Parametric estimation of quantile versions of Zenga and D inequality curves: methodology and application to Weibull distribution
本文研究 Zenga 与 D 不平等曲线分位数版本的参数估计,提出最小距离估计量并证明其一致性与渐近正态性,且在 Weibull 模型中加以应用说明。
2023-12-12 math.ST stat.AP stat.TH
On the occurrence of large gaps in small contingency tables
Sullivant构建了关于二进制随机变量的小列联表的示例,其中单元条目的下界上具有大的整数规划间隙。我们认为,这些构建的大差距发生的利润率很少遇到,从而重新打开的问题,是否线性规划是一个有效的启发式检测披露时,释放利润率的多路表。“很少被证明”的概念通过标准对的语言变得精确。
2009-12-03 math.CO math.OC math.ST
Second order statistics characterization of Hawkes processes and non-parametric estimation
证明了多变量Hawkes过程的跳相关矩阵通过一个Wiener-Hopf积分方程组与Hawkes核矩阵相联系。一个维纳-霍普夫参数允许一个证明,这个系统(其中的核心矩阵是未知的)拥有一个唯一的因果解,因此,二阶属性完全表征霍克斯过程。该积分方程系统的数值反演使我们能够提出一种快速有效的方法,其主要原理最初在[Bacry和Muzy,2013]中概述,以执行Hawkes核矩阵的非参数估计。在本文中,我们进行了系统的研究,这种非参数估计过程的一般框架标记霍克斯过程。我们一步一步地精确描述了这个过程。我们讨论的估计误差,并解释如何选择的主要参数的值。给出了各种数值例子,以说明广泛的可能性,这种估计过程范围从1维(幂律或非正内核)到3维(循环依赖)的过程。与其他非参数估计方法进行了比较。最后考虑应用于金融市场中的高频交易事件和地震发生动态。
2015-02-13 math.ST physics.geo-ph q-fin.ST
An Empirical Comparison of Parametric and Permutation Tests for Regression Analysis of Randomized Experiments
基于线性模型的假设检验被监管临床试验的组织广泛接受。这些测试是使用关于数据生成过程的强假设导出的,因此所得到的推断可以基于参数分布。因为这些方法很好理解,而且很强大,所以它们有时会应用于偏离假设的数据,例如序数整数分数。排列检验是一种非参数替代方法,需要最少的假设,这通常由进行的随机化来保证。我们比较协方差分析(ANCOVA),一个特殊的情况下,线性回归,包括分层,几个排列测试的基础上,控制预处理协变量的线性模型。在使用违反某些参数回归假设的模型进行随机化实验的模拟中,置换检验保持了与ANCOVA相当的功效。我们说明了使用这些排列检验与ANCOVA使用的数据从临床试验比较两种治疗胃食管反流病的有效性。考虑到临床试验的可观成本和科学重要性,额外的非参数方法(如线性模型置换检验)可作为主要研究终点统计推断的稳健性检查。
2017-10-10 stat.AP
Non parametric estimation of joint, Renyi-Stallis entropies and mutual information and asymptotic limits
本文提出了一种估计一对离散随机变量的联合概率质量函数的新方法。利用该估计量构造了一对离散随机变量的联合Shannon Rényi-Tsallis熵和互信息估计.建立了几乎处处相合定理和中心极限定理。我们的理论结果是通过模拟验证。
2020-01-11 stat.ME
Statistical Inference on Tree Swallow Migrations with Random Forests
鸟类的迁徙模式通常通过个人观察和历史记录来研究。然而,近年来,eBird公民科学项目征集了世界各地数千名鸟类观察者的观察结果,为采用数据驱动的方法来了解大规模地理运动打开了大门。在这里,我们专注于北美树燕子(\textit{Tachycineta bicolor})的发生模式在整个美国东部。鸟类学家和偶然的观察者都普遍认为,这种鸟类的迁徙出发日期在不同年份之间有很大的差异,但原因在很大程度上是未知的。在这项工作中,我们提出的证据表明,最高日温度是影响树燕子发生的一个主要因素。因为人们普遍认为,物种的发生是一个功能的许多复杂的,高阶的生态协变量之间的相互作用,我们利用随机森林提供的灵活的建模方法。利用最近的渐近结果,我们提供了正式的假设检验的预测意义的各种协变量,还开发和实施了一种基于置换的方法,正式评估年际变化,通过处理随机森林作为功能数据产生的预测表面。这些测试都表明,日最高温度对迁移模式有显着影响。
2019-11-08 q-bio.PE stat.AP
The Zipf law for random texts with unequal probabilities of occurrence of letters and the Pascal pyramid
我们用独立的不平等的字母出现概率来模拟单词的生成。我们证明了秩为$r$的词的出现概率$p(r)$具有幂渐近性。与B. Conrad和M. Mitzenmacher提出的方法,我们用初等方法给出了一个简单的证明,并得到了幂律指数的一个显式公式。
2012-05-03 math.CO math.ST stat.TH
A new non-parametric estimator of the cumulative distribution function under time-and random-censoring
本文针对左删失数据提出一种基于反向风险率和非参数似然的新累积分布函数估计量,并通过实际数据应用验证其有效性。
2023-07-10 math.ST stat.TH
Non-parametric indices of dependence between components for inhomogeneous multivariate random measures and marked sets
我们提出了新的汇总统计量来量化覆盖重加权矩平稳多变量随机集和措施的组件之间的关联。它们是根据覆盖重加权累积量密度定义的,推广了平稳随机闭集的经典泛函统计。我们研究了这些统计数据之间的关系,并明确评估了一系列模型。无偏估计量给出了所有的统计量,并适用于模拟的例子。
2016-08-05 math.ST stat.TH
A Robbins-Monro procedure for the estimation of parametric deformations on random variables
研究了独立同随机变量的参数化变形模型。首先,我们构造了一个有效的和非常容易计算的参数的递归估计。我们的随机估计类似于Robbins-Monro过程,其中对比函数是Wasserstein距离。其次,我们提出了一种类似于Parzen-Rosenblatt核密度估计的递推估计,以估计随机变量的密度。该估计值考虑了模型参数的先前估计值。最后,我们说明了我们的估计过程模拟Box-Cox变换和arcsinh变换的性能。
2013-02-01 math.ST stat.TH
Non parametric estimation for random walks in random environment
我们考虑独立同分布中的随机游动。Z上分布为$ν$的随机环境。我们感兴趣的问题是提供累积分布函数(c.d. f.)从随机游动的一条轨迹的观察值得到$ν$的F。为此,我们首先估计的时刻$ν$,然后结合这些时刻估计,以获得一个集合的估计(F M n)M $\ge$ 1的F,我们的最终估计是选择这个集合中的Lepskii的方法。因此,该估计量在实践中很容易计算。我们得到这个估计的收敛速度取决于H{<$}lder正则性的F和步行的发散率。我们的速度是最佳的,当链实现快速探索网站之间的权衡,允许获得更多的信息和每个网站的大量访问,允许更好地恢复环境本身。
2016-06-13 math.ST stat.TH
Parametric dependence between random vectors via copula-based divergence measures
本文通过$Phi$ -分歧族提出了多组可能大小不同的随机变量之间基于Copula的依赖量化。为此目的提供了一个公理化的框架,之后,我们专注于绝对连续的设置假设Copula密度存在。我们考虑参数和半参数框架,讨论估计程序,并报告所提出的估计的渐近性质。特别是,我们首先集中在高斯copula方法产生明确的和有吸引力的依赖系数的特定选择的$Phi$,这是更适合估计。接下来,考虑一般参数copula族,特别注意嵌套的阿基米德copula,它是随机向量依赖建模的自然选择。通过实例说明了结果。模拟和现实世界的金融数据的应用程序也提供了。
2023-02-27 math.ST stat.ME stat.TH
Non-parametric Regression for Spatially Dependent Data with Wavelets
研究了随机场的非参数回归估计。数据满足一定的强混合条件,并定义在定期$N$维晶格结构。我们表现出一致性,并获得收敛速度。在某些情况下,这些速率对对数因子取模是最优的。作为应用,我们用不一定是各向同性的多维小波估计了回归函数。我们用concliques的概念在可平面图上模拟了随机场(cf. Kaiser等人[2012])在估计过程的数值示例中。
2018-07-04 math.ST stat.TH
Identifiability of parametric random matrix models
研究了随机矩阵谱分布的参数可辨识性。特别地,我们处理复合Wishart型和信号加噪声型。我们表明,每个模型是可识别的某种旋转的参数空间。我们的方法是基于自由概率论。
2018-12-27 math.OA math.PR math.ST
Hybrid Parametric Classes of Isotropic Covariance Functions for Spatial Random Fields
协方差函数是空间统计、随机过程、机器学习等许多理论和应用学科的核心。协方差函数在小距离和大距离上的性质决定了相关高斯随机场的几何属性。具有允许指定局部和全局属性的协方差函数当然是按需的。本文提供了一种方法来寻找新的类的协方差函数具有这样的性质。我们将这些模型称为混合模型,因为它们是作为分段协方差核的尺度混合物而获得的,而这些尺度混合物也被定义为参数化测量族的分段线性组合。为了说明我们的方法,我们提供了新的家庭的协方差函数,被证明是更丰富的其他知名的家庭,已提出的早期文献。更确切地说,我们推导出一个混合柯西-Matérn模型,它允许我们索引的随机场的长记忆和均方可微性,和一个混合孔效应-Matérn模型,它能够达到负值(孔效应),同时保持传统Matérn模型的局部属性。我们的研究结果说明,通过数值模拟和真实数据的研究。
2023-01-13 math.ST stat.TH
Robust and Efficient Estimation in the Parametric Cox Regression Model under Random Censoring
Cox比例风险回归模型是分析截尾寿命变量与其他相关因素之间关系的常用工具。半参数Cox模型被广泛用于研究来自医学、生物学、可靠性研究等应用学科的不同类型的数据。如果适当指定,Cox回归模型的全参数版本可以产生更有效的参数估计,从而产生更好的洞察力。然而,现有的极大似然方法产生的推断下的全参数Cox回归模型是非常不稳健的数据污染,限制了它的实际应用。本文基于最小密度幂散度方法,给出了参数Cox回归模型的一种稳健估计方法。建议的最小密度功率发散估计被认为是产生高度稳健的估计数据污染下,只有轻微的损失,纯数据下的效率。此外,它们总是被认为比半参数Cox模型或其现有稳健版本下的基于似然的估计产生更精确的推断。我们还勾画了推导的渐近性质的估计,使用鞅的方法,并证明其鲁棒性理论上通过影响函数分析。通过仿真和一个实际数据例子说明了该建议的实用性和有效性。
2018-10-06 math.ST stat.ME stat.TH
Non-parametric Quickest Change Detection for Large Scale Random Matrices
考虑了基于具有单个未知变点的观测序列的$n\times p$随机矩阵的分布变化的最快检测问题。矩阵的行的变化前和变化后的分布的形式被假定为属于具有稀疏色散矩阵的椭圆轮廓密度的家族,但在其他方面是未知的。我们提出了一个非参数的停止规则,这是基于一个新的汇总统计相关的k-最近邻列之间的相关性,每个观察到的随机矩阵。在大尺度制度的$p\rightarrow \infty$和$n$固定,我们表明,在所有功能的建议的汇总统计量,建议的停止规则是渐近最优的最小最大最快变化检测(QCD)模型。
2015-06-20 cs.IT math.IT math.ST