Minimum Area Confidence Set Optimality for Simultaneous Confidence Bands for Percentiles in Linear Regression
本文提出最小面积置信集(MACS)准则用于比较和构建线性回归中百分位的同时置信带,发现非对称SCBs在面积上显著优于对称SCBs,并提出高效计算临界常数的方法。
2023-09-13 stat.ME
Simultaneous confidence bands for nonparametric regression with partially missing covariates
本文考虑了协变量随机缺失的非参数回归的基于逆选择概率的加权局部线性估计。导出了估计量与真实回归函数之间的最大偏差的渐近分布,并构造了渐近精确的同时置信带。回归函数的估计被证明是oracally有效的意义上说,它是一致的不可区分的,当选择概率是已知的。有限样本性能通过模拟研究,支持我们的渐近理论。通过对加拿大2010/2011年青年学生调查数据集的分析,证明了所提出的方法。
2020-02-28 stat.ME
Anytime-valid simultaneous lower confidence bounds for the true discovery proportion
Institute for Statistics, University of Bremen(不来梅大学统计研究所)
本文提出结合闭合检验框架与安全任意时间有效推断(SAVI)概念,计算多重检验设置中真实发现比例的下置信界。该方法提供在每个观测时间点都有效的置信界,并对所有可能的假设子集同时有效。在假设固定的情况下,允许子集变化,支持序列更新和可选停止,适用于数据采集成本高的领域如神经科学。
2026-04-22 stat.ME
Multivariate Spline Estimation and Inference for Image-On-Scalar Regression
最近的数据分析在生物医学成像研究的动机,我们认为一类图像的标量回归模型的成像响应和标量预测。我们建议使用灵活的多元样条三角剖分处理图像上的感兴趣的对象的不规则域,以及图像的其他特性。在一定的正则条件下,证明了所提出的系数函数的估计是根-n相合的和渐近正态的。我们还提供了一个一致的和计算效率高的估计的协方差函数。构造了系数函数的渐近逐点置信区间和数据驱动的同时置信走廊。我们的方法可以同时估计和推断的系数函数,同时将空间异质性和空间相关性。一个高效和可扩展的估计算法的开发。蒙特卡罗模拟研究进行检查所提出的方法,然后将其应用于空间归一化的正电子发射断层扫描数据的阿尔茨海默病神经影像倡议的有限样本性能。
2021-06-02 stat.ME
Joint Coverage Regions: Simultaneous Confidence and Prediction Sets
本文提出联合覆盖区域(JCR),统一频率学派中的置信区间与预测区域,并给出有限样本有效构造方法及高效算法,适用于结构化参数空间下的预测集构造。
2025-06-07 stat.ME
Simultaneous Confidence Intervals for Ranks With Application to Ranking Institutions
当医疗中心或大学等机构的排名基于提供标准误差的指标时,应计算置信区间以评估这些排名的质量。我们考虑的问题,同时构建置信区间的平均值的排名的基础上观察到的样本。为此,文献中唯一可用的方法使用蒙特卡罗模拟,并且是高度反保守的,特别是当均值彼此接近或具有联系时。提出了一种基于Tukey诚实显著性差异检验(HSD)的新方法。我们的新方法是相反的保守时,没有关系。通过适当地将这两种方法重新缩放到标称置信水平,它们令人惊讶地表现得非常相似。然而,当机构的数量大于30到50时,蒙特卡罗方法是不可扩展的,因此保持反保守性。我们提供了大量的模拟来支持我们的主张,并比较了这两种方法的同时覆盖范围和效率。我们提供了一个数据分析64家医院在荷兰和比较这两种方法。我们的新方法的软件可以在CRAN的ICRanks软件包中在线下载。补充材料包括补充R代码的模拟和证明本文提出的命题。
2018-12-11 stat.ME
Distributed Simultaneous Inference in Generalized Linear Models via Confidence Distribution
我们提出了一种分布式方法,用于样本量远大于协变量数的数据集的同时推理,即,N >> p,在广义线性模型框架下.当这样的数据集太大而无法由单个集中式计算机完全分析时,或者当数据集已经存储在分布式数据库系统中时,分而合的策略一直是可扩展性的选择方法。由于分区,子数据集的样本量可能是不均匀的,有些可能接近p,这需要正则化技术来提高数值稳定性。然而,有一个缺乏明确的理论依据和实际指导方针,结合从单独的正则化估计得到的结果,特别是当最终目标是同时推断一组回归参数。在本文中,我们开发了一种策略,结合使用置信分布的偏差校正拉索型估计。我们表明,由此产生的组合估计达到相同的估计效率的极大似然估计使用集中的数据。正如模拟和真实数据示例所示,我们的划分和组合方法产生与集中式基准几乎相同的推理。
2020-07-21 stat.ME
Simultaneous Nonparametric Confidence Bands for Load-Sharing Systems
本文研究了负荷分担系统的基准分布函数非参数置信带构造问题,针对参数已知和未知情况分别提出了基于Kolmogorov-Smirnov统计量的精确置信带和渐近置信带,并扩展了半参数估计的渐近理论。
2025-04-29 stat.ME
Simultaneous confidence sets for ranks using the partitioning principle - Technical report
医疗中心或大学等机构的排名是基于一个指标,并伴随着不确定性措施,如标准差,置信区间应计算,以评估这些排名的质量。我们考虑的问题,同时构建置信区间的中心的排名的基础上观察到的样本。本文提出了一种基于多重检验的新方法,该方法利用了划分原则,并对划分进行了似然比(LR)检验。该算法的复杂度是超指数的。我们提出了几种方法和快捷方式来降低这种复杂性。我们还提供了一个多项式算法,它通过线性化LR检验的临界值,为多重检验产生一个非常好的括号。我们表明,Tukey的诚实的显着差异(HSD)测试可以被写为一个分区过程。新的方法具有很好的性能,在这个意义上,它打开了一扇门,在一个简单而容易的方式来构建新的方法,可以贸易的指数复杂性与测试的力量,反之亦然。与Tukey的HSD检验相比,当中心彼此接近或数据中的不确定性较高时,LR检验似乎给出更好的结果,这在模拟研究期间得到了证实。
2017-08-09 stat.ME
Localizing differences in smooths with simultaneous confidence bounds on the true discovery proportion
本研究提出一种基于真实发现比例(TDP)同时置信界的方法,通过Simes局部检验的闭合检验定位两个光滑函数的差异区域,证明了相关统计量的PRDS性质,借助低次惩罚B样条协方差的非对角衰减结构实现良好功效,经仿真和脑瘫步态研究验证有效。
2024-10-31 stat.ME
Informative Simultaneous Confidence Intervals for Graphical Group Sequential Test Procedures
Competence Center for Clinical Trials Bremen(不来梅临床试验能力中心);University of Bremen(不来梅大学);Institute for Statistics(统计研究所)
本文提出了一种控制家族错误率的组序列检验策略,通过利用先前阶段的证据提高显著性水平,优于现有方法,并引入了具有小功率损失的 informative 同时置信区间。
2026-05-12 stat.ME
Simultaneous confidence intervals for an extended Koch-Röhmel design in three-arm non-inferiority trials
针对三臂金标准非劣效试验的测定灵敏度问题,本文扩展Koch-Röhmel设计,为适应性检验补充适配的同时置信区间,通过模拟比较不同构建方法并应用于真实临床试验。
2022-10-17 stat.ME
Simultaneous confidence intervals for the interpretation of primary and secondary effects in factorial designs without a pre-test on interaction
具有可能交互作用的低维析因设计的分析是一个相关的问题。而不是共同的预测试的相互作用,同时推理过程中的主要因素在各自的水平上的次要因素,以及汇集在其所有的水平。
2022-03-28 stat.AP stat.ME
Informative Simultaneous Confidence Intervals for Graphical Test Procedures
针对传统同时置信区间缺乏信息性的问题,本文将信息性SCI拓展至图形检验过程,通过对偶图和投影法定义新区间,给出迭代算法,实现信息增益与拒假设数目的折中,且信息量随反原假设证据增加而增长。
2024-06-24 stat.ME
SCoRES: An R Package for Simultaneous Confidence Region Estimates
Emory University(埃默里大学);University of California San Diego(加州大学圣地亚哥分校)
针对现有逆域估计方法假设严苛、阈值难定的问题,本文推出实现Ren等人2024年提出的非渐近多水平同时置信集方法的SCoRES R包,支持多类数据的置信带构建与可视化,通过示例验证其适用性。
2025-11-15 stat.CO stat.ME
Simultaneous adjustment of bias and coverage probabilities for confidence intervals
提出了一种新的方法,用于校正置信区间时,原始区间不具有正确的名义覆盖概率在频率意义下。所提出的方法是通用的,不需要任何分布假设。它可以应用于频率论和贝叶斯推断的区间估计是必要的。我们提供了所提出的估计的一致性的理论结果,并给出了两个复杂的例子,复合似然估计的置信区间校正和近似贝叶斯计算(ABC),以证明新方法的广泛适用性。并与双自举法和其他提高置信区间覆盖率的方法进行了比较。
2013-08-29 stat.CO stat.ME
Inverse set estimation and inversion of simultaneous confidence intervals
针对气候与医学风险评估中的逆集估计问题,提出通过反演同时置信带非渐近地构造多水平置信集,并给出非参数自举算法,适用于稠密与非稠密域。
2023-07-11 math.ST stat.ME stat.TH
Simultaneous confidence intervals for the population cell means, for two-by-two factorial data, that utilize uncertain prior information
考虑一个2 × 2析因实验,其中有1个以上的重复。假设我们有不确定的先验信息,即两因子相互作用为零。我们描述了新的同时频率置信区间的4个人口细胞的平均值,同时置信系数1-α,利用这种先验信息在以下意义上。这些同时的置信区间定义了具有预期体积的立方体,该立方体(a)当双因子相互作用为零时相对较小,并且(b)具有不太大的最大值。此外,当数据与两因素相互作用为零的先验信息强烈矛盾时,这些区间与通过Tukey方法获得的标准同时置信区间一致,同时置信系数为1-α。我们说明了应用这些新的同时置信区间的一个真正的数据集。
2012-04-30 math.ST stat.AP stat.ME
Simultaneous confidence bands for cumulative hazard via exchangeable bootstrap and box calibration
The Ohio State University(俄亥俄州立大学)
针对右删失数据中累积风险函数的重抽样置信带覆盖不足问题,提出结合可交换自助法与箱线校准的方法,在保留Nelson-Aalen比结构的同时构建置信带,渐近达到名义覆盖水平。
2026-07-01 stat.ME
Asymptotic Distribution and Simultaneous Confidence Bands for Ratios of Quantile Functions
两种分布的中位数或其他合适的分位数之比广泛用于医学研究,以比较治疗组和对照组,或在经济学中,当重复的横断面数据可用时,比较各种经济变量。受贫困研究中引入的所谓增长发生率曲线的启发,我们认为分位数函数的比率是比较两种分布的更合适和更翔实的工具。我们提出了一个估计的分位数函数的比率,并开发相应的同时置信带,它允许评估的分位数函数比率的某些功能的意义。导出的同时置信带依赖于分位数函数比率的渐近分布,并且不需要重新采样技术。在模拟中证明了同时置信带的性能。对乌干达1999年、2002年和2005年支出数据的分析表明了我们方法的相关性。
2017-10-24 econ.EM stat.AP stat.ME
Constructing Simultaneous Confidence Bands for Errors-in-variables Curves with Application to the Lorenz Curve
本文针对自变量和因变量均含误差的曲线,提出了一种构建同时置信带的新方法,并以洛伦兹曲线为案例验证了该方法的有效性。
2025-01-28 stat.AP stat.ME
Asymptotic confidence bands for copulas based on the transformation kernel estimator
在本文中,我们建立渐近的同时置信带的转换核估计Copula引进Omelka等人。(2009年)。为了这个目的,我们证明了一个统一的带宽法律的重对数的最大偏差,这个估计从它的期望,光滑条件下的copula函数。我们还研究了偏差,它以相同的精确率渐近一致地趋于零。最后给出了一些模拟实验来支持我们的结果
2016-08-19 stat.ME
Beta-trees: Multivariate histograms with confidence statements
受 $k$-d 树启发,提出 Beta-trees 构建欧几里得空间数据自适应划分,提供有限样本同时置信区间,避免维数灾难,并应用于数据可视化与多变量众数寻找。
2023-08-02 stat.ME
Simultaneous Control of All False Discovery Proportions in Large-Scale Multiple Hypothesis Testing
封闭检验程序通常用于族错误率(FWER)控制,但它们也可以用于获得所有假设子集中错误发现比例(FDP)的同时置信界限。在本文中,我们研究了封闭测试的特殊情况下,Simes本地测试。我们构建了一个新的快速和准确的捷径,我们用它来研究这种方法的权力时,假设的数量趋于无穷大。我们表明,如果存在最少量的信号,在任何期望的FDP水平检测假假设的平均功率不会消失。此外,我们证明了FDP的置信界是真实的FDP的相合估计量的每个非零子集。对于有限数量的假设的情况下,我们之间的连接Simes为基础的封闭测试和Benjamini和Hochberg的程序。
2017-10-23 stat.ME
Asymptotic confidence bands for copulas based on the local linear kernel estimator
本文基于Chen和Huang [1]提出的局部线性核估计建立了Copula函数的渐近同时置信带。为此,我们证明了光滑条件下的Copula函数,一个统一的带宽法律的重对数的最大偏差,这个估计从它的期望。我们还表明,偏置项一致收敛到零的精确率。这些波段的性能在模拟研究中示出。并给出了一个基于伪面板数据的应用程序。
2015-09-30 stat.ME
Simultaneous inference of correlated marginal tests using intersection-union or union-intersection test principle
同时推理的两种主要方法是交并测试和并交测试。对于交-并假设,比较了基于边际p值的经典IUT和全替代UIT。根据相关性、边际检验的数量和替代模式,考虑到其优点,即易于解释的同时置信区间的可用性,aiaUIT的固有功率损失似乎是可以接受的。
2021-11-15 stat.ME
Fast and Fair Simultaneous Confidence Bands for Functional Parameters
使用置信区域量化不确定性是统计推断的中心目标。尽管如此,与估计和假设检验相比,功能数据分析中的置信带方法仍然不发达。在这项工作中,我们提出了一个新的方法来构建同时的功能参数估计的置信带。我们的团队拥有许多积极的品质:(1)它们不基于重采样,因此计算速度快,(2)它们是在频带域的分区上的平衡假阳性率的公平性约束下构造的,这有助于典型的全局解释,但也有助于新颖的局部解释,以及(3)它们不需要对全协方差函数的估计,因此可以用于片段函数数据的情况。模拟显示了优秀的有限样本行为,我们的乐队相比,现有的替代品。我们的乐队的实际用途是证明在两个案例研究运动生物力学和片段的增长曲线。
2022-11-11 math.ST stat.ME stat.TH
Simultaneous confidence bands for nonparametric regression with functional data
我们考虑非参数回归的背景下,功能的数据,也就是说,当一个随机样本的功能是观察到一个细网格。我们得到一个功能渐近正态性的结果,允许建立同时置信带(SCB)的各种估计和推理任务。两个应用SCB程序的回归函数和拟合优度测试曲线回归模型提出。第一种方法在其他可用方法上提高了精度,而第二种方法可以检测参数化形状的局部偏离,而不是通常的拟合优度测试,仅跟踪全局偏离。SCB程序的数值研究和说明与语音数据集提供。
2010-07-20 math.ST stat.ME stat.TH
An improvement of Tukey's HSD with application to ranking institutions
当医疗中心或大学等机构的排名基于提供标准误的指标时,应计算置信区间以评估这些排名的质量。我们考虑的问题,同时构建置信区间(CI)的排名中心的基础上观察到的样本。我们提出了一种新的方法的基础上Tukey的诚实的显着差异检验(HSD),这是第一种方法来产生有效的同时CI的行列。此外,我们引入了一个新的变种Tukey的HSD的顺序拒绝原则的基础上。新算法确保familywise错误控制,并产生同步置信区间的行列均匀短于Tukey的HSD提供的相同水平的显着性。我们说明了该方法,通过模拟和真实的数据分析,从64家医院在荷兰。我们的新方法的软件可以在线获得,包\texttt{ICRanks}可从CRAN下载。补充材料包括补充R代码的模拟和证明本文提出的命题。
2018-11-22 stat.ME
Principles in harmony: Closed testing meets the partitioning principle for computational efficiency
探讨多重检验中控制族错误率的封闭检验原理与构建同时置信区间的划分原理的算法关系,利用此关系扩展相关概念并延伸封闭检验程序,以得到计算可行且高效的算法。
2026-07-07 stat.CO stat.ME
Optimal experimental design that minimizes the width of simultaneous confidence bands
我们提出了一个最佳的试验设计的曲线回归模型,最大限度地减少带宽的同时置信带。曲线回归的同时置信带是通过评估曲线周围的管体积来构建的,该曲线被定义为回归基向量的轨迹(Naiman,1986)。提出的准则是建立在管的体积的基础上,和相应的最优设计,最小化管的体积被称为管体积最优(TV-最优)设计。对于傅立叶和加权多项式回归,将问题形式化为Hankel正定矩阵锥上的极小化问题,并将极小化准则表示为一个椭圆积分.我们表明,莫比乌斯组保持我们的问题不变,因此,最小化可以进行轨道的横截面。我们证明了对于加权多项式回归和具有三个基的傅立叶回归,管体积最优设计形成了包含D最优设计作为代表元素的Möbius群的轨道。
2019-03-30 math.ST stat.ME 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
Sparsified Simultaneous Confidence Intervals for High-Dimensional Linear Models
本文提出稀疏化同时置信区间,将模型选择不确定性纳入高维线性模型系数推断,通过区间收缩至零识别不重要协变量,并验证了其渐近性质与实证优势。
2025-01-02 econ.EM stat.ME stat.ML
Construction of Simultaneous Confidence Bands for Multiple Logistic Regression Models over Restricted Regions
本文提出了在多元逻辑斯谛回归模型下,当预测变量被限制在特定区域$\mathscr{X}$时,构造渐近双曲带的方法。如果预测变量可以被限制在某个区域,Scheffé的方法产生不必要的宽,因此保守,带。Piegorsch和Casella(1988)开发了一种程序,用于在特定区域上为多重逻辑斯谛回归模型建立渐近置信带。这些区域被证明是区域$\mathscr{X}$的特殊情况,该区域首先由Seppanen和Uusipaikka(1992)在多元线性回归背景下研究。本文还提供了当限制区域不是指定形式时构造保守置信带的方法。特别是,矩形的限制区域,这是在实践中经常遇到的,被认为是。给出了两个例子来说明所提出的方法,一个例子表明,所提出的程序优于由Piegorsch和Casella(1988)给出的方法。
2016-04-05 math.ST stat.ME stat.TH
Confidence Sets for a level set in linear regression
回归建模是统计学的主要工具,有大量关于回归函数估计的文献。近年来人们认识到,在回归分析中,最终目标可能是估计回归函数的水平集,而不是估计回归函数本身。已发表的工作估计水平集迄今主要集中在非参数回归,特别是点估计。本文考虑了线性回归水平集置信集的构造问题。特别是,$1-α$水平的上限,下限和双侧置信集的正态误差线性回归构建。结果表明,这些置信集可以很容易地从相应的$1-α$水平的同时置信带构造。本文还指出,该构造方法同样适用于均值响应通过单调连接函数依赖于线性预测量的其它参数回归模型,包括广义线性模型、线性混合模型和广义线性混合模型。因此,本文提出的方法具有广泛的适用性。最后给出了实例说明该方法。
2022-07-26 stat.ME
Confidence bounds for the true discovery proportion based on the exact distribution of the number of rejections
针对先验指定假设集合,提出利用拒绝数精确分布计算TDP下置信界的方法,去除同时性要求以提升功效,并验证稳健性及应用于fMRI数据。
2023-10-12 stat.ME
Simultaneous Inference for Time Series Functional Linear Regression
Illinois State University(伊利诺伊州立大学);University of Toronto(多伦多大学)
本文提出一种统一的乘数Bootstrap方法,用于构建时间序列标量-函数线性回归系数函数的联合置信带,该方法在粗糙度惩罚估计下具有正确的覆盖概率渐近性,并对不一致估计的标准差具有渐近鲁棒性。
2026-04-27 stat.ME
From Sparse to Dense Functional Data: Phase Transitions from a Simultaneous Inference Perspective
该研究针对从稀疏到稠密的函数型数据,提出基于B样条估计量的统一高斯近似方法构建均值同时置信带,探究相变条件并扩展至正交级数估计量,经模拟与真实数据验证有效。
2024-01-31 stat.ME
Ranking with Confidence: A Probabilistic Framework for Deterministic Ranking Methods
University of Central Florida(中佛罗里达大学)
提出一个概率框架,将真实排名视为潜在随机变量,基于成对优势概率引入新排名准则,并开发最坏最优排名方法构建置信区间,首次为经典确定性排名提供形式化不确定性量化。
2026-06-02 stat.ME
Confidence regions for entries of a large precision matrix
精度矩阵在许多实际应用中起着重要的作用。受现代社会和科学研究中时间相关的多元数据的启发,我们考虑高维时间相关观测的精度矩阵的统计推断。具体来说,我们提出了一个数据驱动的过程来构建一类同时置信区域的精度系数内的索引集的兴趣。置信区域可用于检验精度矩阵的特定结构,并恢复其非零分量。我们首先通过惩罚节点方式的回归构建了底层精度矩阵的估计量,然后在估计精度矩阵和真实精度矩阵之间的最大差异上建立高斯近似结果。一个计算上可行的参数引导算法来实现所提出的过程。理论结果表明,该方法不需要对数据作二阶跨时平稳假设,也不需要对估计的长期协方差作稀疏结构条件。通过对标准普尔500指数收益率数据的仿真研究和实例分析,验证了该方法的有效性。
2018-03-27 stat.ME
Simultaneous Confidence Bands for Functional Data Using the Gaussian Kinematic Formula
该研究利用t过程高斯运动学公式构建函数数据同时置信带,证明其在非高斯过程下仍有渐近精确覆盖率,通过模拟验证其性能优于多数自助法且计算更快,并应用于扩散张量成像纤维分析。
2019-01-18 math.ST stat.ME stat.TH
The V-fold jackknife for semiparametric inference: variance estimation, confidence intervals, and simultaneous confidence bands
Division of Biostatistics, University of California, Berkeley(加州大学伯克利分校生物统计系);University of Pennsylvania(宾夕法尼亚大学)
研究针对半参数推断开发V折刀切法,它计算高效且理论合理,仅需V次留一法重拟合,利用伪值经验离散度量化不确定性,给出有效置信区间和同时置信带,扩展理论到特定估计量,模拟证实其可靠推断。
2026-07-27 math.ST stat.CO stat.ME
Network and Panel Quantile Effects Via Distribution Regression
本文提供了一种方法来构造非线性网络和面板模型中的分位数函数和分位数效应的同时置信带,具有不可观察的双向效应,严格外生协变量,并可能离散的结果变量。该方法基于由固定效应分布回归估计量构造的分布函数的同时置信带的投影。这些固定效应估计量是去偏的,以处理附带参数问题。在数据集的两个维度以相同速率增长的渐近序列下,分位数函数和效应的置信带在大样本中具有正确的联合覆盖。贸易引力模型的实证应用说明了网络数据的方法的适用性。
2020-06-08 econ.EM stat.ME
Simultaneous inference for Berkson errors-in-variables regression under fixed design
在回归分析的各种应用中,除了相关观测值中的误差之外,预测变量中的误差也起着重要作用,并且需要并入统计建模过程中。本文考虑了一个具有固定设计回归变量和中心随机误差的Berkson型非参数测量误差模型,这与现有的许多工作不同,在这些工作中,预报变量被看作是带有随机噪声的随机观测值。基于一个估计,考虑到在预测误差和适当的高斯近似,我们得到%均匀的信心声明的功能的兴趣。特别是,我们提供了有限的样本范围的覆盖误差均匀的置信带,在那里我们规避使用极值理论,而依赖于最近的结果反浓度的高斯过程。在一个模拟研究中,我们研究了有限样本的均匀置信集的性能。
2020-09-02 math.ST stat.ME stat.TH
Cluster on the Subject, Not the Record: Confidence Intervals and Simultaneous Bands for Additive-Hazards Sequential Trial Emulation
University of British Columbia(不列颠哥伦比亚大学);St. Paul’s Hospital(圣保罗医院)
该研究针对加性风险序贯试验模拟,指出行级稳健方差存在反保守性,提出受试者聚类方差和乘子自助法可改善置信区间覆盖率,并通过模拟和实际数据验证了方法有效性,相关代码已整合至steCI R包。
2026-08-04 stat.AP stat.ME
Wild Bootstrap based Confidence Bands for Multiplicative Hazards Models
我们提出了新的基于重采样的方法来构造多状态Cox模型中累积风险函数的渐近有效的时间同时置信带。特别是,我们详细讨论了简单Cox模型的方法与不定常协变量,其中的数据可能会受到独立的右删失或左截断。在广泛的模拟,我们调查他们的有限样本行为。最后,对一个实例进行了分析.
2018-08-01 math.ST stat.ME stat.TH
MiNCE: Nonparametric, Strongly Consistent Confidence Envelopes for Band-Limited Functions and their Smoothed Spectra
本文提出最小范数置信包络(MiNCE)框架,证明其强一致一致性,并扩展至频域平滑谱,实验验证了置信带的收缩性。
2026-09-10 cs.LG eess.SP math.ST
Uniformly Valid Post-Regularization Confidence Regions for Many Functional Parameters in Z-Estimation Framework
在本文中,我们开发的程序来构建同时的置信带$\tilde p$潜在的无穷维参数后,一般矩条件下的模型选择,其中$\tilde p$是潜在的远大于可用数据的样本量,$n$。这使我们能够覆盖具有功能响应数据的设置,其中每个$\tilde p$参数都是一个功能。该过程基于满足一定正交条件的得分函数的构造。所提出的同时置信带依赖于高维向量的统一中心极限定理(而不是Donsker参数,因为我们允许$\tilde p \gg n$)。为了构建频带,我们采用了一个乘法器引导程序,这是计算效率高,因为它只涉及重新估计的得分函数(并不需要解决高维优化问题)。本文将一般理论应用于logistic环节分布回归模型中回归系数过程的推断,并详细分析了两种实现方法。模拟和实际数据的应用程序,以帮助说明结果的适用性。
2019-02-03 math.ST stat.ME stat.TH
Causal inference with a functional outcome
该研究提出观测数据下二元处理对函数型结果的因果推断方法,定义函数型平均处理效应并开发结果回归估计量,通过同时置信带实现有效推断,经仿真验证后用于分析瑞典出生队列成年早期居住地对收入发展的影响。
2023-11-10 stat.AP stat.ME
Confidence Bands for the Logistic and Probit Regression Models Over Intervals
本文给出了当预测变量被限制在给定区间内时,logistic和probit回归模型的双侧和单侧同时双曲带的构造方法。基于最大似然估计的渐近性质构造频带。过去的文章已经考虑过为logistic模型建立双侧渐近置信带,例如Piegorsch和Casella(1988)。然而,由Piegorsch和Casella给出的置信带是保守的,在一个单一的区间限制下,它是在这篇文章中示出的,他们的频带可以锐化使用这里提出的方法。此外,在文献中还没有出现构建logistic模型单侧置信带的方法,也没有在预测变量的有限范围内为概率单位模型构建置信带的工作。本文提供了计算这些区域中的临界点的方法。
2016-04-05 math.ST stat.ME stat.TH
Inference for Change Points in High Dimensional Mean Shift Models
研究了高维均值漂移模型中变点位置的置信区间构造问题。为此,我们开发了一个本地改装最小二乘估计,并获得组件明智的和同时估计率的基础变化点。同时速率是文献中最快的,至少是$\log p,$的一个因子,而分量式速率是最佳的。这些结果使极限分布的存在。两个消失和非零跳跃大小制度下的特征,而联合分布的任何有限子集的变化点估计的特征在于后一种制度下,这也产生渐近独立的这些估计。组合结果用于构建变点参数的渐进有效分量和同步置信区间。结果是建立在一个高维尺度下,允许减少跳跃的大小,在存在分歧的变化点的数量和次指数误差。它们在合成数据和智能手机的传感器测量结果上进行了说明,以进行活动识别。
2021-07-19 math.ST stat.ME stat.ML
Optimal designs for comparing regression curves -- dependence within and between groups
我们考虑的问题,设计实验的比较两个回归曲线描述的预测和两组之间的反应,其中组内和组间的数据可能是依赖的关系。为了得到有效的设计,我们使用随机分析的结果,以确定相应的连续时间模型中的最佳线性无偏估计(BLUE)。它表明,在一般情况下,同时估计使用的数据从两组产生更精确的结果比估计的参数分别在两个组。利用同时估计的BLUE,通过最小化连续时间模型的最优解与其离散逼近之间的均方误差,构造了有限样本量下的有效线性估计量.最后,通过最小化两个回归函数之差的同时置信带的最大宽度来确定最优设计点。新方法的优点说明了通过模拟研究,其中它表明,使用的最优设计产生比均匀设计的应用程序的置信带大幅收窄。
2021-01-14 math.ST stat.ME stat.TH