A Spatially Discrete Approximation to Log-Gaussian Cox Processes for Modelling Aggregated Disease Count Data
在本文中，我们开发了一个计算效率高的离散近似对数高斯Cox过程（LGCP）模型的空间聚集的疾病计数数据的分析。我们的方法克服了基于马尔可夫结构的空间模型的固有局限性，即每个这样的模型都与研究区域的特定分区相关联，并允许空间连续预测。我们比较了我们的建模方法与LGCP的预测性能，通过模拟研究和应用程序的原发性胆汁性肝硬化发病率数据在纽卡斯尔，泰恩河，英国。我们的研究结果表明，当疾病风险被假定为是一个空间连续的过程中，拟议的近似LGCP提供了可靠的估计疾病风险的空间连续和聚合尺度。所提出的方法在开源R包SDALGCP中实现。
2019-08-27 stat.ME
Causal Modelling of Heavy-Tailed Variables and Confounders with Application to River Flow
受极端河流流量与降水数据启发，提出一种针对重尾变量的新因果发现方法，通过消除或减弱已知潜在混杂因素以实现正确因果推断，并引入新参数估计器与置换检验，模拟验证了其有效性。
2022-12-24 stat.AP stat.ME
Space-time modelling of extreme events
最大稳定过程是模拟空间和时间极端事件的广义极值分布的自然类似物。在适当的条件下，这些过程是随机场的独立重复的最大值的渐近合理模型，它们也适合于高阈值上联合个体极值测量的建模。本文将Schlather（2001）的一个模型推广到空时框架，并证明了在轻度混合条件下，如何利用成对截尾似然估计进行相合估计。估计效率也进行了评估，并讨论了简单的时间序列模型计算的基础上的成对似然对的选择。的想法说明了瑞士每小时的降水数据的应用程序。
2012-01-16 stat.ME
A Bayesian hierarchical meta-analytic method for modelling surrogate relationships that vary across treatment classes using aggregate data
替代终点在药物开发中发挥重要作用，因为它们可用于与最终临床结局相比早期测量处理效应，并预测临床获益或危害。通过使用荟萃分析方法研究替代物上的处理效应与最终结局之间的替代关系，评估这些终点的临床获益预测值。当替代关系在治疗类别之间变化时，由于每个治疗类别内的数据有限，这种验证可能会失败。在本文中，两种替代贝叶斯元分析方法介绍了允许从其他治疗类的信息借用时，探索代孕在一个特定的类。第一种方法将替代终点评价的标准模型扩展为分层荟萃分析模型，假设所有治疗类别之间的替代关系完全交换，从而促进跨类别信息的借用。第二种方法是能够放宽这一假设，允许部分交换的替代关系的治疗类，以避免过度借用的信息，从明显不同的类。我们进行了一项模拟研究，以评估所提出的方法在九个数据的情况下，并比较它们与亚组分析使用的标准模型在每个治疗类。我们还将该方法应用于结直肠癌的说明性例子，从而获得更高精度的替代关系的参数描述。
2019-09-04 stat.AP stat.ME
Modelling Stochastic Inflow Patterns to a Reservoir with a Hidden Phase-Type Markov Model
本文提出一种基于隐相型马尔可夫模型的方法，用于建模降水模式并扩展至水库入流预测，以改善水资源管理。
2025-08-04 stat.AP stat.ME
Spatial deformation for non-stationary extremal dependence
如果空间数据的极值依赖结构是稳定的，则对该结构进行建模要容易得多。然而，对于在大的或复杂的域上观察到的数据，非平稳性通常会占上风。目前的方法建模非平稳性极值依赖于模型，要么计算上难以拟合或需要先验知识的协变量。Sampson和Guttorp（1992）提出了一种简单的技术，通过平滑地将过程的采样位置从原始地理空间映射到可以合理假设平稳性的潜在空间来处理空间依赖性中的非平稳性。我们提出了一个扩展的空间极值框架，考虑最小二乘最小化成对的理论和经验极值依赖措施，这种方法。随着应用这些变形的一些实际的建议，我们提供了一个详细的模拟研究中，我们提出了三个空间过程，其极值和中心依赖结构的非平稳性不同程度。该方法适用于澳大利亚夏季极端温度和英国降水，以说明其有效性相比，一个天真的建模方法。
2021-01-18 stat.AP stat.ME
Does non-stationary spatial data always require non-stationary random fields?
一个静止的空间模型是一个理想化的，我们期望物理现象的真实依赖结构是空间变化的，但我们应该如何在实践中处理这种非平稳性？我们研究了将灵活的非平稳模型应用于美国交界处年降水量数据集所面临的挑战，其中探索性数据分析显示了非平稳协方差结构的有力证据。本文的目的是研究一旦在空间数据中检测到非平稳性，建模管道。我们表明，有一个真正的危险过拟合的模型，仔细建模是必要的，以正确地考虑不同的二阶结构。实际上，该示例表明，有时非平稳高斯随机场对于非平稳空间数据建模是不必要的。
2015-09-14 stat.AP stat.ME
disaggregation: An R Package for Bayesian Spatial Disaggregation Modelling
分解建模或缩小尺度已成为流行病学的一个重要学科。在大区域汇总的监测数据越来越普遍，导致对能够处理这些数据以了解空间格局的建模框架的需求日益增加。分解回归模型使用在大的异质区域上聚集的响应数据，通过使用细尺度协变量来告知异质性，从而在该区域上进行细尺度预测。本文介绍了R包分解，它提供了简化运行分解模型的过程以进行精细预测的功能。
2020-01-09 stat.CO stat.ME
A Parameter Estimation Method for Multivariate Aggregated Hawkes Processes
在用点过程对数据建模时，通常假设事件不能同时发生。这就产生了一个问题，因为真实世界的数据往往包含同步观测，这是由于记录能力的限制和存储大量精确数据的费用造成的聚合或舍入。为了更好地理解过程之间的关系，我们考虑使用多变量Hawkes过程对聚合事件数据进行建模，该过程提供了相互激励行为的描述，并在地震学和金融等领域得到了广泛的应用。在这里，我们概括现有的单变量聚合Hawkes过程的参数估计的方法，多变量的情况下，使用蒙特卡罗期望最大化（MC-EM）算法，并通过模拟研究表明，这个问题的替代方法可以严重偏差，与多变量MC-EM方法优于他们的MSE在所有考虑的情况下。
2021-08-27 stat.ME
Modelling sources of ecological fallacy within a revised Brown and Payne model of voting transitions
我们提出了一个模型的投票行为的基础上的一个版本的聚合过度分散的多项分布，相对于一个类似的模型\citet{BP86}，我们的模型是基于更现实的假设和自由的某些缺点，以前的模型。我们表明，在这个模型中，它是可能的，以测试某些混杂效应，由于可观察到的协变量在总体水平上测量，这种影响，如果忽略，可能会导致重大的偏见，在两个接近的时间选举，一种现象被称为{PDMATHAMN生态谬误}的投票决定之间的估计关系。在米兰市市长选举后的全民公决申请被解释为贝卢斯科尼政府的失败，被用作一个例子。
2011-11-09 stat.ME
Conditional simulation of max-stable processes
由于热浪或降水等许多环境过程都是空间性的，一次极端事件很可能会影响到几个地点，因此，如果必须适当考虑到极端事件的空间依赖性，极端事件的区域建模至关重要。本文提出了极大稳定过程的条件模拟框架，给出了Brown-Resnick过程和Schlather过程的封闭形式。我们测试的模拟数据的方法，并给出了应用程序在苏黎世周围的极端降雨和极端温度在瑞士。结果表明，所提出的框架提供了准确的条件模拟，可以处理实际规模的问题。
2012-08-27 stat.AP stat.ME
An Efficient Workflow for Modelling High-Dimensional Spatial Extremes
一个成功的模型，高维空间的极端，原则上，应该能够描述两个削弱极端依赖在增加的水平和极端依赖类的类型的变化作为位置之间的距离的函数。此外，该模型应允许使用推理方法进行计算上易处理的推理，该推理方法有效地从数据中提取信息并且对模型错误指定具有鲁棒性。在本文中，我们演示了如何通过开发一个全面的方法流程来满足所有这些要求，该流程使用空间条件极值模型对高维空间极值进行高效贝叶斯建模，同时使用R-INLA进行快速推理。然后，我们提出了一种事后调整方法，通过适当考虑可能的模型误定，从而产生更强大的推理。所开发的方法适用于模拟极端小时降水量在挪威的高分辨率雷达数据。推断在计算上是有效的，并且所得到的模型拟合成功地捕获了数据的极值依赖结构中的主要趋势。通过调整可能的误指定来对模型拟合进行鲁棒化，进一步提高了模型性能。
2022-12-13 stat.CO stat.ME
Spatially continuous modelling of aggregated outcome data
Imperial College London（伦敦帝国理工学院）；Lancaster University（兰卡斯特大学）；University of Edinburgh（爱丁堡大学）；King Abdullah University of Science and Technology（阿卜杜拉国王科技大学）；Northumbria University（诺森比亚大学）
本文提出了一种块聚合方法，用于在响应数据在较粗尺度观测（如行政区域事件计数）时的空间估计与预测，结合高分辨率协变量数据。方法通过线性预测器结合协变量效应和空间连续高斯过程，通过逆链接函数和空间积分确定响应分布，并在两个实际应用中验证了其有效性。
2026-04-16 stat.CO stat.ME
Extremal properties of max-autoregressive moving average processes for modelling extreme river flows
本文研究平稳 Max-ARMA 过程的极值性质，首次提出推导其极值指标和滞后渐近依赖系数的方法，并基于重新参数化拟合模型以捕捉高阈值下的河流流量行为，用英国泰晤士河数据进行了验证。
2024-03-25 math.ST stat.AP stat.ME
Semiparametric Spatiotemporal Model with Mixed Frequencies
针对不同来源时间序列数据的混合频率问题，提出一种半参数时空模型，利用backfitting算法估计高频变量的非参数效应，模拟与玉米产量预测实验均证明其优于基准广义可加模型。
2021-05-04 stat.ME
Modelling and simulation of dependence structures in nonlife insurance with Bernstein copulas
在本文中，我们回顾伯恩斯坦和网格型copula为任意尺寸和一般的网格分辨率与离散随机向量具有一致的利润。我们进一步提出了一种实用的方法来适应的依赖结构的多元数据的伯恩斯坦copula通过网格型copula和经验列联表。最后，我们讨论了一个蒙特卡罗研究的模拟和PML估计的总相关损失的观测风暴和洪水数据。
2020-10-29 q-fin.RM stat.ME
Stochastic partial differential equation based modelling of large space-time data sets
空间和时间上的过程的数据集越来越大，需要能够处理这些数据的统计模型和方法。我们发现，随机对流扩散偏微分方程的解决方案提供了一个灵活的模型类的时空过程，这是计算上可行的，也为大型数据集。通过随机偏微分方程定义的高斯过程一般具有不可分离的协方差结构。此外，它的参数可以被物理解释为明确建模的现象，如运输和扩散，发生在许多自然过程中的不同领域，从环境科学到生态学。为了获得计算效率高的统计算法，我们使用谱方法来解决随机偏微分方程。这具有近似误差不随时间累积的优点，并且在谱空间中计算成本随维度线性增长，贝叶斯或频率论推理的总计算成本由快速傅立叶变换支配。该模型被应用到瑞士北部的数值天气预报模型的降水预报的后处理。与数值模型的原始预测相比，后处理的预测是经过校准的，并量化了预测的不确定性。此外，它们的表现优于原始预测，因为它们的平均绝对误差较低。
2016-02-11 stat.ME
Efficient inference and simulation for elliptical Pareto processes
极值理论的最新进展已经建立了$\ell$ -Pareto过程作为极端事件的自然极限，其定义是风险泛函的方差。在这里，我们提供了一个易于处理的，但灵活的依赖模型的基础上的数据的实际建模方法。我们引入了椭圆$\ell$ -Pareto过程类，它是由相关函数和形状参数表征的某些椭圆过程的阈值方差的极限而产生的。提出了一种基于部分截尾最大化全似然的有效推理方法。提出了精确条件和无条件模拟的新程序。这些想法说明了在瑞士极端降水。
2015-11-11 stat.ME
Latent space approaches to aggregate network data
大规模的网络数据可能会带来计算挑战，获取成本高昂，并危及社交网络中个人的隐私。我们发现，潜在的空间集群模型的位置和规模可以推断出组之间的连接数。我们使用合成数据演示了这种建模方法，并将其应用于作为添加健康研究的一部分收集的学生之间的友谊，消除了对节点级连接数据的需要。因此，该方法保护了个人的隐私并简化了数据共享。它还提供了节点级潜在空间模型的性能优势，因为计算成本与集群的数量而不是节点的数量有关。
2023-03-15 cs.SI physics.soc-ph stat.ME
Efficient Modeling of Spatial Extremes over Large Geographical Domains
针对大地理区域空间极值建模的局限性，提出基于稀疏精度矩阵 Gaussian scale mixture model 的贝叶斯框架，能捕捉多种极值依赖结构并实现快速计算，在孟加拉国强季风降雨数据上表现优异。
2024-04-30 stat.ME
