Reliability and Preventive Maintenance for Multivariate Gamma Degradation with Shared Random Effects and Cumulative Environmental Shock Damage
College of Mathematics and Statistics Northwest Normal University（西北师范大学数学与统计学院）
针对多元Gamma退化的相关性、异质性与累积环境损伤问题，提出带共享随机效应和环境退化过程的模型，推导可靠性表达式，开发估计算法与维护优化方法，经模拟与涂层应用验证有效。
2026-10-16 stat.AP
A New Perspective on Cumulative Residual Rényi Entropy
Indian Institute of Technology Indore（印度理工学院印多尔分校）；Rajiv Gandhi Institute of Petroleum Technology, Bengaluru Campus（拉吉夫·甘地石油技术研究所班加罗尔校区）
本文提出新的累积剩余Rényi熵（CRRE），解决传统度量的收敛性与非负性问题，研究其性质、动态版本及非参数估计量，经模拟验证后应用于混沌理论与金融数据以量化不确定性。
2026-10-15 math.ST stat.AP stat.TH
Exact Comparison of Explanatory Strength of Two Dependent Predictors
University of South Bohemia, Faculty of Agriculture and Technology（南波希米亚大学农业与技术学院）；University of South Bohemia, Faculty of Arts（南波希米亚大学文学院）
针对两个依赖预测变量对共同目标的解释力比较，提出配对交换置换检验，通过保持边际分布和协方差结构实现精确非参数推断，在标准方法失效时仍能维持名义显著性并最大化统计功效。
2026-06-26 stat.ME
The Cumulative Residual Mathai--Haubold Entropy and its Non-parametric Inference
Kuriakose Elias College（库里亚科斯·埃利西斯学院）；Indian Statistical Institute（印度统计研究所）
本文提出累积残差Mathai-Haubold熵及其动态版本，并基于生存函数的核密度估计开发非参数估计器，通过模拟和实际数据验证其有效性。
2025-12-10 math.ST stat.ME stat.TH
Hyperspherical Dirac Mixture Reapproximation
我们提出了一个新的方案，有效的狄拉克混合模拟单位超球面上的分布。一个所谓的超球局部累积分布（HLCD）被引入作为一个局部的和光滑的超球域中的连续密度的表征。基于HLCD，建立了一个流形修正的Cramér-vonMises距离（HCvMD），用于测量任意维Dirac混合物之间的统计发散.给定一个具有多个未知超球分布分量的（源）Dirac混合，通过在最小HCvMD意义下匹配源，得到一个具有较少分量的（目标）Dirac混合.由于目标狄拉克分量的数量是可配置的，因此以更有效和信息量更大的方式表示底层分布。基于这种超球Dirac混合再近似（HDMR），我们导出了一种密度估计方法和一种递归滤波器。对于密度估计，极大似然方法被提供来以von Mises-Fisher混合物的形式重建潜在的连续分布。对于递归滤波，我们介绍了超球再逼近离散滤波器（HRDF）的非线性超球估计的动态系统下的未知系统噪声的任意形式。仿真结果表明，HRDF提供了优越的跟踪性能的过滤器使用序贯蒙特卡罗和参数建模。
2021-10-20 cs.SY eess.SY stat.ME
On the weak convergence of the empirical conditional copula under a simplifying assumption
当给定协变量的两个随机变量的条件分布的copula不依赖于协变量的值时，关于该copula的非参数估计可达到的最佳可能的收敛速率，出现了两种相互矛盾的直觉。最后，任何这样的估计量必须基于给定协变量的两个因变量的边际条件分布函数，并且估计这样的局部对象的最佳可能速率比参数速率慢。然而，给定协变量值的条件copula的不变性表明参数收敛速度的可能性。更乐观的直觉被证明是正确的，证实了一个猜想支持广泛的蒙特卡罗模拟I。Hobaek Haff和J. Segers [计算统计和数据分析84：1- 13，2015]，并改进了I.吉贝尔斯湾Omelka和N. Veraverbeke [Scandinavian Journal of Statistics 2015，to appear].所提出的方法的新颖性在于在边缘累积分布函数的估计所采用的双重平滑过程。在温和的条件下的带宽序列，估计值在一定的类光滑函数，类具有足够小的熵的经验过程参数工作。copula估计本身是渐近无法区分的一种甲骨文经验copula，使它看起来好像边际条件分布函数是已知的。
2017-05-16 math.ST stat.TH
Regression Trees and Ensembles for Cumulative Incidence Functions
在过去的十年中，使用累积发生率函数来表征一种类型的事件在其他事件存在下的风险变得越来越流行。建模，估计和推理的问题已经处理使用参数，非参数和半参数的方法。开发机器学习方法的适当扩展的努力，例如回归树和相关的集成方法，最近已经开始。在本文中，我们提出了一种新的方法来估计累积发病率曲线在竞争风险设置使用回归树和相关的集成估计。所提出的方法采用增强估计的Brier得分风险的主要基础上建设和修剪树，并导致使用现有的R包很容易实现的方法。来自放射治疗肿瘤组（试验9410）的数据用于说明这些新方法。
2021-06-24 stat.ME
Regression Trees for Cumulative Incidence Functions
在过去的十年中，使用累积发生率函数来表征一种类型的事件在其他事件存在下的风险变得越来越流行。建模，估计和推理的问题已经处理使用参数，非参数和半参数的方法。开发机器学习方法的适当扩展的努力，例如回归树和相关的集成方法，最近才开始。在本文中，我们开发了一种新的方法来建立回归树估计累积发病率曲线在竞争风险设置。所提出的方法采用增强估计的Brier得分的风险作为主要的基础上建设和修剪树木。所提出的方法很容易使用R统计软件包实现。仿真研究表明，我们的方法在竞争风险设置的效用。来自放射治疗肿瘤组（试验9410）的数据用于说明这些新方法。
2020-11-13 stat.ME stat.ML
Latent Class Analysis with Semi-parametric Proportional Hazards Submodel for Time-to-event Data
潜在类别分析（LCA）是一个有用的工具，调查异质性的疾病人群的时间事件数据。本文提出了一种基于非参数极大似然估计（NPMLE）的协变量效应和累积风险函数的估计方法。我们通过广泛的模拟研究评估所提出的方法，并证明改进的预测性能超过标准Cox回归模型。我们进一步说明了所提出的方法的实际效用，通过应用到轻度认知障碍（MCI）队列数据集。
2022-02-01 stat.ME
Studying Competing Events with Federated Cumulative Incidence Curves
University of Michigan（密歇根大学）；University of Florida（佛罗里达大学）；University of Indiana（印第安纳大学）；Northwestern University（西北大学）；Purdue University College of Pharmacy（普渡大学药学院）
该研究开发了一种联邦学习方法，通过构建非参数累积发生率曲线，在不共享患者数据的情况下，分析10个站点1万余名癌症患者数据，揭示自身免疫病患者接受免疫检查点抑制剂治疗后的内分泌不良事件风险，为临床提供新依据。
2026-07-30 stat.ME
Non-Smooth Backfitting for Excess Risk Additive Regression Model with Two Survival Time-Scales
本文提出了一种新的后拟合算法来估计Scheike（2001）的复杂结构的非参数生存模型，而无需使用平滑。所考虑的模型是一个非参数生存模型，具有两个时间尺度，相当于一个常数，随受试者而变化。协变量效应通过加性Aalen模型在每个时间尺度上线性建模。通过求解两个时间尺度上的局部估计方程，给出了两个时间尺度上的累积强度估计。我们能够估计的累积强度解决回拟合估计方程，而不使用平滑方法，我们提供了大样本特性和同步置信带。该模型被应用于心肌梗死的数据，提供了一个分离的两个影响，从诊断和年龄的时间。
2019-04-02 stat.ME
Asymptotic Properties for Cumulative Probability Models for Continuous Outcomes
连续结果的回归模型通常需要结果的转换，用户可以指定{ \it先验}或从参数族估计。累积概率模型（CPM）非参数估计的转换，因此是一个灵活的连续结果的分析方法。然而，由于变换的潜在无界范围，很难建立CPM的渐近性质。在这里，我们展示了CPM的渐近性质，当应用于稍微修改的数据时，结果在末端被删失。我们证明了估计的回归系数和估计的转换函数在非删失区域上的一致相合性，并描述了它们的联合渐近分布。我们与模拟结果表明，从这种删失的方法和那些从CPM对原始数据是相似的，当一小部分数据被删失。我们重新分析了一个数据集的艾滋病毒阳性患者与CPM说明和比较的方法。
2023-02-18 stat.ME
Bayesian Survival Analysis Using Gamma Processes with Adaptive Time Partition
在事件发生时间数据的贝叶斯半参数分析中，对于时间轴的给定有限分区，基线风险函数或累积基线风险函数采用非参数过程先验。然而，提出一个一般性的指导方针来构建最佳的时间划分将是有争议的。虽然已经做了大量的研究来放松其他非参数过程的固定分裂时间的假设，据我们所知，还没有方法已经开发的伽玛过程之前，这是最广泛使用的贝叶斯生存分析。在本文中，我们提出了一个新的贝叶斯框架比例风险模型的累积基线风险函数的伽玛过程建模先验。所提出的框架的一个关键特征是，区间截断点的数量和位置被视为随机的，并根据其后验分布进行估计。
2020-08-05 stat.CO stat.ME
casebase: An Alternative Framework For Survival Analysis and Comparison of Event Rates
在至事件发生时间数据的流行病学研究中，临床医生和患者感兴趣的量是给定协变量特征的事件风险。然而，依赖于时间匹配或风险集抽样（包括Cox回归）的方法从似然表达式或估计函数中消除了基线风险。然后需要使用非参数方法单独估计基线危险。这导致难以解释的累积发病率的逐步估计。Hanley & Miettinen（2009）使用基于案例的抽样解释了如何使用逻辑斯谛回归估计参数风险函数。他们的方法自然会导致对时间上平滑的累积发病率的估计。在本文中，我们提出了案例库R包，一个全面的和灵活的工具包参数生存分析。我们描述了如何在更复杂的环境中使用基于案例的框架：竞争风险，随时间变化的曝光，和变量选择。我们的软件包还包括一系列广泛的可视化工具，以补充对事件发生时间数据的分析。我们通过四个不同的案例研究来说明所有这些功能。* 工代机构和监测组对这项工作作出了同等贡献。
2020-09-22 stat.ME
Addressing Detection Limits with Semiparametric Cumulative Probability Models
检测限（DL），即变量在一定范围外无法测量，在研究中很常见。大多数处理响应变量中DL的方法都隐含地对DL之外的数据分布进行参数假设。我们提出了一种新的方法来处理DL的基础上广泛使用的有序回归模型，累积概率模型（CPM）。CPM是一类半参数线性变换模型。CPM是基于等级的，可以处理连续和离散结果变量的混合分布。这些特征是分析具有DL的数据的关键，因为虽然DL内的观测通常是连续的，但DL外的观测是删失的，通常被放入离散的类别中。在单个较低DL的情况下，CPM将DL以下的值分配为具有最低秩。当存在多个DL时，可以修改CPM似然以适当地分布概率质量。我们演示了使用CPM与模拟和两个艾滋病毒数据的例子。第一个示例对生物标志物进行建模，其中15%的观察结果低于DL。第二种方法使用多队列数据对病毒载量进行建模，其中约55%的观察结果在DL之外，这些DL因研究中心和时间而异。
2022-07-06 stat.ME
Efficient estimation of weighted cumulative treatment effects by double/debiased machine learning
针对时间-事件结局观察性研究中模型误设与重叠性差的问题，提出一类单步交叉拟合的双重/去偏机器学习加权累积因果效应估计量，证明其理论性质，验证其性能并应用于抗糖药对癌症结局影响的真实数据研究。
2023-05-03 stat.ME stat.ML
Gaussian Transforms Modeling and the Estimation of Distributional Regression Functions
本文提出高斯变换建模条件累积分布函数，给出凹似然估计准则，统一估计密度、分布和分位数函数，并在美国性别工资差距应用中验证。
2025-04-20 econ.EM stat.ME
Nonparametric Estimation of the Underlying Distribution of Binned Continuous Data
本文提出一种基于三次保单调样条的非参数密度估计方法，用于分箱连续数据的底层分布估计，模拟和实际数据应用表明其优于多种常用启发式方法。
2023-09-22 stat.AP stat.ME
Instrumental variables estimation of exposure effects on a time-to-event response using structural cumulative survival models
使用工具变量来估计暴露对结果的影响在计量经济学中很流行，在流行病学中也越来越流行。这种日益普及的现象可能归因于观察性研究中工具变量的自然发生，这些研究通过设计或性质纳入了随机化元素（例如，基因的随机遗传）。工具变量估计暴露效应是建立连续的结果，并在一定程度上为二元结果。然而，由于删失和生存偏倚导致的并发症，它在很大程度上缺乏事件发生时间结局。在本文中，我们提出了一个新的建议下的一类结构累积生存模型，参数化的时间变化的影响，一个点暴露直接对规模的生存函数，这些模型基本上是等价的半参数变量的工具变量加性风险模型。我们提出了一类递归的工具变量估计这些暴露的影响，并推导出其大样本性质以及推理工具。我们在模拟研究中检查了所提出的方法的性能，并在孟德尔随机化研究中使用健康与退休研究的数据评估糖尿病对死亡率的影响。我们进一步使用所提出的方法来研究乳腺癌筛查对随后的乳腺癌死亡率的潜在益处。
2016-08-02 stat.ME
Non-parametric assessment of the calibration of individualized treatment effects
University of British Columbia（不列颠哥伦比亚大学）；Amsterdam University Medical Centers（阿姆斯特丹大学医学中心）；Smart Data Analysis and Statistics B.V.（智能数据分析与统计有限公司）；University Medical Center Göttingen（哥廷根大学医学中心）
本文提出非参数方法评估个体化治疗效应模型的适度校准，无需正则化或假设功能形式，通过构建累积预测误差过程实现渐近推断。
2026-08-20 stat.ME
Joint parametric specification checking of conditional mean and volatility in time series models with martingale difference innovations
利用累积残差过程，我们提出了联合拟合优度检验的条件均值和方差函数的背景下，非线性时间序列与鞅差的创新。主要的挑战来自这样一个事实，即累积残差过程不再承认，在原假设，分布自由的限制。为了获得一个实际的解决方案，一个变换的过程，以实现一个分布自由的限制或近似的非分布自由的限制使用数值或重新采样技术。在这里，三个解决方案将被考虑。它表明，所提出的测试有非平凡的权力对一类root-n本地的替代品，是合适的条件信息集是无限维的，这使得包括模型，如自回归条件异方差随机模型与相关的新息。所提出的方法只假设一阶和二阶条件矩的某些条件，而不施加任何自回归模型。介绍的测试程序进行了比较，彼此之间和与其他竞争对手在他们的权力，使用模拟研究和真实的数据应用。这些模拟表明，基于原始统计量的重新采样或数值近似的测试的统计功效通常略好于基于原始过程的鞅变换的测试。
2021-07-01 math.ST stat.ME stat.TH
Bayesian non-parametric survival estimation: stochastic hyperparameter sequences and distribution splicing
本文提出一种用于生存时间数据的贝叶斯非参数框架，允许先验分布依赖随机源并随样本量更新，利用混合非递减可加过程研究累积危险函数，证明了其渐近性质并提供精确模拟算法，为非参数拼接模型提供了新方案。
2025-05-02 stat.ME
Local differential privacy in survival analysis using private failure indicators
本文提出在局部差分隐私下，通过私有化失败指标并用非参数核估计器估计累积风险函数，证明其一致性及极小极大最优性。
2024-02-06 math.ST stat.ME stat.TH
Non-parametric efficient estimation of marginal structural models with multi-valued time-varying treatments
本文针对多值时变处理下的边际结构模型，结合机器学习与半参数效率理论提出一种非参数估计量，证明其有效、渐近正态且序列双重稳健，并通过模拟和COVID-19流动性数据验证其性质。
2024-09-27 stat.ME stat.ML
Beyond ATE: Multi-Criteria Design for A/B Testing
Laboratory for Information and Decision Systems, MIT（麻省理工学院信息与决策系统实验室）；Department of Statistics, University of Chicago（芝加哥大学统计学系）
本文提出ConSE算法，通过多目标优化在非参数设置下实现适应性实验的帕累托最优，同时满足差分隐私要求，并证明其在敏感领域中的有效性。
2026-02-12 stat.ME stat.ML
A Log-Linear Non-Parametric Online Changepoint Detection Algorithm based on Functional Pruning
本文提出非参数在线变点检测算法NP-FOCuS，利用经验累积密度函数和函数剪枝实现对数线性计算成本，在多种场景下检测功效优于现有非参数方法。
2024-01-11 stat.CO stat.ME stat.ML
Efficient Estimation For The Joint Model of Survival and Longitudinal Data
在生存研究中，重要的是记录关键纵向协变量的值，直到受试者事件发生。因此，必须使用联合模型研究纵向和事件发生时间结局之间的关联。本文应用剖面似然法估计了生存与纵向数据联合模型的累积危险度和回归参数。此外，我们通过对轮廓似然的渐近展开，证明了轮廓似然估计的渐近正态性，并得到了方差估计的显式形式。联合模型的回归参数的估计是半参数有效的。
2021-06-08 stat.ME
Sequentially Doubly Robust Estimation of Conditional Survival Probability with Time-Varying Covariates
Michigan State University（密歇根州立大学）；University of Washington（华盛顿大学）；Fred Hutchinson Cancer Center（弗雷德·哈钦森癌症中心）；Harvard Medical School（哈佛医学院）
本文提出一种非参数估计方法，用于估计连续时间生存概率，考虑时间变化协变量的失访影响，方法在每个时间窗口内一致估计失访分布或同时估计事件时间分布和条件均值概率，具有双重稳健性和渐近效率。
2026-11-03 stat.ME
How should we aggregate ratings? Accounting for personal rating scales via Wasserstein barycenters
University of California, Berkeley（加州大学伯克利分校）
针对评分均值聚合未考虑个体评分尺度差异的问题，本文基于最优输运提出非参数评分聚合模型，推导了渐近一致的评分估计量，推广了Kendall's W系数并证明相关收敛定理。
2025-11-18 math.ST stat.ME stat.TH
Wild Bootstrap for Counting Process-Based Statistics
本文开发了一个利用鞅结构统一建立大样本性质的通用框架，涵盖生存时间分析中的非参数、半参数和参数方法，并通过Fine-Gray模型和医院感染数据应用验证了Wild bootstrap方法的可靠性。
2023-10-26 math.ST stat.ME stat.TH
