Inference for Empirical Wasserstein Distances on Finite Spaces
瓦瑟斯坦距离是一个有吸引力的数据分析工具，但统计推断的分布限制的缺乏阻碍。为了克服这一障碍，对于多点支撑的概率测度，我们导出了经验瓦瑟斯坦距离的渐近分布作为随机目标函数线性规划的最优值.这在很大程度上促进了统计推断（例如，基于样本的瓦瑟斯坦距离的置信区间）。我们的证明是基于方向Hadamard可微性。经典的引导失败和替代品进行了讨论。分布结果的效用说明了两个数据集。
2017-04-26 stat.ME
Statistical inference for radial generalized Pareto distributions and return sets in geometric extremes
本文基于径向-方向分解提出新型极限Poisson点过程与径向广义Pareto分布，通过归一化函数构建回归集，并开发支持二维、三维高效计算的贝叶斯推断模型，用于多元极值的稳健分析。
2025-01-29 stat.ME
From Sparse to Dense Functional Data: Phase Transitions from a Simultaneous Inference Perspective
该研究针对从稀疏到稠密的函数型数据，提出基于B样条估计量的统一高斯近似方法构建均值同时置信带，探究相变条件并扩展至正交级数估计量，经模拟与真实数据验证有效。
2024-01-31 stat.ME
High-dimensional Simultaneous Inference on Non-Gaussian VAR Model via De-biased Estimator
高维非高斯时间序列的同时推理一直被认为是一个具有挑战性的问题。这类任务不仅要求对随机过程中的系数进行稳健估计，而且要求导出因变量之和的极限分布。本文提出了一种乘子自举方法来同时推断高维非高斯向量自回归（VAR）模型中的转移系数。这种引导辅助过程允许时间序列的维度在观测数量上以指数方式快速增长。作为一个检验统计量，构造了一个用于同时推断的去偏估计量。与传统的去偏/去稀疏化Lasso估计器不同，鲁棒凸损失函数和归一化权重函数被用来避免分布尾部的任何不利行为。我们发展了VAR模型的高斯近似理论，得到了去偏估计的渐近分布，并提出了一个乘子自举辅助的方法，在非常温和的矩条件下得到了新息的临界值。作为各种估计的收敛性分析的重要工具，我们建立了有界VAR模型的Bernstein型概率集中不等式。数值实验验证了所提方法的有效性。
2021-11-02 stat.ME
False Discovery Rate and Localizing Power
本文提出通过选择性推断和BKY方法改进FDR控制，以更准确地处理双尾检验中的方向性推断问题。
2025-12-14 stat.AP stat.ME
Distributed Simultaneous Inference in Generalized Linear Models via Confidence Distribution
我们提出了一种分布式方法，用于样本量远大于协变量数的数据集的同时推理，即，N >> p，在广义线性模型框架下.当这样的数据集太大而无法由单个集中式计算机完全分析时，或者当数据集已经存储在分布式数据库系统中时，分而合的策略一直是可扩展性的选择方法。由于分区，子数据集的样本量可能是不均匀的，有些可能接近p，这需要正则化技术来提高数值稳定性。然而，有一个缺乏明确的理论依据和实际指导方针，结合从单独的正则化估计得到的结果，特别是当最终目标是同时推断一组回归参数。在本文中，我们开发了一种策略，结合使用置信分布的偏差校正拉索型估计。我们表明，由此产生的组合估计达到相同的估计效率的极大似然估计使用集中的数据。正如模拟和真实数据示例所示，我们的划分和组合方法产生与集中式基准几乎相同的推理。
2020-07-21 stat.ME
Inference on the mode of weak directional signals: a Le Cam perspective on hypothesis testing near singularities
我们重新审视，在一个原始的和具有挑战性的角度来看，测试的原假设，方向信号的模式等于一个给定的值的问题。出于一个真实的数据的例子，信号是弱的，我们考虑这个问题的渐近情况下，信号强度以任意速率~ $η_n$为零。无论是在零和替代，我们专注于旋转对称分布。我们表明，虽然他们是渐近等价的固定信号强度下，经典的沃尔德和沃森测试表现出非常不同的（零和非零）的行为时，信号变得任意弱。为了充分表征如何具有挑战性的问题是作为一个功能的~ $η_n$，我们采用了乐凸轮，收敛的实验，观点，并表明所产生的限制实验至关重要地依赖于~ $η_n$。根据这些结果，沃森测试被证明是\emph{adaptively}率一致的，基本上自适应Le Cam最优。在整个过程中，我们的理论研究结果说明通过蒙特卡洛模拟。我们的研究结果的实际相关性也显示在激励本工作的真实数据的例子。
2016-03-23 math.ST stat.TH
Directional tests in Gaussian graphical models
针对高斯图模型，提出方向性检验以比较不完全无向图，利用鞍点逼近实现精确或相对误差控制的推断，在模拟和实际数据中优于标准方法。
2023-05-15 stat.CO stat.ME
Locally Simultaneous Inference
本文提出局部同时推断方法，通过只回答观测数据下可能被提出的问题，在保持严格第I类错误保证的同时降低保守性，并严格优于基础同时推断方法。
2024-05-02 math.ST stat.ME stat.TH
Control of Directional Errors in Fixed Sequence Multiple Testing
在本文中，我们考虑的问题，同时测试许多双边假设时，拒绝的原假设是伴随着索赔的方向的替代。基本目标是构造控制混合方向族差错率的方法，该误差率是产生任何类型1或类型3（方向）误差的概率。特别地，注意力集中在假设被排序为$H_1 , \ldots, H_n$的情况下，使得仅当$H_1 , \ldots, H_i$先前已经全部被拒绝时才测试$H_{i+1}$。在这种情况下，可以控制通常的familywise差错率任意依赖的基本程序，测试每个假设在水平$α$，没有其他的多重调整是必要的。然而，我们表明，这是过于自由，如果一个也占方向性错误。但是，通过对检验统计量施加某些依赖性假设，可以保留基本程序。通过模拟研究和临床试验的例子，我们数值说明了良好的性能相比，现有的mdFWER控制程序所提出的程序。建议的程序也在R包FixSeqMTP中实现。
2017-03-18 math.ST stat.ME stat.TH
Two-directional simultaneous inference for high-dimensional models
本文提出了一种通用的双向同时推理（TOSI）框架，用于具有显式变量或潜在变量结构的高维模型，例如，高维均值模型，高维稀疏回归模型和高维潜在因子模型。TOSI从两个方向对一组参数进行同时推理，一个是测试假设的零参数是否确实为零，另一个是测试非零参数集中是否存在零。因此，我们可以准确地识别参数是否为零，从而保持数据结构的完整和简约的表达。我们从理论上证明了所提出的TOSI方法渐近控制的第一类错误在预先指定的显着性水平和测试功率收敛到1。通过仿真验证了该方法在有限样本情况下的性能，并对两个真实数据集进行了分析。结果表明，TOSI方法是更好的预测和有更多的可解释的估计比现有的方法。
2023-02-07 stat.ME
Simultaneous Inference for Non-Stationary Random Fields, with Application to Gridded Data Analysis
本文针对一般非平稳非高斯随机场，提出基于位移随机场非线性建模的同时非参数推断框架，并开发局部加权乘子自助算法，实现高维稀疏线性形式的统一统计推断。
2024-09-02 math.ST stat.ME stat.TH
Simultaneous inference for linear mixed model parameters with an application to small area estimation
在过去的几十年里，线性混合模型在应用统计学的各个领域都引起了相当大的关注。它们在研究聚类、层次或纵向数据时很受欢迎。尽管如此，有效的同时推断混合参数的统计工具是罕见的。这是令人惊讶的，因为一个经常面临的推理问题以外的逐点检查固定或混合参数。例如，在重复测量的研究中，有兴趣对聚类水平的参数或特定主题的估计值进行比较分析。我们讨论的方法，同时推断假设一个线性混合模型。具体来说，我们开发的同时预测区间以及混合参数的多重检验程序。它们对于集群级参数的联合考虑或比较是有用的。我们采用一致的bootstrap近似的分布的最大型统计量来构建我们的工具。在模拟实验中研究了所开发的方法的数值性能，并在小面积家庭收入的数据示例中进行了说明。
2021-09-16 stat.AP stat.CO stat.ME
Riemannian Simultaneous Inference for Tangent Vector Field Regression
Nanyang Technological University（南洋理工大学）；Shanghai University of Finance and Economics（上海财经大学）
针对黎曼流形上的切向量场回归，提出基于平行移动和体积校正的核估计器，推导其渐近性质并构建联合置信管，模拟与风数据验证了方法的有效性。
2026-09-24 cs.LG stat.ME stat.ML
Quantification and cross-fitting inference of asymmetric relations under generative exposure mapping models
本文在生成暴露映射框架下提出基于香农熵的非对称系数来量化变量间方向非对称性，并通过数据拆分、交叉拟合和快速傅里叶变换密度估计提供统计推断，在模拟和表观遗传数据中验证了其优于现有因果发现方法。
2025-11-08 math.ST stat.ME stat.TH
Discovery and inference of possibly bi-directional causal relationships with invalid instrumental variables
本文提出一种利用可能无效的工具变量，在存在未测量混杂和反馈回路时，对两个性状进行双向因果发现与效应推断的方法，并通过模拟和英国生物银行数据验证其有效性。
2024-07-16 stat.ME
Simultaneous Inference for Empirical Best Predictors with a Poverty Study in Small Areas
目前，广义线性混合模型在许多领域得到了广泛的应用。然而，在这一领域中，用于执行同时推理的工具的开发在很大程度上被忽视了。联合推理的框架是必不可少的进行统计有效的多个比较的参数之间的所有或几个集群的利益。因此，我们开发的同时置信区间和多重检验程序的经验最佳预测下广义线性混合模型。此外，我们实施我们的方法来研究广泛使用的混合模型，即单位级二项式，面积级泊松-伽玛和面积级泊松-对数正态混合模型的例子。渐近结果伴随着广泛的模拟。一个预测贫困率的案例研究说明了我们的同步推理工具的适用性和优势。
2021-05-28 stat.AP stat.CO
Valid Simultaneous Inference in High-Dimensional Settings (with the hdm package for R)
随着高维经验应用在许多研究领域的日益广泛，有效的同时推理变得越来越重要。例如，经济学研究中可能会出现高维设置，因为数据集非常丰富，有许多潜在的协变量，或者在治疗异质性分析中。此外，潜在的更复杂的（非线性）函数形式的回归关系的评估导致许多潜在的变量，同时推理语句可能是感兴趣的。在这里，我们提供了一个审查的经典和现代的方法，同时推理（高维）的设置，并说明其使用的案例研究使用R包HDM。R软件包hdm实现了有效的联合强大和有效的假设检验的潜在大量的coeffcients以及建设的同时置信区间，因此，提供了有用的方法来执行有效的后选择推理的基础上LASSO。
2018-09-13 econ.EM stat.ML
Simultaneous Inference for High Dimensional Mean Vectors
设$X_1, \ldots, X_n\in\mathbb{R}^p$为i.i.d.。随机向量。我们的目标是执行同时推理的平均向量$\mathbb{E} (X_i)$与有限的多项式矩和超高的维度。我们的方法是基于截尾样本的平均向量。高斯近似结果推导出后者下非常温和的有限多项式（$(2+θ)$ -th）的时刻条件和维数$p$可以允许指数增长的样本大小$n$。在此基础上，我们提出了一种新的重建方法来构造均值向量的同时置信区间。
2017-04-16 math.ST stat.TH
Simultaneous inference for partial areas under receiver operating curves -- with a view towards efficiency
我们提出了新的同时推理方法的诊断试验与精心设计的析因设计。我们感兴趣的参数不是通常使用的受试者工作特征（ROC）曲线下总面积，而是代表临床相关生物标志物截止值的ROC曲线下部分面积。我们构造了一个非参数的多重对比测试，这些参数，并表明它渐近控制的家庭明智的第一类差错率。在一系列计算机实验中研究了该检验的有限样本性质。我们提供的经验和理论证据支持的猜想，统计推断的ROC曲线下的部分面积比推断的总面积更有效。
2023-02-21 math.ST stat.TH
On Statistical Inference for Rates of Change in Spatial Processes over Riemannian Manifolds
University of North Carolina at Chapel Hill（北卡罗来纳大学教堂山分校）；Drexel University（德雷塞尔大学）；University of California, Los Angeles（加州大学洛杉矶分校）
本文提出了一种在黎曼流形上基于模型的推断方法，用于处理空间过程中变化率的统计推断。
2026-01-05 math.DG math.ST stat.CO
Simultaneous inference for monotone and smoothly time-varying functions under complex temporal dynamics
本文提出基于单调重排、非参数估计与自助法构造同时置信带的新框架，用于高维时间序列趋势和时变系数模型的同时推断，并通过温度与日照数据验证其有效性。
2025-08-19 math.ST stat.TH
SCoRE Sets: A Versatile Framework for Simultaneous Inference
本文提出SCoRE集合框架，在任意度量空间上同时量化多个游程集的不确定性，统一了同时置信带、水平集估计和多重假设检验，并简化了相关假设。
2024-05-29 math.ST stat.TH
Scalable simultaneous inference in high-dimensional linear regression models
高维线性回归模型的同时推理方法的计算复杂性随着变量的增加而迅速增加。本文提出了一种基于Moore-Penrose伪逆的计算效率高的方法。在对可用回归量的对称性假设下，估计量是正态分布的，并且伴随着无调谐参数的标准误差的封闭形式的表达式。我们研究的数值性能，模拟现代应用程序的大小，现有的方法是计算上不可行的蒙特卡罗实验。我们发现接近名义上的覆盖范围，即使在设置强加的对称性假设不成立。正规化的伪逆通过脊调整，以产生可能的效率增益。
2021-02-01 math.ST stat.TH
The case for balanced hypothesis tests and equal-tailed confidence intervals
简介：关于双侧假设检验的方向推断存在持续的争论，对此，一些作者认为拒绝$θ= θ_0$并不能得出$θ> θ_0$或$θ< θ_0$的结论，而只能得出$θ\neq θ_0$的结论，而其他人认为这是没有实际后果的小错误。讨论：新的因素被带到辩论中。结果表明，一些非方向性的假设检验的受试者工作特征（ROC）和生存曲线的方向性解释可能会导致膨胀的第三类错误率的概率得出结论，差异存在于实际差异的相对侧，可以达到50%，在最坏的情况下。方向检验的一些问题也适用于双侧置信区间（CI）。它表明，等尾CI应首选最短的CI。提出了新的双侧CI和假设检验的评估标准，以提供可靠的方向性解释：假设检验的部分左侧和右侧$α$错误率，高估和低估$α_L$和$α_U$的概率和双侧CI的区间半宽。结论：双侧CI和双侧检验得到了方向性解释。这意味着在制定和评价置信区间和检验时应考虑方向解释。
2021-03-22 stat.OT
Simultaneous Inference for Massive Data: Distributed Bootstrap
Purdue University（普渡大学）；University of Missouri（密苏里大学）
在本文中，我们提出了一个引导方法适用于大量的数据处理分布在大量的机器。这种新的方法是计算效率高，因为我们引导主机上没有过度的rescue，通常需要现有的方法\cite{kleiner2014scalable,sengupta2016subsampled}，同时证明实现最佳的统计效率与最小的通信。我们的方法不需要反复重新拟合模型，而只需要在主机器中对从工作机器接收到的梯度应用乘数引导。仿真验证了我们的理论。
2020-02-19 cs.LG stat.ML
Bayesian Copula Directional Dependence for causal inference on gene expression data
建模和理解定向基因网络是生物学中的一个重大挑战，因为它们在遗传系统的结构和功能中起着重要作用。Copula方向依赖（CDD）可以度量变量之间的有向连通性，而不需要严格的分布性和线性假设。此外，copula可以通过隔离联合分布的依赖结构来实现这一点。在这项工作中，一个新的扩展的频率论CDD在贝叶斯设置。新方法与频率论CDD进行了比较，并在六个基因相互作用上进行了验证，其中三个来自小鼠scRNA-seq数据集，三个来自批量表观基因组数据集。结果表明，新提出的贝叶斯CDD是能够识别四出六个真正的相互作用，增加了鲁棒性相比，频率论的方法。因此，贝叶斯CDD可以被认为是一种替代的方式来建模基因网络中的信息流。
2022-03-10 stat.AP stat.CO stat.ME
Divergence-based Robust Generalised Bayesian Inference for Directional Data via von Mises-Fisher models
School of Data Science, Meisei University（明成大学数据科学学院）；RIKEN Center for Brain Science（理化学研究所脑科学中心）；School of Business Administration, Meiji University（明治大学商学院）；Department of Information Sciences, Tokyo University of Science（东京科学技术大学信息科学系）
本文提出基于密度幂发散和γ-发散的贝叶斯推断方法，用于稳健估计方向数据的参数，通过模拟和真实数据验证其有效性。
2025-12-24 math.ST stat.CO stat.ME
High-dimensional simultaneous inference with the bootstrap
我们提出了一个残差和野生自助方法的个人和同时推理的高维线性模型与可能的非高斯和异方差误差。我们建立渐近一致性的同时推断参数组$G$，其中$p \gg n$，$s_0 = o(n^{1/2}/\{\log(p) \log(|G|)^{1/2}\})$和$\log(|G|) = o(n^{1/7})$，$p$的变量的数量，$n$的样本量和$s_0$表示稀疏。该理论得到了许多实证结果的补充。我们提出的程序在R-包HDI中实现。
2016-06-13 stat.ME
Conditional validity of prediction-powered inference for spatially dependent finite populations
Hitotsubashi University（一桥大学）
本文针对空间数据将预测驱动推理重构为基于设计的框架，推导了相关方差、阈值与双重稳健性结果，在48175单元总体及爱沙尼亚LUCAS应用中验证了设计匹配调优可提升精度。
2026-10-14 stat.ME
Simultaneous Inference Under the Vacuous Orientation Assumption
我提出了一种新的方法，同时推理，强调需要指定一个相关结构之间的边际错误。空取向假设保留了正常i.i.d.该假设暗示了误差的分布，但放松了误差方向是各向同性的暗示。当大量的高度相关的假设同时进行测试时，该模型通过利用它们之间的逻辑关系来产生校准后的后验推理。这与Bonferroni校正的保守性能形成对比，即使这两种方法都没有对误差依赖性做出假设。该模型采用Dempster-Shafer扩展概率演算，并以随机三值逻辑的形式提供后验推理。
2019-05-15 stat.ME
Simultaneous Inference for Time Series Functional Linear Regression
Illinois State University（伊利诺伊州立大学）；University of Toronto（多伦多大学）
本文提出一种统一的乘数Bootstrap方法，用于构建时间序列标量-函数线性回归系数函数的联合置信带，该方法在粗糙度惩罚估计下具有正确的覆盖概率渐近性，并对不一致估计的标准差具有渐近鲁棒性。
2026-04-27 stat.ME
Comments on `High-dimensional simultaneous inference with the bootstrap'
本文对Ruben Dezeure，Peter Buhlmann和Cun-Hui Zhang的文章“High-dimensional simultaneous inference with the bootstrap”进行了评述。
2017-05-06 stat.AP stat.ME stat.ML
Comments on `High-dimensional simultaneous inference with the bootstrap'
本文对Ruben Dezeure，Peter Buhlmann和Cun-Hui Zhang的文章“High-dimensional simultaneous inference with the bootstrap”进行了评述。
2017-03-29 math.ST stat.ME stat.TH
Measuring the Arrow of Time: Identification, Estimation, and Inference for Directional Structure in Multivariate Time Series
Indian Institute of Technology Bhubaneswar（印度技术学院布巴内斯瓦尔分校）
本文提出基于滞后协方差的多元时间序列方向结构测量方法，经实验验证可区分相关网络等方法的失效，为相关应用提供基础参考。
2026-08-14 econ.EM stat.ME
Large-scale simultaneous inference under dependence
同时推理允许在决定宣布发现的标准的同时探索数据。最近证明，所有可接受的事后推理方法的真正发现必须采用封闭测试。在本文中，我们研究了一种特殊形式的局部测试的有效封闭测试：阈值的测试分数为个别假设的总和的函数。在这种特殊的设计下，我们提出了一个新的统计，量化多重调整的成本，我们开发快速（主要是线性时间）算法事后推理。结合基于广义平均值的全局空测试的最新进展，我们的工作实例化了一系列同时推理方法，可以处理许多依赖结构和信号组合。我们通过对不同局部测试的保守性和灵敏度的理论研究，以及找到局部测试和全封闭测试的类似行为的模拟，为方法选择提供指导。
2022-03-23 math.ST stat.ME stat.TH
Simultaneous Inference of a Partially Linear Model in Time Series
本文提出一种针对部分线性时间序列回归模型中多元非参数函数的联合置信区域构建方法，通过扩展高维高斯逼近至相依过程，适用于多种自回归模型，并经模拟和远期溢价回归验证。
2023-09-02 econ.EM math.ST stat.ME
