Smoothing the Conditional Value-at-Risk based Pickands Estimators
本文将条件风险价值(CVaR)引入广义Pickands估计量,提出beta测度平滑方法并开发算法确定最优beta测度以最小化渐近均方误差,在模拟中展现出良好且稳定的有限样本性能。
2024-09-24 math.ST stat.ME stat.TH
Generalized Bayes Estimators with Closed forms for the Normal Mean and Covariance Matrices
在多元正态分布均值矩阵的估计中,给出了具有封闭形式的广义Bayes估计,并给出了关于矩阵损失函数和标量平方损失函数的极大极小的充分条件.给出了协方差阵的广义Bayes估计的封闭形式,并讨论了Stein损失函数的优势性质。
2021-08-13 math.ST stat.TH
A closed-form estimator for the multivariate GARCH(1,1) model
我们提供了一个封闭形式的估计的基础上的VARMA表示的非限制性多元Gestro(1,1)。我们表明,所有的参数可以使用基本的线性代数工具。我们证明了该估计量是相合的且渐近正态分布的。我们的结果还允许通过求解Hafner [2008]中的方程,在多变量Gynthology(1,1)的时间聚集的上下文中导出参数的封闭形式。
2013-03-15 math.ST stat.TH
A Closed-Form Approximation to the Conjugate Prior of the Dirichlet and Beta Distributions
UBS AG(瑞银集团)
我们推导了Dirichlet分布和β分布的共轭先验,并通过数值例子对其进行了探索,从而对分布本身、超参数及其收敛条件有了直观的理解。由于前的棘手性,我们继续定义和分析一个封闭形式的近似。最后,我们提供了一种实现这种近似的算法,该算法能够对狄利克雷和贝塔似然进行完全易于处理的贝叶斯共轭处理,而无需蒙特卡罗模拟。
2021-07-07 cs.LG math.ST stat.ML
Density estimation for RWRE
考虑了随机环境中随机游动的单轨道观测的非参数密度估计问题。我们首先使用β-矩构造一个密度估计。然后,我们表明Goldenshluger-Lepski方法可用于选择β矩。我们证明了这些估计的上确界范数的非渐近界的经常性和瞬态的权利的情况下。模拟研究支持我们的理论研究结果。
2018-06-15 math.ST stat.TH
Characterization of Generalized Alpha-Beta Divergence and Associated Entropy Measures
Washington University in St. Louis(华盛顿大学圣路易斯分校);Duke University(杜克大学);Indian Statistical Institute(印度统计研究所)
探索α-β散度家族扩展得到广义α-β(GAB)散度超家族,给出其有效性条件与性质,讨论相关熵测度等,通过实例展示其在局部和全局稳健性间的平衡,为统计推断提供新工具。
2026-07-08 math.ST stat.TH
New closed-form estimators for discrete distributions
University of Oxford(牛津大学)
本研究将Stein矩方法适配到离散分布参数估计中,得到无需数值优化的闭式估计量,小样本表现优于MLE,且渐近性能不受未知矩形截断域影响。
2025-10-21 math.ST stat.TH
A comparison of Bayesian and frequentist interval estimators in regression that utilize uncertain prior information
考虑一个具有回归参数β和正态分布误差的线性回归模型。假设感兴趣的参数是theta = a^T beta,其中a是指定的向量。定义参数tau = c^T beta - t,其中c和t是指定的,并且a和c是线性无关的。还假设我们有不确定的先验信息tau = 0。Kabaila和Giri,2009年,JSPI,描述了一种新的频率论1-alpha置信区间的θ,利用这种不确定的先验信息。我们比较这个置信区间与贝叶斯1-alpha等尾和最短的可信区间θ,从先验密度τ是一个混合的矩形“板”和狄拉克δ函数“尖峰”,结合非信息先验密度的模型的其他参数。我们表明,这些频率和贝叶斯区间估计依赖于数据在非常不同的方式。我们还考虑了这种先验分布,导致贝叶斯和频率区间估计更大的相似性的一些密切的变化。尽管如此,正如我们所展示的,这些区间估计量之间仍然存在很大的差异。
2014-01-14 math.ST stat.ME stat.TH
Multi Anchor Point Shrinkage for the Sample Covariance Matrix (Extended Version)
面对有限的样本量,投资组合经理必须使用因子模型来估计高维收益向量的协方差矩阵。对于最简单的单因素市场模型,成功取决于估计的领先特征向量“beta”的质量。当只观察到收益本身时,从业者可以获得等于样本协方差矩阵的前导特征向量的“PCA”估计。这个估计器在很多方面表现不佳。为了解决这个问题,在高维,有限的样本量渐近制度和估计最小方差投资组合的背景下,戈德堡,Papanicolau和Shkolnik开发了一种收缩方法(“GPS估计”),通过将其缩小到一个恒定的目标单位向量来改进β的PCA估计。在本文中,我们继续他们的工作,开发一个更一般的框架收缩目标,允许从业者利用进一步的信息,以改善估计。例子包括股票贝塔的部门分离,以及来自先前估计的最新信息。我们证明了一些精确的陈述,并通过一些数值实验说明了由此产生的相对于GPS估计器的改进。
2021-09-11 math.ST q-fin.CP stat.TH
On the UMVUE and Closed-Form Bayes Estimator for $Pr(X<Y<Z)$ and its Generalizations
本文考虑了$Pr(X<Y<Z)$的参数估计及其基于几个著名的单参数和双参数连续分布的推广。证明了对于某些单参数分布和某些双参数分布中存在一个共同的已知参数时,一致最小方差无偏估计可以表示为第一类Appell超几何函数的线性组合,$F_{1}$和超几何函数$_{2}F_{1}$和$_{3}F_{2}.$基于共轭伽玛先验的贝叶斯估计和Jefferys的非在平方误差损失函数下的信息先验也被给出为$_{2}F_{1}$和$F_{1}.$的线性组合或者,还提出了涉及$F_{1}$函数的贝叶斯估计的收敛无穷级数形式。在模型的推广和扩展中,进一步证明了UMVUE可以表示为Lauricella级数$F_{D}^{(n)},$和广义超几何函数$_{p}F_{q},$的线性组合,它们分别是$F_{1}$和$_{2}F_{1}$的推广.为了衡量UMVUE和$P$的闭式Bayes估计相对于其他已知估计的性能,还计算了$P$的极大似然估计,Lindley逼近估计和Markov Chain Monte Carlo估计。此外,还构造了渐近置信区间和贝叶斯最大概率密度置信区间。
2023-01-23 math.ST stat.TH
Superiority of Bayes estimators over the MLE in high dimensional multinomial models and its implication for nonparametric Bayes theory
本文重点讨论了贝叶斯估计的性能,与极大似然估计相比,在多项模型与相对较大的细胞。贝叶斯估计的先验被认为是共轭狄利克雷,即,多变量Beta,在坐标上具有可交换的分布,包括无信息的均匀分布。选择多项式的动机是它在商业和工业中的许多应用,但也是为了提供一个简单的未知分布的非参数估计。令人惊讶的是,贝叶斯过程优于渐近有效的MLE在大多数的参数空间,即使是适度的大尺寸参数空间和相当大的样本量。
2019-10-05 math.ST stat.TH
Expectations of some ratio-type estimators under the gamma distribution
本文利用Lukacs定理和gamma-beta关系,为伽马分布下样本基尼指数、泰尔指数、阿特金森指数等比值型估计量的期望提供了更简洁的证明,并推导了样本方差均值比的期望。
2025-05-08 math.ST stat.TH
Moment-Type Estimators for the Dirichlet and the Multivariate Gamma Distributions
National Kapodistrian University of Athens(国立卡波季斯特里安雅典大学);Department of Mathematics, National and Kapodistrian University of Athens(国立卡波季斯特里安雅典大学数学系)
本文提出了一种基于Dirichlet分布的矩型估计器,用于解决Dirichlet和多元伽玛分布的最大似然估计问题,并开发了相应的R包。
2023-11-25 math.ST stat.TH
Minimax Simple Bayes Estimators of a Normal Variance
Chiba University(千叶大学)
本文提出了一种简洁的贝叶斯估计器,解决了正态方差在熵损失下的最小最大性问题,提供了闭式结果。
2026-02-28 math.ST stat.TH
Reflected Generalized Beta Inverse Weibull Distribution: definition and properties
本文研究了由反射广义β分布定义的一类广泛的分布函数。这个类包括Beta生成的分布作为一个特例。特别地,我们利用这类分布对逆韦布尔分布进行了推广,得到了反映广义Beta逆韦布尔分布,并导出了它的矩、熵、顺序统计量和可靠性测度.广义逆威布尔分布和Dagum分布之间的联系。然后研究了参数的极大似然估计,并给出了观测的Fisher信息矩阵。最后,该模型的有用性说明了通过应用程序的真实数据。
2014-01-28 math.ST stat.ME stat.TH
The Beta-Gompertz Distribution
在本文中,我们介绍了一个新的四参数广义版本的Gompertz模型,这是所谓的Beta-Gompertz(BG)分布。它包括一些著名的寿命分布,如β指数分布和广义Gompertz分布作为特殊的子模型。这种新的分布是非常灵活的,可以有效地用于建模生存数据和可靠性问题。它可以有一个减少,增加,和浴缸形的故障率函数取决于其参数。给出了新分布的密度、累积分布、危险率函数、$k$阶矩、矩母函数、Shannon熵、分位数测度等数学性质.讨论了由一个观测样本对BG参数的极大似然估计,并导出了观测Fisher信息矩阵。进行了模拟研究,以探讨这一建议的参数估计。最后,为了展示BG分布的灵活性,给出了一个使用真实数据集的应用。
2014-07-02 math.ST stat.TH
Explicit expressions for moments of the beta Weibull distribution
Beta韦布尔分布由Famoye等人(2005)引入,并由这些作者进行了研究。然而,他们暂时没有给出明确的表达。现在我们导出累积分布函数和该分布的矩的显式封闭形式表达式。我们还给出了矩母函数的渐近展开式。进一步讨论了极大似然估计,并给出了费舍尔信息矩阵元素的计算公式。我们还证明了这种分布在一个真实的数据集上的有用性。
2008-09-10 math.ST stat.ME stat.TH
Bernstein-Type Bounds for Beta Distribution
本文为Beta分布建立了尖锐的Bernstein型指数集中不等式,通过由超几何表示导出的二阶中心矩递推改进已有次高斯和次伽马界。
2023-02-06 math.PR math.ST stat.AP
Bahadur efficiency of the maximum likelihood estimator and one-step estimator for quasi-arithmetic means of the Cauchy distribution
随机变量的某些拟算术平均很容易给出柯西分布的位置参数和尺度参数联合的无偏强相合封闭型估计。考虑了柯西分布的拟算术平均的一步估计。我们建立了最大似然估计和一步估计的Bahadur效率。我们还表明,均方误差的收敛速度达到Cramer-Rao界。我们的结果也适用于圆形柯西分布。
2021-12-06 math.ST stat.TH
Estimation of geodesic tortuosity and constrictivity in stationary random closed sets
研究了平稳随机闭集的测地曲折度和压缩度的估计问题。它们对于分析多孔或复合材料中的有效输运性质具有核心重要性。不严格地说,测地线曲折度测量路径的曲折性,而收缩性的概念捕获了给定材料相内狭窄通道导致的瓶颈的外观。我们首先提供这些数量的数学精确定义,并引入适当的估计。然后,我们证明了这些估计无界增长的采样窗口的强一致性。为了将我们的估计应用于真实数据集,需要控制边缘效应的程度。这是说明使用模型的多相材料,被纳入固体氧化物燃料电池。
2018-12-05 math.PR math.ST stat.TH
Nonparametric estimation of the mixing density using polynomials
我们考虑从$n$ i.i.d.估计混合密度$f$的问题。观测值根据混合密度分布,混合分布未知。与有限混合模型相比,这里的隐藏变量的分布不局限于一个有限集,而是分布在一个给定的区间上。提出了一种构造混合密度$f$的包含勒让德多项式的正交级数估计的方法。标准正交序列的构造因混合模型而异。最小最大的上界和下界的平均积分平方误差提供适用于各种情况下。在指数混合的特定情况下,它示出的估计是自适应的特定的平滑类的集合,更准确地说,存在一个常数$A\textgreater{}0$,使得,当为了$m$的投影估计验证$m\sim A \log(n)$,估计达到极大极小率在此集合。其他情况下,如伽玛形状的混合物和规模的混合物的compounds支持的密度,包括Beta混合物进行了研究。最后,给出了混合密度$f$支持度的一致估计.
2015-05-23 math.ST stat.TH
Semiparametric Inference for Half-Trek Estimators in Linear Structural Equation Models
Technical University of Munich(慕尼黑工业大学);École Polytechnique Fédérale de Lausanne(洛桑联邦理工学院);Munich Center for Machine Learning(慕尼黑机器学习中心)
针对线性结构方程模型中的半循迹估计量,推导其半参数影响函数,证明渐近正态性并给出闭式方差,实现置信区间和假设检验。
2026-08-13 math.ST stat.ME stat.TH
Moments estimators and omnibus chi-square tests for some usual probability laws
对于许多概率定律,在参数模型中,参数的估计可以在极大似然方法的框架中进行,或者在矩估计方法的框架中进行,或者通过使用插入方法等。通常,对于估计多个参数,使用相同的框架。本文重点研究矩估计方法。我们使用Lo(2016)中的函数经验过程(fep)工具来展示如何以几乎代数的方式推导出联合分布高斯定律并从中推导出综合卡方渐进定律。我们选择了四个分布来说明该方法(Gamma定律,Beta定律,Uniform定律和Fisher定律),并尽可能完整地描述矩估计量的渐近定律。进行模拟研究,以调查每种情况下获得的统计检验可验证的最小尺寸。一般来说,这里提出的综合卡方检验在样本量为50左右时效果良好
2021-12-08 math.ST stat.ME stat.TH
Long-Term Tail Modeling in Survival Analysis via Extended Generalized Pareto Distributions
Universidade de São Paulo(圣保罗大学);Faculdade de Ciências, Universidade de Lisboa(里斯本大学理学院)
本研究提出扩展广义帕累托模型用于右删失生存数据的尾部推断与长期外推,比较三种扰动设定,发现Beta模型在尾部指数估计上最优,直方图估计器在低删失下尺度估计最佳,且拟合相似时外推结果可能差异显著。
2026-09-24 math.ST stat.AP stat.ME
A Spectral Framework for Closed-Form Relative Density Estimation
Inria - Ecole Normale Supérieure PSL Research University(Inria-巴黎大学规范大学)
本文提出了一种闭式谱框架,用于线性参数化概率模型中的相对对数密度估计,通过将KL散度表示为加权chi-squared散度的积分,将其转换为一组最小二乘问题,并推导出仅基于一阶和二阶特征矩的显式谱公式。
2026-11-17 cs.LG math.OC math.ST
Closed forms all the way up: the sample variance of four observations
Gilead Sciences(吉利德科学)
本文推导了四个观测值样本方差的闭式分布,针对均匀、Beta(2,1)等母体给出具体解,发现正态理论χ²公式对其99百分位估计偏差达50%。
2026-10-14 math.PR math.ST stat.ME