Sufficient conditions for proper posteriors in fully-Bayesian Functional PCA
Johns Hopkins University（约翰斯·霍普金斯大学）
本文研究全贝叶斯函数主成分分析中主成分作为无限维参数的充分条件，通过正交样条基底投影证明主成分正交性等价于样条系数正交性，并展示如何通过积分二阶导数惩罚诱导平滑参数，最终证明无需额外条件即可保证后验分布正确性。
2026-04-28 math.ST stat.ME stat.TH
Statistical Inference on Transformation Models: a Self-induced Smoothing Approach
本文讨论了一类一般的变换模型，其中包含许多重要的半参数回归模型作为特例。它发展了一种自诱导平滑的最大秩相关估计，导致同时点和方差估计。自诱导平滑不需要带宽选择，但提供了适当的平滑量，使得估计量是渐近正态的，平均值为零（无偏），方差-协方差阵由通常的估计量一致估计。给出了方差估计的迭代算法，并证明了该算法在数值上收敛于一致的极限方差估计量。该方法适用于一个数据集，涉及原发性胆汁性肝硬化患者的生存时间。仿真结果表明，该方法在各种情况下都有良好的性能。
2013-02-27 stat.ME
NAS-X: Neural Adaptive Smoothing via Twisting
Google Research（谷歌研究院）；Stanford University（斯坦福大学）
NAS-X将重加权醒眠算法与平滑序列蒙特卡洛结合，为序列隐变量模型提供低偏差低方差的梯度估计，在推断和模型学习上显著优于VI和RWS方法。
2023-10-30 cs.AI cs.LG stat.ML
Variance estimation for Sequential Monte Carlo Algorithms: a backward sampling approach
针对粒子滤波和平滑的在线渐近方差估计问题，提出基于后向权重的新估计器及受PaRIS算法启发的高效估计器，提升了稳定性并降低了方差。
2023-01-02 stat.ME
On the estimation of variance parameters in non-standard generalised linear mixed models: Application to penalised smoothing
提出了一种新的广义线性混合模型方差参数估计方法。该方法起源于Harville（1977）的工作，但它能够处理具有随机效应向量的精度矩阵的模型，该随机效应向量在方差参数的倒数中是线性的（即，精度参数）。我们称这种方法为SOP（分离重叠精度矩阵）。SOP是基于应用逐次逼近的方法，以易于计算的方差参数的估计更新。这些估计更新具有吸引人的形式：它们是（加权）平方和与有效自由度相关的量的比率。我们提供了这些估计是严格正的充分必要条件。SOP的一个重要应用领域是模型的惩罚回归估计，其中多个二次惩罚作用于相同的回归系数。我们将详细讨论其中两个模型：局部自适应平滑和分层曲线数据的惩罚样条。在这些设置中的几个数据的例子。
2018-06-12 stat.ME
Using smoothing splines to resolve the curvature identifiability problem in age-period-cohort models with unequal intervals
长期队列（APC）模型经常用于各种健康和人口统计学相关的结果。拟合和解释APC模型的数据在相等的时间间隔（相等的年龄和周期宽度）是不平凡的，由于结构之间的联系，三个时间效应（给定两个，第三个总是可以找到）造成众所周知的识别问题。解决结构杆件识别问题的常用方法是根据可识别量建立模型。健康和人口数据的时间间隔不一致是很常见的，这在结构联系的基础上遇到了进一步的识别问题。我们强调了新的问题，显示数量，可识别的相等的时间间隔不再是可识别的不平等的数据。此外，通过广泛的模拟研究，我们展示了以前的方法不平等APC模型并不总是适当的，因为它们的敏感性，用于近似真实的时间函数的功能的选择。我们提出了一种新的方法，使用惩罚平滑样条建模不等APC数据。我们的建议有效地解决了出现的任何其他问题，并且对近似函数的选择具有鲁棒性。为了证明我们的建议的有效性，我们得出结论，从人类死亡率数据库（HMD）的英国全因死亡率数据的应用程序。
2021-12-15 stat.ME
How does noise protection affect the accuracy of life expectancy and other demographic indicators?
European Commission (Eurostat)（欧盟委员会（欧洲统计局））
本文研究噪声防护对人口统计指标如寿命预期准确性的影响，通过泊松模型分析噪声不确定性与固有统计不确定性的关系，并推导寿命预期方差的解析表达式。
2025-05-23 stat.ME
A recursive smoothing method for input and state estimation of vibrating structures
针对结构系统识别中传感器网络架构导致的系统不适定问题，提出一种适用于含直接前馈及秩亏前馈矩阵线性系统的递归平滑算法，实现同时输入与状态估计，显著提升了鲁棒性并大幅降低噪声。
2024-04-09 stat.AP
Space-Time Smoothing of Survey Outcomes using the R Package SUMMER
本文介绍开源 R 包 SUMMER，它结合 survey 与 INLA，为 DHS、MICS 等复杂调查数据提供顾及抽样设计的时空平滑与小区域估计流程。
2025-01-08 stat.AP stat.ME
Exploring Pareto smoothing in sequential Monte Carlo
University of Warwick（华威大学）；Centre for Environment, Fisheries and Aquaculture Science（环境、渔业和水产养殖科学中心）
研究在序贯蒙特卡洛采样器中应用帕累托平滑以减少重要性权重方差，发现其效果有限，因序列目标带来的方差降低主导了权重调整的影响。
2026-06-25 stat.CO stat.ME
Automatic Variance Adjustment for Small Area Estimation
University of Washington（华盛顿大学）；Emory University（埃默里大学）；Oak Ridge National Laboratory（橡树岭国家实验室）
本文提出了一种基于先验样本补充的自动方差调整方法，用于改进小区域估计中的方差估计，适用于数据稀疏的地理区域。
2026-02-16 stat.ME
Smoothed Model-Assisted Small Area Estimation
在人口普查数据有限的国家，对国家以下各级的健康和人口指标作出准确估计是一项挑战。现有的基于模型的地统计方法利用协变量信息和空间平滑来减少估计的可变性，但通常忽略调查设计，而传统的小区域估计方法可能无法以设计一致的方式将单元水平协变量信息和空间平滑结合起来。我们提出了一个平滑的模型辅助估计，占调查设计，并利用单位水平的协变量和空间平滑。在某些假设下，该估计量是设计一致的和模型一致的。我们比较它与现有的基于设计和基于模型的估计使用真实和模拟数据。
2022-08-04 stat.AP stat.ME
One-dimensional Nonstationary Process Variance Function Estimation
许多空间过程具有非平稳特性。我们估计一个方差函数从一个单一的过程观察的错误是非平稳和相关的。我们提出了一种基于差分的方法，一维非平稳过程，并开发了一种带宽选择方法进行平滑，考虑到相关的错误。将估计结果与Anderes和Stein（2011）提出的局部似然方法进行比较。仿真研究表明，该方法具有较小的综合均方误差，易于解决边界偏差问题，并且所需的计算时间远少于基于似然的方法。
2016-05-21 stat.ME
Smoothing Variances Across Time: Adaptive Stochastic Volatility
Cornell University（康奈尔大学）
本文提出自适应随机波动模型，通过动态收缩过程改进时间变化波动性估计，具有平滑动态适应性，并扩展为贝叶斯趋势过滤器，适用于金融、计量经济学和环境科学的时间序列数据。
2025-12-24 stat.AP stat.CO stat.ME
Interpolated Quantile Estimation: A Unified Framework Bridging Quantiles and the Mean
Mohammed V University in Rabat（拉巴特穆罕默德五世大学）；Université de Lille（里尔大学）
提出三类在经典分位数与样本均值之间连续插值的估计量，基于平滑L1损失构建统一M估计框架，证明一致性和渐近正态性，并揭示轻尾和重尾分布下的不同效率特性。
2026-06-19 stat.ME
A generalized Fellner-Schall method for smoothing parameter estimation with application to Tweedie location, scale and shape models
本文考虑了具有二次惩罚系数的正则对数似然模型中平滑参数和方差分量的估计，推广了Fellner（1986）和Schall（1991）的方法。特别是：（i）我们将原始方法推广到惩罚在几个平滑参数中是线性的情况，从而覆盖张量积和自适应平滑器的重要情况;（ii）我们展示了为什么该方法的步骤增加了模型的受限边际似然，它往往比期望最大化算法收敛得更快，或者明显加速，并研究其与牛顿优化的关系;（iii）我们将该方法推广到任何Fisher正则似然。该方法代表了一个相当大的简化，在现有的方法估计平滑参数的背景下，定期似然，而不牺牲一般性：例如，它只需要计算相同的第一和第二导数的对数似然系数估计所需的，而不是与第三或第四阶导数所需的替代方法。提供的例子，这将是不可能的或不切实际的预先存在的Fellner-Schall方法，以及一个例子的Tweedie的位置，规模和形状模型，这将是一个挑战的替代方法。
2016-06-15 stat.ME
Asymptotic properties of the multivariate Szász-Mirakyan estimator for cumulative distribution functions on the nonnegative orthant
Dalhousie University（达尔豪斯大学）；Université du Québec à Trois-Rivières（魁北克大学特鲁瓦里维埃分校）
本文研究了多变量Szász-Mirakyan估计器在非负正交量上累积分布函数的渐近性质，推导了在紧致子集内的显式偏倚和方差展开，提供了精确的均方误差刻画和最优平滑速率。分析表明，所提出的泊松平滑相对于经验分布函数具有显著的方差减少，从而带来可量化通过局部和全局缺陷度量的渐近效率提升。此外，还分别研究了估计器在支持区域边界附近的性质。在保持非退化泊松平滑的边界层缩放下，得到的偏倚和方差展开与内部区域有根本性差异。特别是，方差减少机制在最高阶消失，意味着在边界区域不存在渐近最优的平滑参数。还建立了中心极限定理和几乎处处一致性的结果。这些结果为多变量Szász-Mirakyan分布函数估计提供了统一的渐近理论，并阐明了平滑在内部和边界区域中的不同作用。
2026-05-19 math.ST stat.ME stat.TH
Smoothed Quantile Estimation via Interpolation to the Mean
本研究提出一类可在经验分位数与样本均值间连续插值的平滑分位数估计量，证明其统计性质，揭示不同尾部分布下的效率-稳健性权衡规律，为平衡分位数估计的稳健性与效率提供了新方法。
2025-10-30 stat.ME
Approximate Smoothing and Parameter Estimation in High-Dimensional State-Space Models
我们提出了一种近似算法，通过序贯蒙特卡罗方法（“粒子滤波器“）在一类高维状态空间模型进行平滑。在高维中，通常需要大量的蒙特卡罗样本（“粒子”）-在状态空间的维度上呈指数增长-以获得有用的平滑器。使用Rebeschini和Van Handel（2015）中的阻塞策略（以及早期关于阻塞的开创性工作），我们利用模型的空间遍历性来规避这种维数灾难。因此，我们得到近似平滑，可以在时间上和空间上并行递归计算。首先，我们证明了我们的阻塞平滑的偏差是有界的时间范围内，在模型的尺寸一致。然后，我们用粒子近似阻塞平滑器，并推导出阻塞粒子平滑器的理想化版本的渐近方差，以表明方差不再受到模型维度的不利影响。最后，我们采用我们的方法成功地执行极大似然估计通过随机梯度上升和随机期望-最大化算法在100维状态空间模型。
2017-09-20 stat.CO stat.ME
Kernel Smoothing of the Treatment Effect CDF
随机抽取的混杂因素分层的分层特异性处理效应或所谓的blip定义了一个随机变量和相应的累积分布函数。然而，CDF不是路径可微的，需要一个核平滑方法来估计它在一个给定的点或可能是许多点。假设CDF是连续的，我们推导出有效的影响曲线的内核平滑版本的blip CDF和CV-TMLE估计。估计是渐近有效的两个条件下，其中之一涉及到二阶剩余项，在这种情况下，向我们表明，知识的治疗机制并不能保证一个相合估计。余项还告诉我们，为了保证渐近有效性，我们需要准确地估计滋扰参数（结果模型和治疗机制）。通过模拟，我们验证了估计的理论性质，并显示了机器学习的重要性，超过传统的回归方法来拟合讨厌的参数。我们还推导了估计的偏差和方差，其阶数类似于核密度估计。这种估计开辟了开发方法的最佳选择的内核和带宽，形成CDF本身的置信区间的可能性。
2018-12-26 stat.ME
Diagnostics-guided variance-inflated Fay-Herriot estimation from non-probability samples
Vilnius University（维尔纽斯大学）；Institute of Data Science and Digital Technologies（数据科学与数字技术研究所）
针对非概率样本的小域估计，提出诊断引导的方差膨胀Fay-Herriot估计，通过域诊断指标调整方差膨胀，在弱覆盖域中加强平滑，显著降低估计误差。
2026-06-12 stat.ME
Quantifying the Uncertainty of Imputed Demographic Disparity Estimates: The Dual-Bootstrap
针对缺失种族/族裔数据下差异估计的不确定性表征偏差问题，提出双自助法以准确统计推断，适配BISG插补算法并通过仿真与真实数据验证，发现BISG误差主要源于偏差而非测量不确定性。
2024-03-10 stat.ME
Controlling the EWMA $S^2$ control chart false alarm behavior when the in-control variance level must be estimated
在参数不确定的情况下，研究控制限的设置问题在监控方差时更容易，因为只有一个参数需要估计。简单地忽略诱导的不确定性往往会导致控制图的虚警性能差。调整无条件受控（IC）平均游程长度（ARL）会使情况变得更糟。保证最小条件IC ARL与一些给定的概率是另一个非常流行的方法来解决这些困难。然而，它是非常保守的，也更复杂，更难以沟通。我们利用在控制图上绘制的计划点数内的虚警概率。事实证明，与控制无条件IC ARL相比，调整此概率产生显著不同的限制调整。然后，我们开发数值算法，以确定相应的修改的上限和双侧指数加权移动平均（EWMA）图表的基础上，正态分布数据的样本方差。这些算法在R包中可用。最后，研究了EWMA平滑常数和初始样本大小对控制图设计及其性能的影响。
2021-01-11 stat.ME
Adaptive estimation of vector autoregressive models with time-varying variance: application to testing linear causality in mean
研究了新息无条件异方差且序列相关的线性向量自回归（VAR）模型。波动率结构是确定性的，并且相当普遍，包括作为特殊情况的突变或趋势方差。在这个框架中，我们提出了普通最小二乘法（OLS），广义最小二乘法（GLS）和自适应最小二乘法（ALS）的程序。GLS估计器需要时变方差结构的知识，而在ALS方法中，未知方差通过OLS残差向量的外积通过核平滑来估计。还允许时变方差矩阵的不同单元的不同带宽。我们推导了VAR模型系数估计的渐近分布，并比较了它们的性质。特别是，我们证明了ALS估计是渐近等价于不可行的GLS估计。这种渐近等价性是在给定范围内相对于带宽一致获得的，因此证明了数据驱动带宽规则的合理性。利用这些结果，我们建立Wald检验的线性Granger因果关系的平均值，这是适应VAR过程的误差驱动的非平稳波动。它还表明，常用的标准Wald检验的线性Granger因果关系的平均值是潜在的不可靠的，在我们的框架。蒙特卡罗实验说明了使用不同的估计方法分析具有稳定新息的VAR模型。
2010-07-08 stat.ME
Space-time smoothing models for sub-national measles routine immunization coverage estimation with complex survey data
针对亚国家级常规免疫覆盖率估计问题，提出一种利用复杂调查数据并整合补充免疫活动信息的时空平滑模型，用于尼日利亚MCV1覆盖率估计，可高效实现。
2020-07-07 stat.AP stat.ME
Estimation of the Evolutionary Spectra with Application to Stationarity Test
在这项工作中，我们提出了一个新的推理程序理解非平稳过程，进化谱的框架下开发的Priestley。在各种非平稳过程的建模框架中，演化谱的显著特点是它关注频率的物理意义。演化谱密度的经典估计是基于由短时傅立叶变换和平滑组成的双窗口技术。然而，已知平滑遭受所谓的偏置泄漏问题。通过将汤姆森的multitaper方法，最初是专为平稳过程，我们提出了一个改进的估计的进化谱密度，并分析其偏差/方差/分辨率的权衡。作为新估计的一个应用，我们进一步提出了一个非参数的基于秩的平稳性检验，并提供了各种实验研究。
2019-01-18 stat.ME
Group-Sparse Smoothing for Longitudinal Models with Time-Varying Coefficients
Academy of Life and Natural Sciences, Xi’an Jiaotong-Liverpool University（西交利物浦大学生命科学与自然科学学院）
TV-Select通过组稀疏平滑方法，有效识别纵向模型中时间变化与恒定效应，提升结构恢复与预测性能。
2026-08-03 math.ST stat.AP stat.CO
Inference Optimal Long Run Variance Estimation with Lugsail Kernels
Smith College（史密斯学院）；University of California, Riverside（加州大学河滨分校）
针对具有平稳序列依赖的数据，提出基于非标准固定平滑极限分布的Lugsail估计器最优带宽规则，改善偏差校正并优化推断。
2026-06-17 math.ST stat.ME stat.TH
A novel smoothing-based goodness-of-fit test of covariance for multivariate sparse functional data
本文提出一种基于平滑的多元稀疏函数型数据协方差拟合优度检验，扩展单变量检验并引入多元统计量，提高功效，应用于ADNI和PPMI数据验证实用性。
2025-03-27 stat.AP stat.ME
Kalman Filtering and Smoothing for Improving Precision in Horvitz--Thompson Estimation of Infectious Disease Prevalence
The Ohio State University（俄亥俄州立大学）；Uppsala University（乌普萨拉大学）
针对Horvitz--Thompson患病率估计的噪声与缺失问题，提出联合局部线性趋势状态空间模型，利用卡尔曼滤波与平滑提高精度，并在模拟和真实数据中验证了效果。
2026-09-10 stat.AP stat.ME
Design- and Model-Based Approaches to Small-Area Estimation in a Low and Middle Income Country Context: Comparisons and Recommendations
对严格和及时的健康和人口统计摘要的需求推动了地理研究的爆炸式增长，一种常见的方法是制作像素级地图，特别是在低收入和中等收入国家。在这方面，住户调查是一个主要的数据来源，通常采用两阶段分组设计，按区域和城市化程度分层。准确的估计对于精确的公共卫生政策干预至关重要，但目前的许多研究采取漫不经心的方法来承认抽样设计，同时在精细的地理尺度上呈现结果。在本文中，我们调查在何种程度上占样本设计可以影响预测的总体水平，这通常是推断的目标。我们描述了一个模拟研究中，现实的抽样框创建为肯尼亚，人口和人口统计信息的基础上，与调查设计，模仿人口健康调查（DHS）。我们比较了各种常用模型的预测性能。我们还描述了一个集群级模型与离散空间平滑之前，以前没有使用过，但提供了可靠的推理。我们发现，包括分层和聚类水平的随机效应可以提高预测性能。空间平滑直接（加权）估计是强大的先验和调查设计。连续的空间模型表现良好的存在下，精细的尺度变化，但是，这些模型需要最“手握”。随后，我们研究了模型在真实数据上的表现;具体来说，我们使用2014年肯尼亚人口与健康调查的数据对20-29岁女性的中等教育普及率进行了建模。
2019-10-15 stat.AP stat.ME
Radial Neighborhood Smoothing Recommender System
Department of Statistics and Bioinformatics and Computational Biology Program（统计学与生物信息学及计算生物学项目部）；School of Mathematical Sciences and Center for Statistical Science（数学科学学院和统计科学中心）
提出径向邻域估计器（RNE），通过观测矩阵行列距离近似潜在空间距离并结合局部核回归平滑，提升推荐插补精度并缓解冷启动问题。
2025-07-14 cs.LG stat.AP stat.ME
Estimating Subnational Under-Five Mortality Rates Using a Spatio-Temporal Age-Period-Cohort Model
本研究提出一种新颖的时空年龄-时期-队列贝叶斯层次模型，用于估计肯尼亚次国家级五岁以下儿童死亡率，并验证了队列效应的有用性。
2023-09-05 stat.AP stat.ME
Conditional Mean and Variance Estimation via \textit{k}-NN Algorithm with Automated Variance Selection
Harvard T.H. Chan School of Public Health（哈佛大学T.H. Chan公共卫生学院）；University of Santiago de Compostela（圣西蒙大学）；University of California, Los Angeles（加州大学洛杉矶分校）
提出一种结合数据驱动变量选择的k-NN回归方法，联合估计条件均值与方差，实现快速收敛并在模拟和生物医学应用中优于传统k-NN。
2025-10-27 cs.LG stat.CO stat.ME
On Variance Estimation of Random Forests with Infinite-Order U-statistics
University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
无限阶U-统计量（IOUS）已被广泛用于子打包集成学习算法，如随机森林，以量化其不确定性。虽然IOUS的正态性结果已被广泛研究，但其方差估计方法和理论性质仍大多未被探索。现有的方法主要利用Hoeffding分解中的主导项优势属性。然而，当核大小较大或样本量较小时，这种观点通常会导致有偏估计。另一方面，虽然文献中存在一些无偏估计量，但它们之间的关系和理论性质，特别是比率相合性，从未被研究过。这些限制导致构造的置信区间的性能无法保证。为了弥合这些差距，在文献中，我们提出了一个新的观点Hoeffding分解方差估计，导致一个无偏估计量。我们的观点利用了峰值区域的优势，而不是主导项的优势。此外，我们建立了我们的估计与现有的几个无偏方差估计的联系和等价性。从理论上讲，我们是第一个建立这样的方差估计的比率一致性，这证明了覆盖率的置信区间从随机森林构造。数值上，我们进一步提出了一个局部平滑过程，以提高估计的有限样本性能。广泛的模拟研究表明，我们的估计享有较低的偏见和存档目标覆盖率。
2023-02-14 cs.LG stat.CO stat.ME
Between Resolution Collapse and Variance Inflation: Weighted Conformal Anomaly Detection in Low-Data Regimes
Intelligent Systems Research Group (ISRG)（智能系统研究组）
本文提出加权符合性异常检测方法，解决低数据环境下因分布偏移导致的分辨率崩溃与方差膨胀问题，通过连续推理放松实现局部适应与尾部分辨率解耦，提升统计效力。
2026-03-24 cs.LG stat.ME stat.ML
