Statistical Decision Properties of Imprecise Trials Assessing COVID-19 Drugs
随着COVID-19大流行的进展，研究人员正在报告随机试验的结果，这些试验将标准护理与实验性药物增强的护理进行了比较。这些试验的样本量很小，因此对处理效应的估计是不精确的。由于不精确，阅读研究文章的临床医生可能会发现很难决定何时使用实验药物治疗患者。无论使用何种决策标准，试验结果的随机变化总是有一定的可能性导致处方次优治疗。在比较标准治疗和创新治疗时的常规做法是，只有当估计的处理效应为正且具有统计学显著性时，才选择创新治疗。这种做法将标准护理视为现状。为了评估决策标准，我们使用了近似最优性的概念，它联合考虑了决策错误的概率和幅度。从这个角度来看，一个有吸引力的决策标准是经验成功规则，它选择了在试验中观察到的平均患者结局最高的治疗。考虑到最近和正在进行的COVID-19试验的设计，我们表明，经验成功规则产生的治疗结果比基于假设检验的流行决策标准产生的结果更接近最优。
2020-05-30 econ.EM q-bio.QM stat.ME
Statistical Methods for Crossover Trials: A Review of Classical and Recent Developments
University of California, Riverside（加州大学河滨分校）
本文综述了交叉设计的统计方法进展，重点介绍 AB-BA 设计及其扩展，涵盖连续、多元和分类响应分析，并指出开放问题。
2026-10-02 stat.AP stat.ME stat.OT
Statistical Validation of Computer Models: Global and Subdomain Hypothesis Testing
Texas A&M University（德克萨斯农工大学）
本文提出基于频域的傅里叶最大模检验（FMMT），利用核岭回归估计计算机模型与物理过程的偏差，并通过频域测试实现全局和子域验证，具有高检验力和精确的I类错误控制。
2026-04-18 stat.ME
Center-Outward R-Estimation for Semiparametric VARMA Models
对于新息密度起冗余参数作用的半参数VARMA模型，提出了一类新的R-估计。我们的估计是基于多变量中心向外的行列和标志的新概念。我们表明，这些概念，结合乐凸轮的渐近理论的统计实验，产生一类半参数估计程序，这是有效的（在给定的参考密度），根$n$一致的，和渐近正常下广泛的类（可能非椭圆）的实际创新密度。不需要核密度估计来实现我们的过程。我们的R-估计和其他竞争对手的蒙特卡罗比较研究表明，在大样本和小样本的新方法的好处。证明，计算方面，和进一步的数值结果可在补充材料。
2020-07-11 math.ST stat.TH
Rank-Based Testing for Semiparametric VAR Models: a measure transportation approach
基于最近提出的基于测量传输的多变量{ \it center-outwardrank}和{ \it signs}的概念，提出了一类新息密度未知的半参数向量自回归（VAR）模型的检验方法.我们表明，这些概念，结合Le Cam的渐近理论的统计实验，产生新的测试程序，其中（a）~是有效的下广泛的一类创新密度（可能是非椭圆形的，歪斜的，和/或无限的时刻），（b）~是最佳的（局部渐近最大最小或最严格）在选定的，和（c）是强大的添加剂离群值。为了做到这一点，我们建立了一个H\' ajek渐近表示结果，独立的利益，为一般类的中心向外的秩为基础的序列统计量。作为一个例子，我们考虑了多输出和可能的非线性回归（经典的Durbin-Watson问题的扩展）和向量自回归（VAR（$p$））模型的顺序$p$的顺序识别序列相关性的测试问题。我们的测试和他们的竞争对手的蒙特卡罗比较研究证明了我们的方法的好处（在规模，功率和鲁棒性方面），这些好处在不对称和尖峰创新密度的存在下特别显着。一个真实的数据应用结束的文件。
2020-11-11 math.ST stat.TH
Comparing weighting and imputation methods for enhancing statistical inference of health surveys given administrative claims data
本文研究如何利用行政索赔数据，通过多重插补方法增强健康调查中对有限总体均值的统计推断，并与朴素分析和传统逆抽样概率加权方法进行比较，以改进对医疗保健组织特征与医疗服务关系的估计。
2023-09-24 stat.AP stat.ME
Censored autoregressive regression models with Student-$t$ innovations
Student- $t$分布广泛用于涉及离群值的数据集的统计建模，因为其长于正常的尾部提供了处理此类数据的稳健方法。此外，随着时间的推移收集的数据可能包含删失或缺失的观察结果，因此无法使用标准统计程序。本文提出了一种新息服从Student- $t$分布且回归误差自相关时截尾线性回归模型参数估计的算法。为了适应所提出的模型，最大似然估计获得整个SAEM算法，这是一个随机逼近的期望最大化算法的模型中，E-步骤不具有解析形式。该方法说明了一个真正的数据集，左删失和缺失的观察分析。我们还进行了两个模拟研究，以检查估计的渐近性质和模型的鲁棒性。
2022-01-19 stat.AP stat.ME
Efficient statistical classification of satellite measurements
监督统计分类是卫星图像处理的重要工具。它不仅在需要特征提取或表面类型等离散结果时有用，而且通过将感兴趣的量划分为离散范围来进行连续检索时也很有用。由于现代卫星仪器的高分辨率和实时处理的要求，任何算法都必须快速才能有用。在这里，我们描述了一种基于核估计的算法，称为自适应高斯滤波，它结合了几个创新，以产生更高的效率相比，其他三个流行的方法：k-最近邻（KNN），学习矢量量化（LVQ）和支持向量机（SVM）。这种效率是在没有任何妥协的情况下获得的：保持准确性，同时返回条件概率的估计值。这些不仅是有用的，以衡量其真实值的情况下，估计的准确性，但也重新校准检索到的图像，并作为一个代理的离散连续变量。该算法进行了演示，并与其他三个对合成测试类和映射荷兰的水道。软件可在http://libagf.sourceforge.net上找到。
2016-02-03 physics.ao-ph stat.ML
An empirical likelihood approach for symmetric $α$-stable processes
经验似然法是一种非参数统计方法，用于关键未知量的假设检验或置信区域的构造。该方法已应用于独立同分布随机变量和二阶平稳过程的情形。近年来，我们在许多领域观察到重尾数据。为了适当地模拟这样的数据，我们考虑对称标量和多元$α$ -稳定的线性过程所产生的无穷方差的新息序列。我们在经验似然比函数中使用了一个Whittle似然型估计函数，并导出了$α$ -稳定线性过程的经验似然比统计量的渐近分布.经验似然统计方法将二阶平稳过程的估计和检验理论很好地推广到重尾数据分析中，而不是简单地推广到金融统计分析中。
2015-09-18 math.ST stat.AP stat.TH
Semi-parametric goodness-of-fit testing for INAR models
本文提出了一种针对INAR模型类的新型半参数拟合优度检验，利用联合概率生成函数在未指定创新项分布的情况下进行模型验证，推导了检验统计量的极限分布并验证了其一致性，模拟与实际数据应用表明高阶统计量可显著提升检验功效。
2024-10-15 stat.ME
When can weak latent factors be statistically inferred?
本文在允许截面相关特质成分的弱因子模型下建立了PCA的全面非渐近估计与推断理论，证明信噪比仅需以log N的多项式速率增长即可保证渐近正态性，并将理论应用于因子验证、结构突变检验和风险暴露比较等问题。
2024-09-30 econ.EM math.ST q-fin.ST
Marginal expected shortfall inference under multivariate regular variation
本文针对系统性风险度量中的边际期望短缺，提出基于多元正则变化理论的极端值推断方法，构造估计量及其偏差校正版本并证明渐近正态性，显著提升了现有方法的估计精度。
2023-04-15 math.ST stat.ME stat.TH
Weighted Dickey-Fuller Processes for Detecting Stationarity
为了对时间序列进行监测，尽快发现平稳性，本文介绍了基于核加权序贯Dickey-Fuller（DF）过程及其相关的停时的监测方法，称之为加权Dickey-Fuller控制图。在较弱的假设条件下，在单位根原假设和局部-单位替换下，建立了（泛函）中心极限定理.对于一般相依和异质新息序列，极限过程依赖于一个冗余参数.在这种具有实际意义的情况下，可以使用从估计的渐进定律获得的估计控制限。另一种简单易用的方法是对DF过程进行变换，以获得对干扰参数不变的极限定律。我们为这两种方法提供了渐近理论，并通过模拟比较了它们在有限样本中的统计行为。
2010-01-12 math.PR math.ST stat.ME
New Time Series Models for Corporate Bond Log Yields
本文提出基于对数转换的公司债券对数收益率时间序列模型，通过严格统计检验发现取利差和利率对数能提高模型有效性，并指出股票波动率可作为债券波动率的替代。
2026-07-18 q-fin.ST stat.AP
Identification and estimation of structural vector autoregressive models via LU decomposition
本文针对 SVAR 模型识别中新息过程假设过强的问题，利用系数矩阵零约束与 LU 分解条件提出识别方法，并建立系数矩阵和脉冲响应的渐近正态估计。
2025-03-16 econ.EM stat.AP
Steps and bumps: precision extraction of discrete states of molecular machines using physically-based, high-throughput time series analysis
我们报告了新的统计时间序列分析工具，提供了显着的改进，从大型数据库的分子机器的实验观察的离散状态动态的快速，精确的提取。通过将物理知识和统计创新构建到分析工具中，我们展示了用于恢复隐藏在高度相关分子噪声中的离散状态跃迁的新技术。我们证明了我们的方法的有效性，模拟和真实的例子，细菌鞭毛电机和F1-ATP酶的步进式旋转。我们表明，我们的方法可以清楚地识别分子的步骤，对称性和级联的过程，是太弱，现有的算法来检测，可以这样做比现有的算法快得多。我们的技术代表了一个重大的进步，在驱动器走向自动化，精密，高通量的分子机器动力学研究。在http://www.eng.ox.ac.uk/samp/members/max/software/上提供了实现这些技术的模块化开源软件
2010-04-08 physics.data-an q-bio.QM stat.AP
Bayesian Cointegrated Vector Autoregression models incorporating Alpha-stable noise for inter-day price movements via Approximate Bayesian Computation
我们考虑一个统计模型对交易资产，基于协整向量自回归（CVAR）模型。我们扩展了标准的CVAR模型，将模型参数的估计存在的价格序列水平的变化，这是不准确的标准高斯误差修正模型（ECM）的框架建模。这涉及到开发一种新的矩阵变量贝叶斯CVAR混合模型，包括高斯误差日内和阿尔法稳定误差日间的ECM框架。为了实现这一目标，我们推导出一种新的共轭后验模型的比例混合的常态（SMiN CVAR）表示阿尔法稳定的日间创新。这些结果被推广到非对称模型的创新噪声在日间边界允许倾斜的阿尔法稳定模型。我们提出的模型和抽样方法是一般的，将目前的文献高斯模型作为一个特殊的子类，也允许价格序列水平的变化，无论是在随机估计的时间点或已知的先验时间点。我们专注于分析经常观察到的非高斯水平变化，这些变化可能对统计模型的估计性能产生重大影响，这些模型无法解释这种水平变化，例如在市场收盘和开盘时。我们比较我们的模型和估计方法的估计精度标准频率和贝叶斯程序的CVAR模型时，非高斯价格序列水平的变化存在于个别系列，如日间边界。我们适合一个双变量阿尔法稳定模型的日间跳跃和模型的影响，这样的跳跃估计的矩阵变量CVAR模型参数，使用基于Johansen程序和贝叶斯估计的可能性。我们说明了我们的模型和相应的估计程序，我们开发的合成和实际数据。
2010-08-01 q-fin.CP q-fin.ST stat.AP
