Design-Life Levels for Flood Extremes: A Dependence-Aware Block-Maxima Workflow for Severity and Persistence
National University of Singapore（新加坡国立大学）；Institut Teknologi Sepuluh Nopember（十十一月理工学院）
提出一种依赖感知的块最大值工作流，统一估计极端严重性、聚类持续性及设计寿命水平，通过滑动块最大值分位数缩放和稳定块窗口池化方法，在短记录依赖数据中改善区间校准，应用于水文和保险损失数据。
2026-09-24 stat.AP stat.ME
Geometric extremal graphical models and coefficients of extremal dependence on block graphs
University of Edinburgh（爱丁堡大学）；Lancaster University（兰卡斯特大学）
本文提出几何极值图模型，用于分析块图中极值依赖系数的传播，为高维极值建模提供新方法。
2026-01-01 math.ST stat.TH
Extremal Quantile Regression: An Overview
极值分位数回归，即应用于条件分布尾部的分位数回归，在越来越多的经济和金融应用中发挥作用，如风险价值、生产前沿、低婴儿出生体重的决定因素和拍卖模型。本章概述了极值分位数回归理论和算法的最新发展。该理论的进展依赖于对Koenker和Bassett（1978）分位数回归估计定律的极值近似的使用。极值律不仅被证明在尾部提供比高斯律更准确的近似，而且还被用作使用模拟和适当的自举和子采样变化来开发偏差校正估计量和推断方法的基础。这些方法的适用性说明了两个实证例子的条件风险价值和金融传染。
2017-02-08 econ.EM stat.ME
Threshold selection for extremal index estimation
提出了随机过程极值指标非参数估计的一种新的阈值选取方法。提出了所谓的差异方法，作为用于估计密度函数的数据驱动的平滑工具。现在，它被修改为选择一个极值指数估计的门限参数。为此，基于Cramér-von Mises-Smirnov统计量$ω^2$的差异统计量的特定归一化通过$k$最大顺序统计量而不是整个样本来计算。证明了它作为$k\to\infty$的渐近分布与$ω^2$ -分布相同。后一种分布的分位数用作差异值。推导出与差异法相结合的极端指数估计的收敛速率。差异法被用作区间和$K-$间隙估计量的自动阈值选择，它可以应用于极值指数的其他估计量。
2020-09-04 math.ST stat.TH
Statistical Inference on a Changing Extremal Dependence Structure
本文针对独立非同分布多元正则变化随机向量，提出局部与时序积分谱测度估计量，并基于过程收敛构造谱测度时不变性的相合检验。
2023-06-02 math.ST stat.ME stat.TH
BRACE: Blockwise Rank Aggregation for Correlation Estimation
University of Macau（澳门大学）；Columbia University（哥伦比亚大学）；Two Sigma Investments（Two Sigma投资公司）
针对 Chatterjee 相关性估计的有限复制方差缺口，提出分块秩聚合方法 BRACE，通过局部块替代相邻比较并平均块内秩差，在可容许块大小下达到信息界，并提供方差估计与置信区间。
2026-09-24 stat.ME
Asymptotically efficient estimators for stochastic blockmodels: the naive MLE, the rank-constrained MLE, and the spectral
当平均度以$n$中的$ω(\sqrt{n})$的速率增长时，我们建立了利用谱嵌入估计随机块模型图中块概率矩阵$\mathbf{B}$的渐近正态性结果。作为推论，我们证明了当$\mathbf{B}$是满秩时，由谱嵌入得到的$\mathbf{B}$的估计是渐近有效的。当$\mathbf{B}$是奇异的谱嵌入得到的估计可以有更小的均方误差比那些从最大化的对数似然无秩假设下得到的，而且，可以几乎一样有效的真正的MLE假设已知的$\mathrm{rk}(\mathbf{B})$。我们的研究结果表明，在随机块模型图的背景下，谱嵌入不仅是计算上容易处理的，但由此产生的估计也是容许的，即使相比，据称是最佳的，但计算上难以处理的极大似然估计下没有秩的假设。
2017-10-30 stat.ME
Regression Type Models for Extremal Dependence
我们提出了一个向量广义加性建模框架，考虑到协变量对角密度函数在多元极值背景下的影响。所提出的方法是针对极端值之间的依赖关系可能会根据协变量而变化的设置而定制的。我们设计了一个最大惩罚对数似然估计，讨论了估计过程的细节，并推导出其一致性和渐近正态性。仿真研究表明，所提出的方法在丰富的仿真场景中表现良好，准确地恢复真正的协变量调整角密度。我们的实证分析揭示了冬季两个高山度假胜地极端气温之间依赖关系的相关动态。本文的补充材料可在网上查阅。
2017-11-27 stat.ME
Estimating space-time trend and dependence of heavy rainfall
提出了一种新的方法来评估极端值的时间趋势也占空间依赖性。基于空间-时间阈值上的一致性，给出了趋势函数和极值参数的估计，从而导出了应用平稳极值过程的均匀化过程。通过变差函数分析（包括各向异性）进一步评估空间上的极值相关性。我们检测到显着的不均匀性和趋势的极端行为的日降水量数据在84年的时间内，从68个观测气象站在德国西北部。我们观察到，总的来说，随着时间的推移，这种趋势并不是单调的。证明了在最大吸引域条件下估计量的渐近正态性。
2017-07-14 stat.ME
On the asymptotics of extremal lp-blocks cluster inference
本文研究平稳正则变化时间序列中极值块的聚类推断，建立基于大 lp-范数观测值的块估计量渐近正态性，并在线性模型等经典模型中验证条件，证明经典指数聚类估计量渐近方差为零。
2025-05-06 math.PR math.ST stat.TH
$k$-means clustering of extremes
$k$ -均值聚类算法及其变体-球形$k$ -均值聚类算法是无监督学习和模式检测中最重要和最流行的方法之一。在本文中，我们探讨如何球形$k$ -均值算法可以应用于分析只有极值观测数据集。通过利用多元极值分析，我们展示了如何可以通过它来找到“原型”的极值依赖，我们得出了一致性结果，我们建议的估计。在最大线性模型的特殊情况下，我们进一步表明，我们的程序提供了另一种方式的统计推断这类模型。最后，我们提供的数据的例子表明，我们的方法是能够找到相关的模式在极端的观察，并允许我们分类极端事件。
2019-05-25 stat.ME
Limit laws for the norms of extremal samples
令表示为$S_n(p) = k_n^{-1} \sum_{i=1}^{k_n} \left( \log (X_{n+1-i,n} / X_{n-k_n, n}) \right)^p$，其中$p > 0$，$k_n \leq n$是整数序列，使得$k_n \to \infty$和$k_n / n \to 0$，并且$X_{1,n} \leq \ldots \leq X_{n,n}$是具有规则变化的上尾的iid随机变量的顺序统计量。估计量$\widehat γ(n) = (S_n(p)/Γ(p+1))^{1/p}$是Hill估计量的扩展。我们研究了固定$p > 0$和$p = p_n \to \infty$的$S_n(p)$和$\widehat γ(n)$的渐近性质。在适当的假设下证明了强相合性和渐近正态性。应用到实际数据中，我们发现，对于较大的$p$的估计是不太敏感的$k_n$比希尔估计的变化。
2020-04-27 math.PR math.ST stat.TH
Estimation of the Spectral Measure from ConvexCombinations of Regularly Varying RandomVectors
本文提出利用正则变化随机向量分量凸组合的极值行为构造谱向量组合矩的新估计量，证明其渐近正态性，并通过子采样 bootstrap 的 plug-in 估计实现极值系数的最小渐近方差。
2024-07-03 math.ST stat.ME stat.TH
Randomization-based joint central limit theorem and efficient covariate adjustment in stratified $2^K$ factorial experiments
随机区组析因实验广泛应用于工业工程、临床试验和社会科学中。研究人员经常使用线性模型和协方差分析来分析实验结果;然而，有限的研究已经解决了由此产生的推论的有效性和稳健性，因为线性模型的假设可能无法通过随机区组析因实验中的随机化来证明。本文建立了随机区组$2^K$析因试验中常用（未调整）析因效应估计的一个新的有限总体联合中心极限定理.我们的定理是在一个基于随机化的推理框架下得到的，利用了向量形式的Wald-Wolfowitz-Hoeffding定理的一个线性秩统计量的扩展。它对模型误设、区组数量、区组大小和区组间的倾向得分具有稳健性。为了提高估计和推理效率，我们提出了四种协变量调整方法。我们表明，在温和的条件下，协变量调整的阶乘效应估计是一致的，联合渐近正态的，一般比未调整的估计更有效。此外，我们提出了Neyman型保守估计的渐近协方差，以方便有效的推断。模拟研究和临床试验数据分析证明了协变量调整方法的益处。
2022-08-03 stat.ME
Extremes, extremal index estimation, records, moment problem for the Pseudo-Lindley distribution and applications
Zeghdoudi和Nedjar（2016）引入的伪林德利分布研究了其上尾。在这方面，当底层分布函数遵循伪林德利定律时，我们研究其值的行为、Hill估计量和双指标广义Hill统计过程（Ngom和Lo）的渐近正态性、记录值的渐近正态性和矩问题。
2019-12-14 math.ST stat.ME stat.TH
Subsampling Extremes: From Block Maxima to Smooth Tail Estimation
我们研究了一个新的估计的尾部指数的分布在Frechet域的吸引力，自然产生的计算子样本最大值。该估计量等价于在具有两个顺序统计量的Hill估计量上取U-统计量。该估计量与Hill估计量相比具有多个优点。特别是，它具有作为阈值k的函数的渐近平滑样本路径，使其比Hill估计量稳定得多。估计器还承认一个简单直观的阈值选择规则，不需要拟合二阶模型。多元分析杂志，130，2014
2014-10-19 math.ST stat.ME stat.TH
Bootstrapping Estimators based on the Block Maxima Method
针对滑动分块极大值估计量渐近方差难估计的问题，提出基于循环分块极大值重采样的一致性自助法，证明经典不相交分块极大值重采样自助法的一致性及两类估计量渐近方差等价性，通过实验和案例验证方法有效性。
2025-03-25 math.ST stat.ME stat.TH
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
The Highest Dimensional Stochastic Blockmodel with a Regularized Estimator
在随机网络的高维随机块模型中，簇（或块）的数目K随着节点的数目N而增长。两个先前的研究已经检查了谱聚类和最大似然估计器在高维模型下的统计估计性能;这些结果都不允许K增长快于N^{1/2}。我们研究了一个模型，其中忽略对数项，K可以与N成比例增长。由于簇的数量必须小于节点的数量，没有合理的模型允许K增长得更快;因此，我们的渐近结果是“最高”维。为了将渐近设置推向这个极端，我们做出了额外的假设，这些假设是由体质人类学的经验观察（Dunbar，1992）和对大规模经验网络的深入研究（Leskovec et al 2008）所激发的。此外，我们开发了一个正则化的最大似然估计，利用这些见解，我们证明，在某些条件下，正则化估计错误聚类的节点的比例收敛到零。这是第一篇论文明确介绍和证明统计正则化的优势，在参数形式的网络分析。
2013-08-01 math.ST stat.ME stat.TH
All Block Maxima method for estimating the extreme value index
Erasmus University Rotterdam（伊拉斯姆斯大学鹿特丹）；De Nederlandsche Bank（荷兰中央银行）；Tinbergen Institute（蒂宁伯根研究所）
本文提出所有块最大值估计器，该方法具有置换不变性，具有最低渐近方差，通过模拟研究验证了其渐近理论。
2026-04-13 math.ST stat.TH
Extremal clustering in non-stationary random sequences
众所周知，严格平稳序列的极值分布不同于独立同分布序列的分布，因为极值聚类可能发生。在这里，我们考虑非平稳但同分布的随机变量序列的适当的长程相关性的限制。我们发现，适当规范化的样本最大值的极限分布取决于一个参数，测量的序列的平均极值聚类。基于这种新的表示，我们得到的渐近分布之间的时间连续的极端观察和构造矩和似然估计的极值聚类的措施。我们专门我们的结果，以随机序列的周期依赖结构。
2021-04-22 math.ST stat.TH
A hybrid-Hill estimator enabled by heavy-tailed block maxima
King’s College London（伦敦国王学院）
本文提出了一种混合-Hill估计器，结合块极大值法和超过阈值法，解决了传统块大小要求的问题，并提供了更高效的极值统计方法。
2026-02-11 math.ST stat.AP stat.ME
Statistical inference on $D^{(d)}(u_n)$ condition and estimation of the Extremal Index
本文针对极端事件聚类中的$D^{(d)}(u_n)$条件提出假设检验和极值指数估计量，并证明其渐近正态性，模拟及三国气象站数据验证了方法的有效性。
2023-11-11 math.ST stat.TH
Maximum likelihood estimators based on the block maxima method
极值指标是单变量极值理论中的一个基本参数。它捕获分布的尾部行为，并且是超出观察数据的外推的核心。在其他半参数方法（如流行的希尔估计）中，块最大值（BM）和超过阈值的峰值（POT）方法被广泛用于评估极值指数和相关的归一化常数。我们提供了基于BM方法的最大似然估计（MLE）的渐进理论。我们的主要结果是渐近正态性的极大似然估计与非平凡的偏见取决于极值指数和所谓的二阶参数。我们的方法结合了似然过程和块极大值的经验分位数过程的渐近展开。结果允许完成EVT中最常见的半参数估计（最大似然估计和基于POT或BM方法的概率加权矩估计）的比较，通过其渐近方差，偏差和最优均方误差。
2017-05-01 math.ST stat.TH
Extremal dependence: some contributions
由于全球化和放松的市场监管，我们帮助增加了对国际市场的极端依赖。因此，近年来，基于多元极值理论，在文献中提出了几种尾部相关性的度量方法。本文给出了两个随机向量之间的尾相依函数和极值相依系数，推广了已有的相依函数和极值相依系数。我们将看到，在削弱通常所需的依赖允许评估依赖量的$d$变量随机向量的基础上二维技术。将陈述非常简单的估计量，并且可以应用于众所周知的\emph{stable tail dependence function}。并导出了渐近正态性和强相合性。最后将介绍对金融市场的应用。
2011-08-09 math.ST stat.AP stat.TH
Estimating the multivariate extremal index function
多元极值指标函数将多元平稳序列的逐点最大值向量的渐近分布与来自同一平稳分布的独立序列的渐近分布联系起来。它还测量多变量过程中极端值的聚集程度。在本文中，我们构造了这个函数的非参数估计，并证明了它们在长相依和矩条件下的渐近正态性。通过仿真研究的结果进行了说明。
2008-11-14 stat.AP
Weighted Distributed Estimation under Heterogeneity
本文研究了分布数据块间非均匀分布情况下的分布M-估计。提出了一种加权分布估计器，以提高所有数据块共享的公共参数的标准“分裂和征服”（SaC）估计器的效率。加权分布估计被证明是至少一样有效的，将是全样本和广义矩估计方法与后两个估计需要充分的数据访问。一个偏差减少制定的WD估计，以适应更大的数据块的数量比现有的方法，而不牺牲估计效率，和一个类似的去偏操作的SaC估计。推导了WD和两种去偏估计的均方误差（MSE）界和渐近分布，表明了去偏估计在数据块数较大时的优越性能.
2022-09-14 math.ST stat.TH
On kernel smoothing for extremal quantile regression
通过反转响应的条件分布的核估计量获得的非参数回归分位数在统计学中早已建立。然而，注意力一直局限于远离条件分布尾部的普通分位数。本文的目的是将他们的渐近理论推广到尾部。我们专注于极值分位数回归估计的响应变量给定的协变量在一般设置的向量，无论条件极值指数是积极的，消极的，或零。具体来说，我们阐明他们的极限分布时，他们位于数据的范围内或附近，甚至超出样本边界，在技术条件下，链接的收敛速度（中间或极端）的分位数函数的振荡和冯-米塞斯属性的条件分布。给出了仿真实验和实际数据的说明。真实的数据是美国电力数据，其中条件极值的估计被发现是真正感兴趣的。
2013-12-18 math.ST stat.TH
Statistical Inference for High-Dimensional Linear Regression with Blockwise Missing Data
本文针对具有块状缺失协变量和部分观测响应变量的高维线性回归模型，提出基于无偏估计方程和块状插补的高效估计器，并利用创新的投影估计方程技术构建渐近正态的去偏估计器，从而实现有效的置信区间和统计检验，在数值研究和阿尔茨海默病数据分析中优于现有方法。
2023-06-28 math.ST stat.ME stat.ML
Consistency and Asymptotic Normality of Stochastic Block Models Estimators from Sampled Data
网络的统计分析是一个非常活跃的研究领域，大量的文献涉及网络模型和网络的统计分析。然而，在网络分析中，很少有论文涉及缺失数据，我们认为，在实践中，网络经常观察到缺失值。在本文中，我们专注于随机块模型与价值的边缘，并考虑MCAR设置，假设每一个二元（对节点）是相同的，独立于其他的概率$ρ> 0$采样。证明了在缺失数据存在的情况下，只要抽样概率$ρ$满足$ρ\gg\log(n)/n$，极大似然估计及其变分逼近是相合的且渐近正态的.
2020-10-20 math.ST stat.TH
Weighted Parameter Estimators of the Generalized Extreme Value Distribution in the Presence of Missing Observations
针对极值分析中因极端事件设备故障导致的缺失数据引发估计偏差的问题，提出广义极值分布的加权最大似然与加权矩估计量，经模拟验证后应用于加拿大东海岸潮汐数据。
2025-08-03 stat.AP stat.ME
New Exploratory Tools for Extremal Dependence: Chi Networks and Annual Extremal Networks
了解极值间的相关结构在环境风险评价中具有重要意义。在这项工作中，我们提出了$χ$网络和年度极值网络探索环境过程的极值依赖结构。通过连接估计的上尾依赖系数$\hat χ$超过规定阈值的对来构造$χ$网络。我们开发了一个初始的$χ$网络估计，我们使用空间块引导来评估我们的估计的偏差和方差。然后，我们开发了一种方法来纠正偏差的初始估计，将空间结构的$χ$。除了$χ$网络，它评估了空间极值依赖在一个较长的时间段，我们进一步引入了一个年度极值网络，以探索每年的极值连接的时间变化。我们通过分析美国墨西哥湾沿岸及周边地区飓风季节最大降水来说明$χ$和年度极值网络。分析表明，研究区降水极值存在长距离极值相关，极值相关的强度可能取决于某些区域尺度的气象条件，如海表温度。
2019-01-23 stat.ME
Block bootstrap optimality for density estimation with dependent data
非参数核密度估计的抽样分布的精确逼近对于许多统计推断问题是至关重要的。由于这些估计量具有复杂的渐近分布，因此Bootstrap方法通常用于此目的。带身份证。观察，大量的文献存在关于最佳的自助方法，实现最快的可能收敛速度的抽样分布的核密度估计的自助估计。对于相关数据，这样的最优性理论是一个重要的开放问题。在弱相依假设下，我们建立了核密度估计的块自举最优性的一般理论，这些假设被许多重要的时间序列模型所满足。我们提出了一个统一的框架的理论研究的一类丰富的引导方法，其中包括作为特殊情况下的二次抽样，Kunsch的移动块引导，霍尔的下平滑（UNS）以及方法，将没有（NBC）或显式偏差校正（EBC）。此外，我们认为他们的准确性下的带宽$h$，其中包括作为一个重要的特殊情况下的MSE最优的选择，以及其他欠平滑的选择广泛的选择。根据每一个选择的$h$，我们得出最佳的调整参数和比较最佳性能的主要子类（EBC，NBC，UNS）的引导方法。
2019-09-05 math.ST stat.ME stat.TH
Inference of high quantiles of a heavy-tailed distribution from block data
本文针对块数据中仅观测到少数最大值的情形，提出重尾分布高分位数的估计量并证明其渐近正态性，同时用经验似然法构造置信区间，模拟比较了不同方法的性能。
2023-06-24 math.ST stat.ME stat.TH
On optimal block resampling for Gaussian-subordinated long-range dependent processes
基于块的恢复估计器已经被深入研究用于弱依赖时间过程，这有助于为实现提供信息（例如，最佳块大小）。然而，很少有人知道的resception性能和块大小下的强或长期的依赖性。要建立路标块选择，我们考虑了广泛的一类强相关的时间过程，形成了一个固定的长记忆高斯序列的变换，并检查基于块的restaurant估计的方差的原型样本均值;扩展到一般的统计泛函也被认为是。与弱相依不同，强相依下的恢复估计的性质复杂地依赖于时间序列的非线性性质（超越Hermite秩）以及长记忆系数和块大小.此外，直觉通常认为，强相关性下的最优块大小（例如，样本量$n$的$O(n^{1/2})$）应大于弱相关性下已知的最优阶数$O(n^{1/3})$。这种直觉在很大程度上是不正确的，尽管由于长记忆时间序列中的非线性，块顺序$O(n^{1/2})$在许多情况下可能是合理的（甚至是最佳的）。虽然最佳的块大小是更复杂的长程依赖相比，短程，我们提供了一个一致的数据驱动的块选择规则，和数值研究表明，指导块选择在其他基于块的问题与长记忆时间序列，如分布估计和策略测试Hermite秩。
2022-08-02 math.ST stat.ME stat.TH
Adaptive covariance matrix estimation through block thresholding
大的协方差阵的估计已经引起了相当多的关注，到目前为止，理论上的重点主要是发展一个固定的参数空间上的极大极小理论。在本文中，我们考虑自适应协方差阵估计的目标是建立一个单一的过程，这是最小最大率同时在每个参数空间在一个大的集合。提出了一种完全数据驱动的块阈值估计器。该估计器的构造是通过仔细地将样本协方差阵划分成块，然后通过阈值同时估计块中的条目。该估计器被证明是最佳率自适应在很宽的范围内的可带协方差阵。仿真研究表明，块阈值估计器在数值上表现良好。本文中开发的一些技术工具也可以是独立的兴趣。
2012-11-02 math.ST stat.TH
Optimality of variational inference for stochastic block model with missing links
变分方法在网络数据分析中非常流行。这些方法获得的统计保证通常为随机块模型下的全局模型参数估计问题提供渐近正态性。在目前的工作中，我们考虑的情况下，网络与丢失的链接，这是重要的应用程序，并表明变分近似的最大似然估计收敛于极小极大率。这为含缺失环节的随机区组模型的参数估计问题提供了第一个极小极大最优易处理的估计器。我们补充我们的结果与模拟和真实网络的数值研究，这证实了这种估计比目前的方法的优势。
2021-11-05 math.ST stat.TH
Estimation of Large Precision Matrices Through Block Penalization
本文主要探讨逆协方差矩阵$\bSigma^{-1}$或精度矩阵的稀疏性。我们根据其修改的Cholesky分解的Cholesky因子的每个非对角带形成参数块，并使用$L_2$范数而不是单个元素来惩罚每个参数块。我们开发了一个一步估计，并证明了一个预言性质，其中包括块符号一致性和渐近正态性的概念。特别地，假设Cholesky因子的初始估计量足够好，并且真正的Cholesky具有有限数量的非零非对角带，则即使$p_n \gg n$，Oracle属性也适用于一步估计量，并且甚至可以与$\log p_n = o(n)$一样大，其中数据$\y$具有平均值零，尾概率$P(|y_j| > x) \leq K\exp(-Cx^d)$，$d > 0$和$p_n$是变量的数量。我们还证明了一个算子范数收敛的结果，表明维数的成本是$\log p_n$。与Bickel和Levina（2008）的条带法或Levina \emph{et al.}（2007）的嵌套LASSO法相比，该方法的优势在于，它允许消除Cholesky因子中先于较强信号的较弱信号。讨论了求取Cholesky因子初始估计量的方法，并给出了求取一步估计量的梯度投影算法。仿真结果表明，新方法是有效的，并利用新方法和条带法对一组实际数据进行了分析。
2008-05-26 math.ST stat.ME stat.TH
Block thresholding for wavelet-based estimation of function derivatives from a heteroscedastic multichannel convolution model
我们观察到$n$异方差随机过程$\{Y_v(t)\}_{v}$，其中对于任何$v\in\{1,\ldots,n\}$和$t \in [0,1]$，$Y_v(t)$是未知函数$f$和已知模糊函数$g_v$的卷积积高斯噪声破坏。在$g_1,\ldots,g_n$的一般光滑性假设下，我们的目标是从观测值估计$f$的$d$阶导数（弱意义下）.我们提出了一种基于小波块阈值的自适应估计器，即“BlockJS估计器”。以平均积分平方误差（MISE）为例，我们的主要理论结果研究了Besov光滑空间上的Minimax速率，并表明我们的块估计可以达到最佳的Minimax速率，或者至少是在最不利的情况下接近Minimax。我们还报告了一套全面的数值模拟，以支持我们的理论研究结果。我们的块估计的实际性能相比，非常有利的现有方法的文献上的一个大的测试功能。
2013-03-13 math.ST stat.TH
Fast estimation of Kendall's Tau and conditional Kendall's Tau matrices under structural assumptions
本文提出在块结构假设下通过对成对估计值进行平均化来快速估计 Kendall's tau 和条件 Kendall's tau 矩阵的新方法，显著降低了计算成本和渐近方差，并在模拟和大型股票投资组合风险价值估计中验证了性能提升。
2024-12-27 math.ST q-fin.ST stat.ME
On the block maxima method in extreme value theory: PWM estimators
在极值理论中，有两种基本的方法，都被广泛使用：块极大值（BM）方法和峰值超过阈值（POT）方法。虽然许多理论研究已经进入POT方法，BM方法还没有得到深入研究。本文的目的是提供条件下，BM方法可以证明。我们还提供了一个理论上的比较研究的方法，这是在一般情况下与大量的文献比较的方法都基于模拟数据和全参数模型相一致。结果表明，在通常的实际情况下，BM方法是一种相当有效的方法。在本文中，我们限制注意的独立同分布。的情况下，并侧重于Hosking，Wallis和Wood [Technometrics（1985）27 251-261]的概率加权矩（PWM）估计。
2014-12-30 math.ST stat.TH
Consistency and Asymptotic Normality of Latent Block Model Estimators
潜在块模型（LBM）是一种基于模型的方法，用于同时对数据矩阵的$d$列和$n$行进行聚类。LBM中的参数估计是一个复杂的问题。虽然已经提出了各种估计策略，现在很好地理解经验，理论保证其渐近行为是相当稀疏，大多数结果仅限于二进制设置。我们在这里证明理论保证的价值设置。我们证明了在参数空间上的一些温和的条件下，并且在当$n$和$d$趋于无穷大时，$\log(d)/n$和$\log(n)/d$趋于$0$的渐近状态下，（1）完全模型（具有已知标签）的最大似然估计是一致的，（2）在完全模型和观测模型（具有未知标签）下的对数似然比是等价的。这种等价性使我们能够将渐近一致性和在较弱条件下的渐近正态性转化为观测模型下的最大似然估计。此外，变分估计也是相容的，在相同的条件下，渐近正态。
2020-02-25 math.ST stat.TH
Consistent estimation of dynamic and multi-layer block models
近年来，随机块模型（SBM）估计量的理论分析取得了重大进展。在本文中，我们考虑多图SBM，它作为许多应用程序设置，包括动态和多层网络的基础。我们探讨了两个估计的多重图SBM，即谱聚类和最大似然估计（MLE）的渐近性质，随着层数的多重图的增加。我们推导出两个估计的一致性的充分条件，并提出了一个变分近似的MLE，计算上是可行的大型网络。我们通过仿真验证了充分条件，并证明了它们是实用的。此外，我们将该模型应用到两个真实的数据集：一个动态的社会网络和一个多层的社会网络与几种类型的关系。
2015-05-19 cs.SI math.ST physics.soc-ph
Bias correction for estimators of the extremal index
我们调查的联合渐近行为的极值指数，决定了集群的极值的平均长度，基于不同的阈值的一致性，所谓的块估计。由于这些估计量的大偏差，所得到的估计量通常对阈值的选择非常敏感，因此难以解释。我们提出并研究了一个偏置校正，渐近删除领先的偏置项，而收敛速度的随机误差被保留。
2011-07-05 math.ST stat.ME stat.TH
Asymptotic Distribution of Wishart Matrix for Block-wise Dispersion of Population Eigenvalues
本文讨论了Wishart矩阵的渐近分布及其在总体特征值按块无限离散时总体矩阵参数估计中的应用。我们表明，适当的归一化特征向量和特征值渐近生成两个Wishart矩阵和一个正态分布的随机矩阵，这是相互独立的。对于一类正交同变估计，我们计算了关于熵或平方损失函数的渐近风险，并得到了这类估计中的渐近最佳估计。数值结果表明：（1）分布和风险的收敛速度对于实际应用来说都是足够快的;（2）渐近最佳估计量对总体特征值偏离块式无穷离散具有鲁棒性。
2006-09-11 math.ST stat.TH
Extreme Value Analysis based on Blockwise Top-Two Order Statistics
Ruhr-Universität Bochum, Fakultät für Mathematik（波鸿鲁尔大学数学学院）
本文提出基于块内大顺序统计的极值分析方法，通过理论分析和仿真实验，提出一种偏倚校正估计器，提升对大风险水平估计的效率。
2026-04-17 math.ST stat.TH
Asymptotic normality of the Parzen-Rosenblatt density estimator for strongly mixing random fields
本文证明了Rosenblatt（1956）和Parzen（1962）提出的核密度估计在平稳强混合随机场中的渐近正态性。我们的方法是基于Lindeberg的方法，而不是伯恩斯坦的小块-大块技术和耦合参数广泛使用的非参数估计的空间过程在以前的作品。我们的方法允许我们只考虑带宽参数的最小条件，并提供了一个简单的标准（非均匀）不依赖于带宽的强混合系数。
2010-08-07 math.PR math.ST stat.TH
An efficient semiparametric maxima estimator of the extremal index
极值指标$θ$是平稳过程极值的局部依赖程度的度量，在极值分析中起着重要的作用。我们估计$θ$半参数，使用块最大值的分布和过程的边缘分布之间的关系来定义一个半参数模型。我们表明，这些半参数估计是更简单，更有效的参数。我们寻求进一步提高效率，使用最大值的滑块。模拟研究表明，半参数估计是有竞争力的领先估计。一个应用程序，以海涌高度结合的推断约$θ$与块最大值的标准极值分析，以估计边际分位数。
2015-08-02 stat.AP stat.ME
Optimal hybrid block bootstrap for sample quantiles under weak dependence
在弱强混合假设下，建立了样本分位数的块自助分布估计的一般最优性理论。与现有的结果相比，我们研究了不同数量的块的块引导。这对应于二次采样自举和移动块自举（MBB）之间的混合，其中块的数量介于1和样本量与分组长度的比率之间。我们的主要定理确定了块数和分组长度的最佳选择，以实现样本分位数的块自助分布估计的最佳收敛速度。作为我们分析的一部分，我们还证明了一个重要的引理，它给出了块自助分布估计的收敛速度，甚至对光滑函数模型的影响。我们提出了一个直观的程序，经验选择的最佳数量和长度的块。相关的例子说明了最佳选择块的数量的好处。
2017-10-06 math.ST stat.TH
Extremal quantile regression
分位数回归是估计给定协变量向量X的响应Y的条件分位数的重要工具。它不仅可以用来衡量协变量在分布中心的影响，而且可以用来衡量协变量在上尾和下尾的影响。本文发展了尾部分位数回归理论。具体地说，研究了尾部限制在最小吸引域且在回归变量值的尾部等价下闭的线性分位数回归模型的极值（极值阶和中间阶）分位数回归估计的大样本性质.这种建模设置结合了极值理论的限制与领先的同方差和异方差线性规格的回归分析。在大样本下，极阶回归分位数弱收敛于依赖于回归变量的Poisson过程随机积分的\argmin泛函，而中间回归分位数及其泛函收敛于方差矩阵依赖于尾部参数和回归变量设计的法向量.
2005-05-30 econ.EM math.ST stat.TH
On the spatial extent of extreme threshold exceedances
本文提出极值范围这一局部统计量，用于刻画随机场中极端事件的空间范围，并利用游程集理论推导其分布性质，揭示其与尾部依赖系数及极值指数的关联，为极端事件空间尺度分析提供新工具。
2024-10-14 math.ST stat.TH
Robust estimators for the log-logistic model based on ranked set sampling
针对排序集抽样下的 log-logistic 分布，提出基于密度幂散度的形状与尺度参数稳健估计量，推导其渐近分布并通过模拟验证其抗污染性和效率竞争力。
2024-04-04 math.ST stat.TH
Isotonic Regression in Multi-Dimensional Spaces and Graphs
本文研究了一般保序回归中的极大极小和适应率问题。对于具有$d\ge 2$和$N(0,1)$噪声的$[0,1]^d$中的均匀确定性和随机设计，当未知均值函数$f$为非减函数且其范围由一个常数限定时，已知$\ell_2$风险的最小最大比率由$n^{-1/d}$限定，而已知最小二乘估计量（LSE）几乎达到最小最大比率，直至因子$(\log n)^γ$，其中$n$是样本量，$γ= 4$在格子设计中和$γ= \max\{9/2, (d^2+d+1)/2 \}$在随机设计中。此外，已知当$f$在$[0,1]^d$的分区中的$K$超矩形上分段恒定时，LSE实现自适应速率$(K/n)^{-2/d}\{1\vee \log(n/K)\}^{2γ}$。由于极大极小定理，LSE在每个设计点上都与包含设计点的所有上下集上的最大-最小和最小-最大估计量相同。这促使我们考虑估计之间的最大-最小和最小-最大估计可能更小的类的上下集，包括一个子类的块估计。在噪声的$q$阶矩条件下，我们给出了图上保序回归的一般估计的$\ell_q$风险界。对于具有$d\ge 3$的$[0,1]^d$中的均匀确定性和随机设计，当$f$的范围有界时，我们的$\ell_2$风险界匹配极小极大率$n^{-1/d}$，并且当$f$是$K$ -分段常数时，达到接近参数自适应率$(K/n)\{1\vee\log(n/K)\}^{d}$。此外，块…
2020-01-10 math.ST stat.TH
A Location-Invariant Estimator of Extremal Quantile Treatment Effects for Heavy-Tailed Distributions
Huazhong University of Science and Technology（华中科技大学）；Tencent（腾讯）
针对重尾分布极值QTE估计量的位置偏移不不变问题，通过适配位置不变EVI估计量并替换外推方案，提出位置不变的极值QTE估计量，经模拟验证其性质良好。
2026-09-07 cs.LG stat.AP stat.ME
