Standard Curves for Empirical Likelihood Ratio Tests of Means
我们提出了模拟标准曲线的校准经验似然比(ELR)的均值检验。在这些曲线的帮助下,可以调整ELR检验的标称显著性水平,以实现给定有限样本量的(准)精确第一类错误率控制。通过理论上的考虑和计算机模拟,我们证明了调整后的显着性水平最关键地取决于偏度和峰度的父分布。出于实用目的,我们将几种典型统计模型下的调整临界值制成表格。
2021-05-19 stat.ME
Approximating Likelihood Ratios with Calibrated Discriminative Classifiers
在许多科学领域中,广义似然比检验已成为统计推断的常用工具。同时,使用模拟器(或生成模型)来描述将基础理论和测量装置的参数$θ$与高维观测$\mathbf{x}\in \mathbb{R}^p$联系起来的复杂过程已经变得越来越普遍。然而,仿真器往往不提供一种方法来评估的似然函数为一个给定的观察$\mathbf{x}$,这激发了一类新的似然自由推理算法。在本文中,我们证明了似然比是不变的一类特定的降维映射$\mathbb{R}^p \mapsto \mathbb{R}$。作为一个直接的后果,我们表明,判别分类器可以用来近似的广义似然比统计时,只有一个生成模型的数据是可用的。这导致了一种新的基于机器学习的方法来进行无可能性推理,该方法与近似贝叶斯计算互补,并且不需要模型参数的先验。人工问题的实验结果与已知的精确似然说明了所提出的方法的潜力。
2016-03-18 physics.data-an stat.AP stat.ML
Bootstrap Confidence Intervals Using the Likelihood Ratio Test in Changepoint Detection
针对Bootstrap抽样下的似然比检验在变点检测中的功效问题,提出了一种基于Bootstrap置信区间长度的假设检验方法。假设误差为独立同分布的正态分布,利用Bootstrap方法,估计了变点抽样分布。此外,本研究描述了一种方法来估计无变点的数据集,形成零抽样分布。利用零抽样分布和估计的变点分布,可以在置信区间的长度上进行临界值和功效计算。
2020-11-07 stat.ME
Computational and Numerical Properties of a Broadband Subspace-Based Likelihood Ratio Test
本文研究似然比检验结合多项式子空间投影在宽带阵列数据中检测微弱瞬态信号,证明该方法能白化信号关键部分、缩短时间窗口,并在计算和数值上优于直接应用的方法。
2024-09-27 eess.SP stat.ME
An Approximate Restricted Likelihood Ratio Test for Variance Components in Generalized Linear Mixed Models
广义线性混合模型(GLSII)用于对具有固定效应和随机效应组合的指数家族的响应进行建模。对于广义似然估计中的方差分量,我们提出了一种近似的限制性似然比检验,对惩罚拟似然估计中的工作响应进行检验.这提供了标准化响应方面的假设检验,允许将现有检验方法应用于线性混合模型。我们的测试是灵活的,计算效率高,并优于几个竞争对手。我们说明了所提出的方法与广泛的模拟研究和两个数据应用程序的实用性。提供了一个R包。
2019-06-07 stat.ME
Regression model selection via log-likelihood ratio and constrained minimum criterion
对数似然比似然比在模型选择中应用广泛,但在模型选择中应用较少。我们开发了一个基于对数似然比的方法,通过关注被似然比检验认为合理的模型集来选择回归模型。我们表明,当样本量较大且检验的显著性水平较小时,集合中的最小模型是真实模型的概率很高,因此,我们选择了这个最小模型。检验的显著性水平用作该方法的参数。我们考虑了三个水平的这个参数在模拟研究中,并比较这种方法与赤池信息准则和贝叶斯信息准则,以证明其良好的精度和适应性,以不同的样本量。我们还应用这种方法来选择南非心脏病数据集的逻辑斯谛回归模型。
2021-09-25 math.ST stat.ME stat.TH
Modified Signed Log-Likelihood Ratio Test for Comparing the Correlation Coefficients of Two Independent Bivariate Normal Distributions
本文用修正的符号对数似然比检验方法来检验两个独立的二元正态分布中相关系数相等的问题。我们比较这种方法与其他两个%竞争的方法,费舍尔的Z-变换和广义测试变量,使用蒙特卡罗模拟。结果表明,该方法在实际样本量和功效方面优于其他方法,尤其是在样本量不等的情况下。我们说明所提出的方法的性能,使用一个真实的数据集。
2016-05-31 stat.ME
Comparing two treatments in terms of the likelihood ratio order
本文引入了新的检验统计量族,并研究了按似然比序比较两种处理方法的问题。所考虑的家庭是基于φ发散的措施,并出现作为经典的似然比检验和皮尔逊检验统计量的自然扩展。证明了它们的渐近分布是一个共同的卡氏随机变量。一个说明性的例子,这些统计的性能进行了分析,通过模拟研究。通过模拟研究表明,对于大多数建议的情况下调整为小或中等,这个新的家庭的一些成员的检验统计量显示明显更好的性能,相对于权力相比,经典的似然比和皮尔逊卡方检验,而确切的大小仍然接近标称大小。从精确的功效和显著性水平来看,研究还表明Wilcoxon检验统计量不如两个经典的检验统计量。
2014-10-29 stat.ME
An Adjusted Likelihood Ratio Test for Separability in Unbalanced Multivariate Repeated Measures Data
本文提出了一种不平衡多元重复测量数据的两因子可分性(Kronecker乘积结构)的调整似然比检验。在这里,我们解决了特定的情况下,在主题内的相关性被认为是在两个维度上呈指数下降(例如,时间和空间维度)。然而,该测试可以很容易地推广到任何结构的因子特定矩阵。一个模拟研究进行评估的推理准确性的建议测试。纵向医学影像资料有关精神分裂症和尾状核形态说明了方法。
2011-02-01 stat.AP stat.ME
Phi-divergence statistics for the likelihood ratio order: an approach based on log-linear models
当一些治疗根据有序分类变量的类别排序时(例如,副作用的程度),人们可能有兴趣知道治疗是否同样有效。一种方法是测试似然比顺序是否得到严格验证。推导了一种基于对数线性模型的统计推断方法,并提出了用于检验的φ-散度检验统计量。本文以对数线性模型为研究对象,建立了φ-散度检验统计量的渐近分布理论。一个说明性的例子激励的程序和模拟研究的小和中等的样本量表明,它是可能的,找到一个确切的大小更接近标称大小和更高的权力相比,经典的似然比的Φ发散检验统计量。
2014-02-21 stat.ME
Asymptotic normality and analysis of variance of log-likelihood ratios in spiked random matrix models
本手稿研究信号检测的似然比检验在一些加标随机矩阵模型,包括但不限于高斯混合和加标Wishart协方差阵。我们直接处理这些模型中的多尖峰情况,并在信号分量上使用灵活的先验,允许跨尖峰的依赖性。当信噪比低于一定的阈值时,我们得到了对数似然比的渐近正态性。此外,我们表明,对数似然比的方差可以渐近分解为统计量的集合,我们称之为二分符号周期的总和。
2018-04-02 cs.IT math.IT math.PR
A likelihood ratio test for monotone baseline hazard functions in the Cox model
我们考虑一种似然比方法来检验Cox模型中的单调基线风险函数在不动点处是否具有特定值。所涉及的估计的特征都提供了在非减和非增设置。这些特征便于推导的渐近分布的似然比检验,这是相同的非递减和非递增的情况下。似然比检验的渐近分布使得能够通过反演来构造逐点置信区间。模拟结果表明,这些置信区间表现出与基于单调基线风险函数的非参数最大似然估计量的渐近分布的置信区间相当的覆盖概率。
2013-04-04 math.ST stat.TH
A Likelihood Ratio Testing Approach for Interval-Censored Data
Duke University(杜克大学)
针对区间删失数据,提出基于样条筛的稳健似然比检验,解决Wald检验在小样本中的不稳定性,理论推导渐近分布,模拟和实例验证其优越性。
2026-06-11 stat.ME
Likelihood ratio tests for many groups in high dimensions
本文研究了当组数随维数和样本量收敛于无穷大时,多组模型的似然比检验的渐近分布.我们推导出各种检验统计量的对数的中心极限定理,并将我们的结果与从中心极限定理使用两步程序获得的近似值进行比较:首先考虑固定的组数,并假设样本量和维数收敛到无穷大,其次调查所得的分布,如果组数收敛到无穷大。
2019-07-15 math.ST stat.ME stat.TH
Hawkes process and Edgeworth expansion with application to maximum likelihood estimator
Hawks过程是一个具有自激性质的点过程。它已被用于模拟地震,社交媒体事件,感染等,而且引起了很多关注然而,作为一个现实问题,经常会出现我们无法在足够的观测时间内获得数据的情况。在这种情况下,用正态分布来近似估计量的误差分布是不合适的。为了克服这个问题,我们提供了一个严格的数学理论基础的高阶渐近行为的一维Hawkes过程的指数核。作为一个重要的应用,我们给出了指数Hawkes过程极大似然估计的二阶渐近分布。此外,我们还提出了模拟结果。
2020-07-08 math.ST stat.TH
Computation of Two and Three Dimensional Confidence Regions with the Likelihood Ratio
与对数似然比的分布有关的渐近结果允许创建置信区域,该置信区域是置信区间的一般扩展。可以直观地显示二维和三维区域,以便同时描述感兴趣参数的合理区域。虽然最先进的统计教科书的推理讨论这些渐近置信区域,没有探索如何计算这些地区的图形的目的。本文演示了应用一个简单的三角恒等式来计算二维和三维置信区域,我们将笛卡尔坐标转换为我们所说的径向剖面对数似然。该方法适用于具有定义的似然函数的任何分布,因此它不限于特定的数据分布或模型范例。我们描述的方法,随着算法,遵循我们的方法的一个例子,并结束与检查的计算时间。
2015-11-14 stat.ME
A New Algorithm for Maximum Likelihood Estimation in Gaussian Graphical Models for Marginal Independence
University of Washington(华盛顿大学)
具有双向边()的图形模型<->表示边缘独立性:两个顶点之间没有边表明相应的变量是边缘独立的。本文研究了连续变量服从高斯联合分布(有时称为协方差图模型)的极大似然估计。我们提出了一个新的拟合算法,利用标准的回归技术,并建立其收敛性。此外,我们对比我们的程序,现有的估计方法。
2012-10-19 cs.LG stat.ME stat.ML
Penalized Maximum Likelihood Estimation of Multi-layered Gaussian Graphical Models
通过分析多层图形模型,可以在调整和量化其他层节点的影响后,深入了解层内节点之间的条件关系。我们得到惩罚的极大似然估计高斯多层图形模型,基于一种计算方法,涉及筛选的变量,迭代估计层之间的有向边缘和层内的无向边缘和最后的改装和稳定性选择步骤,提供了改进的性能在有限的样本设置。我们建立的估计在高维设置的一致性。为了获得这一结果,我们开发了一种策略,利用双凸的似然函数,以确保收敛的迭代算法的一个固定点,以及仔细的均匀误差控制的估计迭代。的性能的极大似然估计的合成数据说明。
2016-01-05 stat.ME
On Limiting Likelihood Ratio Processes of some Change-Point Type Statistical Models
在随机过程的统计推断中,不同的变点模型会产生不同的极限似然比过程。在本文中,我们考虑两个这样的似然比。第一个是由参数驱动的双边泊松过程的指数泛函,第二个是双边布朗运动的指数泛函.我们建立了足够小的参数值,泊松型似然比可以近似布朗型。因此,与第一个似然比相关的几个统计学上有趣的量(例如不同估计量的极限方差)也可以由与第二个相关的量近似。最后,我们讨论了参数大值的渐近性,并通过数值模拟说明了结果。
2009-07-02 math.ST stat.TH
Strong consistency of the maximum likelihood estimator for finite mixtures of location-scale distributions when penalty is imposed on the ratios of the scale parameters
在位置-尺度分布的有限混合分布中,如果参数没有约束或惩罚,则极大似然估计不存在,因为似然是无界的。为了避免这个问题,我们考虑一个惩罚的可能性,其中的惩罚是一个函数的比例的最小值的尺度参数和样本量。证明了惩罚极大似然估计是强相合的。我们还分析了惩罚的最大似然估计的一致性,惩罚施加在尺度参数本身。
2008-02-08 math.PR math.ST stat.TH
A likelihood ratio test for circular multimodality
本文针对圆形数据提出一种基于似然比和临界带宽的多峰性检验方法,用于判断鸟类迁徙等角度数据背后的分布是否为多峰,并通过理论和模拟验证其有效性。
2024-07-08 stat.AP stat.ME
Diagonal Likelihood Ratio Test for Equality of Mean Vectors in High-Dimensional Data
本文提出了一个似然比检验框架,用于在两种常见情形下检验高维数据的正态均值向量:单样本检验和具有相等协方差阵的双样本检验.我们在假设协方差阵遵循对角矩阵结构的情况下推导出检验统计量。与对角Hotelling检验相比,我们提出的检验统计量显示出一些有趣的特征。特别是,它们是对数转换平方$t$统计量的总和,而不是这些分量的直接总和。更重要的是,为了得到零和局部备择假设下检验统计量的渐近正态性,我们不需要要求协方差阵遵循对角矩阵结构。因此,我们提出的测试方法非常灵活,易于在实践中应用。仿真研究和实际数据分析也证明了我们的似然比检验方法的优点。
2018-09-24 stat.ME
Likelihood ratio Haar variance stabilization and normalization for Poisson and other non-Gaussian noise removal
我们提出了一种新的方法去噪,方差稳定和归一化的信号,其均值和方差都是由一个未知的变化参数,如泊松或缩放卡方参数化。我们的方法的关键是观察到,签署和平方根广义对数似然比检验的平等的本地均值是近似和渐近分布的标准正常下的零。我们在每个尺度和位置的Haar小波变换中使用这些检验统计量,将它们称为数据的似然比Haar(LRH)系数。在去噪算法中,LRH系数被用作阈值化决策统计,这使得能够使用适合于i.i.d.高斯噪声,尽管信号的标准Haar系数是异方差的。在方差稳定化和归一化算法中,LRH系数代替Haar基展开中的标准Haar系数。据我们所知,方差稳定和归一化属性的广义似然比检验还没有被解释或利用这种方式。我们证明了我们的LRH平滑的泊松计数与近参数率的一致性,各种数值实验表明,我们的方法具有良好的实际性能。
2017-01-25 stat.ME
Asymptotic power of likelihood ratio tests for high dimensional data
本文研究了当样本维数p大于样本量n时,同一性检验的似然比检验(LRT)的渐近功效。给出了LRT在备选方案下的渐近分布,并导出了幂的显式表达式。进行了模拟研究,比较LRT与其他测试。所有这些研究表明,LRT是一个强大的测试,以检测零附近的特征值。关键词:协方差阵,高维数据,同一性检验,似然比检验,功效
2013-02-14 math.ST stat.TH
Modified likelihood ratio tests in heteroskedastic multivariate regression models with measurement error
本文对多元异方差变量误差回归模型的似然比检验进行了改进。允许误差项遵循椭圆分布类中的多元分布,其具有正态分布作为特殊情况。我们推导出Skovgaard调整后的似然比统计量,它遵循卡方分布具有很高的准确度。我们进行了模拟研究,并表明,所提出的测试显示优越的有限样本的行为相比,标准的似然比检验。我们说明了我们的研究结果的实用性,在应用环境中使用的数据集从世界卫生组织MONICA投影心血管疾病。
2013-03-15 math.ST stat.TH
Jackknife empirical likelihood ratio test for testing the equality of semivariance
本文针对上半方差相等性检验问题,基于U统计量构建刀切经验似然比检验,通过蒙特卡洛模拟和真实数据验证了方法的有效性。
2024-01-18 stat.ME
On a surprising behavior of the likelihood ratio test in non-parametric mixture models
该研究针对基密度参数化、原假设为固定混合分布的非参数混合模型,发现似然比检验统计量仅在原假设为有限混合时收敛,否则发散,且该结论对广泛分布类成立。
2025-09-06 math.ST stat.TH
The Likelihood Ratio Test and Full Bayesian Significance Test under small sample sizes for contingency tables
列联表中的假设检验通常基于渐近结果,从而限制了其在大样本中的正确使用。为了在小样本中研究这些检验,我们考虑了似然比检验,并为同质性、独立性和Hardy-Weinberg平衡等著名假设定义了一个精确的指标P值。目的是了解在小样本情况下使用频率论似然比检验和贝叶斯FBST --全贝叶斯显著性检验--的渐近结果。建议的精确P值被用作理解其他指数的基准。我们在不同的场景下进行分析,考虑不同的样本量和不同的表维度。精确的Fisher检验$2 \times 2$表,大大减少了样本空间也进行了讨论。本文的主要信息是,所有的指数有非常相似的行为,因此,基于渐近结果的测试是非常好的,可用于任何情况下,即使是小样本量。
2017-08-10 stat.ME
Comparison of the likelihood ratios of two diagnostic tests subject to a paired design: confidence intervals and sample size
本文针对配对设计下两种二分类诊断检验的似然比比较问题,提出六种近似置信区间并通过模拟评估其覆盖率与平均长度,同时给出样本量确定方法,并应用于冠心病诊断。
2024-07-31 stat.OT
Likelihood-ratio inference on differences in quantiles
本文针对在线实验中双样本分位数差异推断的计算难题,提出基于似然比检验的新假设检验与置信区间方法,仅需每样本四个次序统计量即可高效计算,并给出保守与接近名义覆盖两种版本。
2024-07-31 stat.ME
High-Dimensional Density Ratio Estimation with Extensions to Approximate Likelihood Computation
两个概率密度函数之间的比率是各种任务的重要组成部分,包括选择偏差校正,新颖性检测和分类。最近,已经提出了几个估计这个比例。如果样本空间是高维的,则这些方法中的大多数都失败,并且因此需要降维步骤,其结果可能是信息的显著损失。在这里,我们提出了一个简单的实现,完全非参数密度比估计,扩大了基于核算子的本征函数的比率;这些函数反映了数据的底层几何形状(例如,子流形结构),通常导致更好的估计而无需明确的降维步骤。我们展示了如何我们的一般框架可以扩展到解决另一个重要的问题,估计的似然函数的情况下,该函数不能很好地近似的分析形式。由于数据的复杂性和产生这些数据的过程的复杂性,人们在对科学数据进行统计推断时经常面临这种情况。我们强调的应用程序,使用现有的似然自由的推断方法将是具有挑战性的,由于样本空间的高维性,但我们的谱序列方法产生一个合理的估计的似然函数。我们提供了理论保证,并说明我们所提出的方法的有效性与数值实验。
2014-04-29 stat.ME
Constructing Prediction Intervals Using the Likelihood Ratio Statistic
统计预测在大学预算等决策过程中起着重要作用(取决于将注册的学生人数),资本预算(取决于一组系统的剩余寿命),保修费用所需的现金储备量(取决于保修退货的数量),以及是否需要产品召回(取决于可能危及生命的产品故障的数量)。在统计推断中,似然比具有用于与模型参数有关的决策的长期历史(例如,循证医学和法医学)。我们提出了一个通用的预测方法,基于似然比(LR),涉及的数据和未来的随机变量。这种通用方法提供了一种识别具有优良统计特性的预测区间方法的方法。例如,如果一个预测方法可以基于一个关键量,我们的基于LR的方法通常会识别它。对于不存在关键量的应用,基于LR的方法提供了一个具有良好覆盖特性的过程,用于连续或离散数据预测应用。
2021-10-13 stat.ME
Enhancements of nonparametric generalized likelihood ratio test: Bias-correction and dimension reduction
非参数广义似然比检验是回归模型检验中常用的方法。然而,有两个问题可能是其强大的障碍。第一,在其limingnull分布中的偏倚项导致检验不能很好地控制第一类错误,因此需要蒙特卡罗近似法来确定临界值。其次,由于使用多元非参数函数估计,它严重遭受维数灾难。因此,本文的目的是双重的:一个偏置校正建议,这个测试和一个降维为基础的模型自适应增强建议,以提高功率性能。该检验仍具有Wilks现象,且检验统计量能以更快的速度收敛到其极限,比原协变量维数为1的非参数广义似然比检验对其他模型更敏感.模拟研究进行评估有限样本的性能,并与其他常用的测试进行比较。最后以一个实际数据进行了分析。
2015-07-22 stat.ME
On Compound Poisson Processes Arising in Change-Point Type Statistical Models as Limiting Likelihood Ratios
在随机过程的统计推断中,不同的变点模型会产生不同的极限似然比过程。在其中一位作者之前的一篇论文中,已经确定其中一个似然比是由某个参数驱动的双侧泊松过程的指数函数,可以用另一个似然比来逼近(对于足够小的参数值),该似然比是双侧布朗运动的指数函数。在本文中,我们考虑另一个似然比,这是一个双边的复合泊松过程的指数由一些参数驱动。我们建立,类似于泊松型,复合泊松型似然比可以近似布朗型一个足够小的值的参数。我们同样讨论了大的参数值的渐近性,并说明了数值模拟的结果。
2010-07-16 math.ST stat.TH
Likelihood Ratio Tests for a Dose-Response Effect using Multiple Nonlinear Regression Models
我们考虑的问题,测试的剂量相关效应的基础上的一组候选人(通常是非线性的)剂量反应模型使用似然比检验。对于所考虑的模型,这简化为评估这些非线性回归模型中的斜率参数是否为零。一个技术问题是零分布(当斜率为零时)取决于不可识别的参数,因此似然比检验的分布的标准渐近结果不再适用。这个问题的渐近解已在文献中广泛讨论。然而,得到的近似值不是简单的形式,需要模拟来计算渐近分布。此外,对于小样本量的情况,其适当性可能值得怀疑。由于某些参数的不可识别性,直接模拟近似零分布在数值上是不稳定的。本文给出了多模型下正态分布数据的似然比检验的精确近似分布的数值算法。该算法使用微分几何方法,可用于评价原假设下的分布,但也允许计算功效和样本量。我们比较了建议的测试方法的MCP-Mod方法和替代方法的剂量相关的趋势,在剂量发现的例子数据集和模拟测试。
2015-10-21 stat.ME
Statistical inference for the two-sample problem under likelihood ratio ordering, with application to the ROC curve estimation
受试者工作特征(ROC)曲线是一种强有力的统计工具,在医学研究中得到了广泛的应用。在ROC曲线估计中,常用的假设是生物标志物值越大,疾病的严重程度越大。在本文中,我们从数学上解释了“疾病的严重程度越大”为“患病的可能性越大”。这又等同于假定患病个体和健康个体之间的生物标志物的似然比排序。在这个假设下,我们首先提出一个伯恩斯坦多项式的方法来模拟两个样本的分布,然后我们估计的分布的最大经验似然原理。随后获得ROC曲线估计值和相关汇总统计量。在理论上,我们建立了我们的估计量的渐近相合性。通过广泛的数值研究,我们比较了我们的方法与竞争力的方法的性能。我们的方法的应用说明了一个真实的数据的例子。
2023-02-22 stat.ME
Concave regression: value-constrained estimation and likelihood ratio-based inference
我们提出了一个似然比统计形成的假设检验和置信区间的非参数估计的单变量回归函数,基于形状限制的凸性(或者,凸性)。处理似然比统计量需要研究满足原假设的估计量,即研究满足进一步等式约束的凹最小二乘估计量。我们在这里研究这个原假设最小二乘估计(NLSE),并使用它来研究我们的似然比统计量。NLSE是一个凸规划的解,我们找到了一组不等式和等式约束来表征该解。我们还研究了相应的限制版本的凸规划的基础上观察一个布朗运动漂移。极限问题的解是一个随机过程。我们研究了极限问题的解的最优性条件,发现它们与有限样本问题的解的最优性条件相匹配。这使我们能够显示极限随机过程产生的(有限样本)NLSE的极限分布。我们推测,似然比统计量是渐近关键的,这意味着它有一个极限分布,没有冗余参数估计,这使得它成为一个非常有效的工具,这个困难的推理问题。我们提供了这个猜想的部分证明,我们也提供了模拟证据,有力地支持这个猜想。
2018-09-10 math.ST stat.ME stat.TH
A theory of maximum likelihood for weighted infection graphs
研究了基于图上传染病数据的参数估计问题。我们假设连续的感染是通过传染发生的;即,传输只能在图中现有的有向边上传播。我们的随机传播模型允许单个节点被感染不止一次,并且在特定边缘传播的概率与源节点在流行病的前几个阶段被感染的累积次数和边缘的权重参数成比例。我们提出了一个最大似然估计推断未知的边缘权重时,完整的信息是关于连续的边缘传输的顺序和身份。当权重取一个特定的形式作为已知边缘协变量的线性组合的指数函数时,我们证明了极大似然估计相当于优化一个凸函数,并产生一个既一致又渐近正态的解。我们的证明是基于鞅收敛定理和理论的加权Pólya壶。我们还展示了如何我们的理论可以推广到设置的权重不是指数。最后,我们分析的情况下,可用的感染数据的形式是一组无序的边缘传输。我们提出了两种算法的重量参数估计在这种情况下,并得出相应的理论保证。我们的方法使用合成数据和西非埃博拉疫情的真实数据进行了验证。
2018-06-13 math.ST stat.TH
On the choice of the splitting ratio for the split likelihood ratio test
本文针对 universal inference 框架中 split likelihood ratio test 因临界值保守导致势损失的问题,在局部备择假设下引入非中心分裂卡方分布族,据此数值考察并提出了不同维度复合假设检验下数据分裂比例的最优选择。
2022-11-24 math.ST stat.ME stat.TH
Online Centralized Non-parametric Change-point Detection via Graph-based Likelihood-ratio Estimation
Centre Borelli, ENS Paris-Saclay, Université Paris-Saclay(巴黎萨克雷大学巴黎萨克雷高等师范学院博雷利中心)
考虑图中的每个节点都要生成一个数据流,该数据流是同步的,并且可以近实时地观察到。在变化点$τ$,在节点$C$的子集处发生变化,这影响其相关联的节点流的概率分布。在本文中,我们提出了一种新的基于核的方法来检测$τ$和本地化$C$,基于直接估计的似然比之间的变化和变化前的节点流的分布。我们的主要工作假设是图上的似然比估计的平滑性,即期望连接的节点具有相似的似然比。所提出的方法的质量证明了广泛的实验合成的情况下。
2023-01-12 cs.LG stat.ML
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
Jackknife empirical likelihood ratio test for log symmetric distribution using probability weighted moments
针对对数对称分布的拟合检验需求,基于概率加权矩提出对数对称性拟合优度检验及更易实施的刀切经验似然比检验,推导了统计量渐近分布,经模拟和数据集验证了方法有效性。
2024-10-05 math.ST stat.ME stat.TH
Transfer Entropy as a Log-likelihood Ratio
传递熵是一种信息论的测度,用于度量联合过程之间的时间信息传递,在神经科学、生态学、气候学和计量经济学等多个领域的复杂随机动力学分析中得到了广泛应用。我们发现,对于广泛的一类预测模型,零转移熵的原假设的对数似然比检验统计量是转移熵本身的相合估计量。此外,对于有限马尔可夫链,不需要明确的模型。在一般情况下,建立了一个渐近卡方分布的转移熵估计。结果概括了高斯情况下的转移熵和格兰杰因果关系,通过向量自回归预测的因果影响的统计概念的等价性,并建立了定向信息转移和因果关系之间的维纳-格兰杰意义上的基本连接。
2012-07-27 physics.data-an stat.AP
Likelihood ratio tests under model misspecification in high dimensions
研究高维块对角协方差矩阵的似然比检验,证明其渐近行为在更大分布类下不变,具有抗模型误设稳健性,并扩展至多协方差矩阵相等检验。
2024-07-31 math.ST stat.TH
Central Limit Theorems for Classical Likelihood Ratio Tests for High-Dimensional Normal Distributions
对于从p-变量正态分布中获得的大小为n的随机样本,我们考虑了高维环境中其均值协方差阵的经典似然比检验(LRT)。这些检验统计量已在多变量分析中得到广泛研究,并且当n趋于无穷大且p保持固定时,它们在零假设下的极限分布被证明是χ 2分布。在本文中,我们考虑高维情形,其中p和n都趋于无穷大,且p=n/y在(0,1]中.证明了在此假设下的似然比检验统计量在分布上收敛于具有显式均值和方差的正态分布。我们进行模拟研究表明,似然比检验使用我们的中心极限定理优于那些使用传统的卡方近似分析高维数据。
2013-06-02 math.ST stat.TH
Bounds for the asymptotic distribution of the likelihood ratio
本文给出了当数据是独立同分布随机元的实现时,似然比统计量的卡方距离的一个显式界。据我们所知,这是第一个明确的界限,这是在文献中。边界取决于样本的样本个数以及参数空间的维数。我们用三个例子来说明这个界限:来自指数分布的样本,来自正态分布的样本,以及逻辑斯谛回归。
2018-06-10 math.ST stat.TH
Discrete Statistical Models with Rational Maximum Likelihood Estimator
离散统计模型是概率单纯形的子集。它的最大似然估计(MLE)是从单纯形到模型的收缩。我们刻画了所有的模型,这种回缩是一个有理函数。这是一个贡献,通过真正的代数几何取决于结果由于Huh和Kapranov霍恩均匀化。我们提出了一个算法,合理的MLE构建模型,我们证明了它的一系列实例。我们的重点在于统计学家熟悉的模型,如贝叶斯网络,可分解的图形模型和阶段树。
2020-06-15 math.AG math.ST stat.TH
Quasi-independence models with rational maximum likelihood estimator
我们对具有有理极大似然估计的双向独立拟独立模型(或具有结构零点的独立模型)进行了分类。我们给出了与该模型相关联的二部图上的极大似然估计是有理的一个充要条件。在这种情况下,我们给出了一个明确的公式的MLE在此图的组合特征。我们还利用Horn均匀化证明了对于一般的对数线性模型$\mathcal{M}$,只要把它限制在$\mathcal{M}$的充分统计量的锥面上,它就具有有理极大似然估计.
2020-10-27 math.CO math.ST stat.TH
Sensor fusion for bimodal generalized likelihood ratio test with unknown noise variances
在本文中,我们解决传感器融合的问题。我们制定了联合检测问题,使用一般的线性观测模型和模态间的独立性假设的噪声。推导了基于广义似然比原理的融合结构,并计算了信号存在和零假设下的检验统计量分布表达式。为了获得这些结果,我们开发了一种基于Meijer G函数理论的联合检测算法分析方法。
2013-09-04 math.ST stat.TH
Semiparametric empirical likelihood inference with estimating equations under density ratio models
密度比模型(DRM)为组合来自多信源的信息提供了一个灵活而有用的平台。在本文中,我们考虑的统计推断下的两个样本DRM的额外的参数定义通过和/或额外的辅助信息表示为估计方程。研究了DRMs中未知参数的最大经验似然估计(MELE)的渐近性质,并建立了经验似然比(ELR)统计量的卡方极限分布.我们表明,渐近方差的MELE的未知参数不减少,如果一个估计方程下降。获得类似的性质的推断的累积分布函数和分位数的每个涉及的人口。我们还提出了一个ELR测试的有效性和有用性的辅助信息。仿真研究表明,正确指定的估计方程的辅助信息的结果更有效的估计和更短的置信区间。两个真实数据的例子被用来说明。
2021-02-25 math.ST stat.ME stat.TH
Training Neural Networks for Likelihood/Density Ratio Estimation
University of Patras(帕特雷大学);Rutgers University(罗格斯大学)
工程和统计学中的各种问题需要计算两个概率密度的似然比函数。在经典方法中,假设这两个密度是已知的或属于某个已知的参数族。在数据驱动的版本中,我们将此要求替换为从感兴趣的密度中采样的数据的可用性。对于检测和假设检验中最著名的问题,我们通过提供基于神经网络的似然比或其变换的估计来开发解决方案。这项任务需要定义适当的优化,可以用于网络的训练。这项工作的主要目的是提供一个简单而统一的方法来定义这样的优化问题,保证解决方案确实是所需的功能。我们的研究结果扩展到覆盖估计的似然比的条件密度和估计的统计中遇到的本地方法。
2019-11-05 cs.LG eess.SP stat.ML
On likelihood ratio tests
似然比检验直观上很吸引人。尽管如此,已知一些实例,其中它们的表现非常差。本文讨论了一大类情况下,这种情况下,并分析了直觉如何误导我们,它还提出了一种替代方法,在这些情况下是最佳的。
2006-10-27 math.ST stat.TH
$\ell_0$-penalized maximum likelihood for sparse directed acyclic graphs
考虑了高维稀疏有向无环图模型(或等价的高斯结构方程模型)的结构和参数的正则化极大似然估计问题.我们发现,$\ell_0$惩罚的最大似然估计的DAG具有约相同数量的边缘的最小边缘I-MAP(DAG与最小数量的边缘代表的分布),它收敛于Frobenius范数。我们允许节点数p远大于样本量n,但假设稀疏条件,并且真实DAG的任何表示至少具有高于噪声水平的非零边缘权重的固定比例。我们的研究结果不依赖于忠实性假设,也不依赖于限制性强忠实性条件,这是基于条件独立性测试的方法,如PC算法所需的。
2013-05-09 math.ST stat.TH
Estimating divergence functionals and the likelihood ratio by convex risk minimization
我们开发和分析$M$ -估计方法的分歧泛函和似然比的两个概率分布。我们的方法是基于一个非渐近变分表征的$f$ -分歧,这使得估计分歧的问题,通过凸经验风险优化来解决。由此产生的估计是简单的实现,只需要标准的凸规划的解决方案。我们提出了这些估计的一致性和收敛性分析。仅在密度比的条件下,我们证明了我们的估计在一定的条件下可以获得最优的似然比和发散泛函的极小极大率。我们推导出一个有效的优化算法来计算我们的估计,并通过模拟说明其收敛性和实际可行性。
2009-04-22 cs.IT math.IT math.ST