，无法用简单的参数函数来描述;相反，可以使用惩罚样条来合并灵活的非线性关系。惩罚样条可以方便地表示为线性混合效应模型（LMM），其中样条基函数的系数是随机效应。惩罚样条的LMM表示使得扩展到多变量结果相对简单。在LMM中，定量协变量对结果无影响对应于原假设，即固定效应和方差分量均为零。在零值下，方差分量的似然比检验的通常渐近χ 2分布不成立。因此，我们提出了三个排列测试的似然比检验统计量：一个基于置换的定量协变量，其他两个基于置换残差。我们通过模拟的第一类错误率和功率的三个排列测试获得的联合模型的多个结果，以及常用的参数测试。测试说明使用数据从兴奋剂使用障碍的心理社会临床试验。
2023-02-24 stat.AP stat.ME
Two-stage weighted least squares estimator of multivariate non-negative observation-driven models
本文针对多元非负时间序列的半参数观测驱动模型，提出两阶段多元加权最小二乘估计量（MWLSEs），在保持与拟最大似然估计一致性的同时，通过选择适当的加权矩阵序列提高估计效率，并通过模拟和实际数据验证了其优越性。
2025-07-18 math.ST stat.ME stat.TH
On goodness-of-fit tests for arbitrary multivariate models
拟合优度检验通常用于数据分析，以测试分布与一组数据的一致性。这些测试可用于检测已知背景下的未知信号，或在被不太了解的背景污染的实验中对拟议的信号分布设置限制。可以针对任何拟议分布的开箱即用非参数检验仅在单变量情况下可用。在本文中，我们讨论了如何为任意的多元分布或多元数据生成模型建立拟合优度检验。
2023-03-17 astro-ph.IM hep-ex physics.data-an
Random Forests for Change Point Detection
提出利用分类器类别概率的多元非参数多变点检测方法 changeforest，证明其一致性，并通过模拟显示其性能优于现有方法。
2023-08-15 stat.ME stat.ML
Weighted past and paired dynamic varentropy measures, their properties and usefulness
本文提出了加权过去方差熵（WPVE）和加权成对动态方差熵（WPDVE）两种不确定性测度，研究了其数学性质与上下界，提出了非参数核估计与极大似然估计方法，并通过模拟与真实数据验证了估计性能及其实用性。
2025-01-30 math.ST stat.TH
Distortion Representations of Multivariate Distributions
在风险理论中引入一元畸变分布来表示某些风险的期望分布的变化（畸变）。后来，它们也被应用到表示分布的顺序统计量，协调系统，比例风险率（PHR）和比例反向风险率（PRHR）模型，在本文中，我们将这一概念推广到多元设置。我们表明，在某些情况下，他们是一个有效的替代copula表示，特别是当边缘分布可能不容易处理。几个相关的例子说明了这种表示在统计建模中的应用。它们包括配对（相依）有序数据、联合剩余寿命、顺序统计量和协调系统的研究。
2020-10-24 math.PR math.ST stat.TH
Non-Parametric Estimation of Spot Covariance Matrix with High-Frequency Data
特别是随着高频金融数据的日益可用，估计现货协方差是一个重要的研究问题。本文研究了高频数据点协方差的核方法估计。特别是，我们考虑第一核加权版本的实现协方差估计的价格过程所支配的一个连续的多元半鞅。接下来，我们将其扩展到阈值核估计的现货协方差时，潜在的价格过程是一个不连续的多元半鞅有限活动跳跃。我们得到了固定和收缩带宽的估计量的渐近分布。在一个设置与跳跃的估计有相同的速度收敛的扩散过程的估计没有跳跃。一个模拟研究检查估计的有限样本性质。此外，我们研究的估计量的协方差预测的背景下的应用。我们发现，预测模型与我们的估计优于基准模型在文献中。
2019-05-20 stat.AP stat.ME stat.OT
Bayesian time-aligned factor analysis of paired multivariate time series
许多现代数据集需要推理方法，可以估计随着时间的推移而变化的矩阵集合中的共享和个体特定的可变性成分。已经开发了有前途的方法来分析这些类型的数据在静态情况下，但很少有方法可用于动态设置。为了解决这一差距，我们考虑新的模型和推理方法对矩阵中的列对应于多变量观测在不同的时间点。为了表征共同和个人的特点，我们提出了一个贝叶斯动态因素建模框架，称为时间对齐的共同和个人因素分析（TACIFA），包括通过一个未知的翘曲函数的时间对齐的不确定性。我们提供了理论支持，所提出的模型，显示可识别性和后验浓度。该结构通过哈密顿蒙特卡罗（HMC）算法实现高效计算。我们在模拟中表现出出色的性能，并说明了通过应用程序的社会同步实验的方法。
2019-04-27 stat.ME
On estimating extremal dependence structures by parametric spectral measures
在可用数据稀疏的情况下，通常需要估计极值copula。因此，参数方法可能是首选方法。定义参数族的一种可能的方法是简单的，同时，涵盖了各种各样的多元极值依赖结构是建立基于谱测量的模型。这里考虑这种方法。谱测度的参数族被定义为适当基元的凸包，参数通过在这些有限维空间上投影初始非参数估计来估计。得到了估计参数的渐近分布以及谱测度和极值copula的估计。有限样本的性质说明了模拟研究。
2013-01-27 math.ST stat.ME stat.TH
PERMUTOOLS: A MATLAB Package for Multivariate Permutation Testing
本文提出 PERMUTOOLS，一个基于 MATLAB 的多元置换检验与效应量测量软件包，以无分布的重采样方法替代依赖总体假设的参数方法，并提供更不易产生 II 类错误的最大校正，弥补现有统计软件在高效重采样实现上的不足。
2024-01-17 q-bio.QM stat.CO stat.ME
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
Error Bounds for Statistical Estimators in BTL Model with Parametric Multivariate Utility Functions
The Chinese University of Hong Kong（香港中文大学）
本文研究BTL模型下偏好诱导中未知参数向量的估计，推导了无约束MLE的有限样本误差界，揭示了Fisher信息几何决定估计难度，并给出达到极小极大速率的充分条件，为参数化效用诱导提供统一非渐近理论。
2026-09-23 cs.LG stat.ML
Nonparametric estimation of multivariate distribution function for truncated and censored lifetime data
已经考虑了用于生成包括人寿保险、养恤金和一般保险在内的各个保险领域的统计数据的若干模型。研究表明，保险统计数据通常是截尾和删失的，而且往往是多变量的。我们提出了准经验分布形式的多元截尾数据的分布函数的非参数估计及其构造的简单迭代算法。为了检验截断删失数据分布函数估计的准确性，进行了模拟研究，结果表明该方法具有较高的效率。多年来，审咨委公司集团在根据《国际会计准则》第19号雇员福利对公司社会负债进行精算估值时对拟议估计数进行了检验。除了保险，一些工作成果可以使用，例如在医学，生物学，人口学，可靠性的数学理论等。
2019-04-13 math.ST q-bio.QM stat.ME
Second order semi-parametric inference for multivariate log Gaussian Cox processes
本文介绍了一种新的方法来推断具有复强度函数的多元对数高斯Cox过程（LGCP）的二阶性质。我们假设一个半参数模型的多变量强度函数包含一个未指定的复杂因素共同的所有类型的点。鉴于此模型，我们利用几种类型的点的可用性来构建一个二阶条件复合似然来推断LGCP的对相关和交叉对相关函数。重要的是，这种可能性不依赖于强度函数的未指定部分。我们还介绍了一个交叉验证方法的模型选择和正则化推理，可用于获得交叉对相关函数的稀疏模型的算法。该方法适用于模拟数据以及从显微镜和犯罪学的数据例子。这显示了新方法如何优于现有的替代方案，其中强度函数是非参数估计的。
2022-01-03 stat.ME
Change Point Detection for Compositional Multivariate Data
变点检测算法在科学和经济重要性领域有许多应用。本文研究了组合多元数据（每个样本是一个概率质量函数）的变点检测问题，这是一般多元数据的一个重要子类。虽然变点检测问题在单变量环境中得到了很好的研究，并且对于一般的多变量数据很少有可行的实现，但是现有的方法在成分数据上表现不佳。在本文中，我们提出了一个参数化的方法来检测成分数据中的变点。此外，使用简单的数据转换，我们扩展我们的方法来处理任何一般的多变量数据。实验上，我们表明，我们的方法在成分数据上表现得更好，并且与现有的最先进的实现相比，在一般数据上具有竞争力。
2019-01-11 stat.AP
On the smallest eigenvalues of covariance matrices of multivariate spatial processes
为多变量空间过程提供模型已引起越来越多的关注。这些模型中的大多数指定参数矩阵协方差函数。基于观察，通过最大似然或其变体来估计参数。虽然单变量空间过程的极大似然估计的渐近性质已经得到了详细的分析，但多变量空间过程的极大似然估计还没有得到应有的重视。在这篇文章中，我们考虑经典的增域渐近设置限制的位置之间的最小距离。然后，从理论的角度研究的主要组成部分之一是基本的协方差阵的渐近正定性。基于对矩阵协方差函数非常弱的假设，我们证明了协方差阵的最小特征值是渐近有界的。几个实际的影响进行了讨论。
2016-02-09 math.ST stat.TH
Directions and projective shapes
本文讨论射影形状分析，它是对模射影变换的点的有限构形的研究。该主题在机器视觉中有各种应用。我们引入了一个方便的射影形状空间，以及一个合适的坐标系，这个形状空间。对于m维中k个点的一般构型，所得到的投影形状空间被标识为轴空间RP^m的k-m-2个副本的乘积。这种识别导致需要开发多变量方向和多变量轴向分析，我们提出了参数模型，以及非参数方法，这些领域。特别是，我们调查的弗雷歇外在平均值的多变量轴向的情况下。适当的参数和非参数检验的渐近分布。我们用机器视觉的例子来说明我们的方法。
2005-08-16 math.ST stat.TH
Multivariate Density Estimation via Adaptive Partitioning (II): Posterior Concentration
本文研究了贝叶斯背景下的一类非参数密度估计。估计量是二分划上的分段常数函数。我们分析了在适当的先验下后验分布的集中率，并证明了该集中率并不直接依赖于问题的维数。本文可以看作是一个平行的工作，其中收敛速度的相关筛MLE建立的延伸。与筛极大似然估计相比，贝叶斯方法的主要优点是可以适应真实密度函数的未知复杂度，从而达到最优的收敛速度，而不需要人为地对密度施加条件。
2015-08-19 math.ST stat.TH
Estimation of extreme $L^1$-multivariate expectiles with functional covariates
本文研究了极端水平下多元期望值的半参数估计。所考虑的多变量风险度量还包括关于函数协变量的可能条件，该函数协变量属于无限维空间。利用一阶最优性条件最优性条件，我们将这些期望值解释为一个多维非线性最优化问题的解。然后，推理是基于梯度下降型的最小化算法，加上相容核估计我们的关键统计量，如条件分位数，条件尾指数和条件尾依赖函数。该方法适用于等价重尾边缘和多元正则变分条件下的潜在未知随机向量的任意依赖结构。我们的主要结果建立了速度速率的最佳近似解向量的概率的一致性。这使得我们能够根据数据样本量来估计整个过程的全局计算成本。
2023-03-29 math.ST stat.TH
Information Theoretic Structure Learning with Confidence
Yale University（耶鲁大学）；University of Michigan（密歇根大学）
信息论的措施（如Kullback Liebler分歧和香农互信息）已被用于探索可能的非线性多元依赖在高维。如果假设这些依赖关系遵循马尔可夫因子图模型，则该探索过程称为结构发现。对于离散值样本，估计的信息分歧的参数类多项式模型导致结构发现方法的均方误差实现参数收敛率的样本大小的增长。然而，这种方法的一个天真的应用程序连续非参数多变量模型收敛得慢得多。在本文中，我们介绍了一种新的方法，非参数结构的发现，使用加权系综发散估计，实现参数收敛速度，并遵守渐近中心极限定理，有利于假设检验和其他类型的统计验证。
2016-09-13 cs.IT cs.LG math.IT
On multivariate associated kernels for smoothing general density functions
同时依赖于目标点和带宽矩阵的多元关联核估计适用于部分或完全有界分布，并将经典核估计推广到高斯分布。以往对多元关联核的研究仅限于单变量关联核的乘积，也被认为具有对角带宽矩阵。然而，它是在经典的情况下，对于某些形式的目标密度，如多模，使用全带宽矩阵提供了显着改善密度估计的潜力。本文介绍了具有相关结构的广义联合核估计。这些估计的性质，特别是边界偏差进行了研究。然后，对广义二元beta核函数进行了更详细的处理。相关的核与相关结构的模式色散方法的一个变种，并讨论了两个家庭的带宽矩阵下的交叉验证的标准。几个模拟研究。在二元β核的特殊情况下，因此指出了相关结构的相关核估计与对角情况相比具有非常好的性能。最后，在一个政治选举的框架下，对实际数据集的配对率的说明。
2015-02-04 math.ST stat.TH
Multiplication-Combination Tests for Incomplete Paired Data
我们考虑统计过程的假设检验的实值泛函的匹配对缺失值。为了提高现有方法的精度，我们提出了一种新的乘法组合过程。将观察到的数据分为依赖（完全观察到的）对和独立（不完全观察到的）分量，它是基于组合两个子数据集的适当测试的单独结果。我们的方法可以应用于参数以及半参数和非参数模型，并有效地利用所有可用的数据。特别是，该方法是灵活的，可以用来测试不同的假设在各种模型的兴趣。对平均值和基于排名的估算的详细研究就证明了这一点。大量的模拟表明，所提出的程序比现有的竞争对手更准确。一个真实的数据集说明了该方法的应用。
2018-01-26 math.ST stat.TH
Robust and efficient change point detection using novel multivariate rank-energy GoF test
Tufts University（塔夫茨大学）
在本文中，我们使用并进一步发展了最近提出的基于最优传输（OT）理论的多变量，无分布拟合优度（GoF）测试，称为秩能量（RE）[1]，用于多变量时间序列数据中的非参数和无监督变点检测（CPD）。我们表明，直接使用RE导致非常小的变化分布（造成高误报）的高灵敏度，它需要大样本的复杂性和巨大的计算成本。为了减轻这些缺点，我们提出了一个新的GoF检验统计量称为软秩能量（sRE），是基于熵正则化OT和采用它对CPD。我们讨论了使用sRE RE RE RE的优势，并证明了建议的sRE为基础的CPD优于所有现有的方法在真实和合成数据集的曲线下面积（AUC）和F1分数。
2021-10-29 cs.LG eess.SP stat.ML
Parametric inference and forecasting in continuously invertible volatility models
我们引入了连续可逆波动率模型的概念，它依赖于一些李雅普诺夫条件和一些正则性条件。我们证明，它几乎相当于使用参数推断方法的波动率预测能力的基础上给出的SRE在[16]。在很弱的假设下，证明了参数推断的强相合性和渐近正态性。在此参数估计的基础上，给出了波动率的自然强相合预测。我们成功地应用这种方法来恢复已知的结果，单变量和多变量的Gestival型模型和EGestival（1，1）模型。当模型可逆时，证明了预测的强相合性;当极限方差存在时，证明了参数推断的渐近正态性。最后，我们给出了一些令人鼓舞的实证结果，我们的方法模拟和真实数据。
2011-11-03 math.ST stat.TH
Semi-parametric modeling of excesses above high multivariate thresholds with censored data
如何将删失数据纳入统计分析是统计学中经常遇到的问题。在多变量极值中，大观测值的相关结构可以用非参数角度测度来表征，而超过渐近大阈值的边际超额具有参数分布。本文提出了一种适用于角度测度的半参数Dirichlet混合模型，并将其应用于删失数据和缺失分量的情形.一个主要的问题是要考虑审查区间重叠的极值阈值，不知道是否相应的隐藏数据实际上是极端的。此外，贝叶斯推断所需的截尾似然没有解析表达式。第一个问题是解决使用泊松过程模型的极端，而数据增强计划避免了多变量整合的泊松过程强度在两个截尾区间和故障区域以上的阈值。实现MCMC算法允许同时估计的边缘和相关参数，使所有来源的不确定性以外的模型偏差捕获的后验可信区间。模拟和真实数据的方法说明。
2014-12-02 stat.AP stat.ME
A nonparametrically corrected likelihood for Bayesian spectral analysis of multivariate time series
本文提出频域非参数校正的多元时间序列贝叶斯谱分析似然，结合参数效率与非参数稳健性，并通过模拟和环境数据验证其优势。
2023-06-23 stat.ME
Multivariate emulation of computer simulators: model selection and diagnostics with application to a humanitarian relief model
我们提出了一个共同的框架贝叶斯仿真方法的多变量输出模拟器，或计算机模型，采用参数线性模型或非参数高斯过程。新型诊断适合多元协方差可分离仿真器的开发和技术，以提高仿真器的充分性进行了讨论和实施。各种仿真器进行比较的人道主义救济模拟器，模拟援助任务后，西西里岛火山爆发和地震，并进行敏感性分析，以确定敏感性的模拟器输出的输入变量的变化。从参数和非参数仿真器的结果进行比较，在预测精度，不确定性量化和科学的可解释性。
2015-11-17 stat.ME
Multivariate Specification Tests Based on a Dynamic Rosenblatt Transform
本文考虑非线性多元动态模型的参数模型充分性检验。结果表明，常用的Kolmogorov型测试不考虑横截面也不依赖于时间的结构，和测试，基于多参数经验过程，提出了克服这些问题。测试应用到一个非线性LSTAR型模型的联合运动的英国产出增长和利率利差。仿真实验说明了有限样本下检验的性质。渐近性质的检验统计量下的空的正确规范和当地的替代品，和理由的参数引导，以获得临界值，提供。
2018-01-30 stat.ME
A robust multivariate, non-parametric outlier identification method for scrubbing in fMRI
Indiana University（印第安纳大学）
针对fMRI数据清洗需求，提出两种基于鲁棒距离的非参数多元异常值检测阈值方案，经降维、异常值插补等步骤实现，适用于非正态数据，效果优于现有多种清洗方法。
2026-10-22 stat.ME
Bayesian Nonparametric Modeling for Multivariate Ordinal Regression
通常假设单变量或多变量有序响应来自潜在连续参数分布，协变量效应线性进入。本文介绍了一种单变量和多变量有序回归的贝叶斯非参数建模方法，该方法基于潜响应和协变量的联合分布的混合建模。建模框架可以高度灵活地推断有序回归关系，避免协变量效应中的线性或加性假设。在标准参数有序回归模型中，计算挑战来自于可识别性约束和需要非标准推理技术的参数估计。非参数模型的一个关键特征是它实现了推理的灵活性，同时避免了这些困难。特别是，我们建立了充分支持的非参数混合模型下的固定截止点，通过离散化的潜在连续响应与顺序响应。通过应用到两个数据集的计量经济学，一个例子，涉及臭氧浓度的回归关系，和多评价协议问题的建模方法的实际效用说明。
2016-09-20 stat.ME
Parametric inference for the discretely observed multivariate Hawkes process using particle Markov Chain Monte Carlo
School of Mathematics and Statistics, UNSW Sydney（新南威尔士大学数学与统计学院）；Defence Science and Technology Group（国防科学与技术集团）
针对离散观测的多元霍克斯过程，提出基于序贯蒙特卡洛的无偏似然估计，结合Metropolis-Hastings算法实现参数后验推断，在模拟和实际数据中优于现有方法。
2026-06-18 stat.ME
