Asymptotic confidence bands for the histogram regression estimator
Universität Hamburg(汉堡大学);Karlsruhe Institute of Technology(卡尔斯鲁厄理工学院)
本文提出了一种适用于异方差噪声下多变量非参数回归模型的直方图估计器渐近置信带构造方法,能够处理Hölder正则性低于一的不光滑回归函数。
2026-02-27 math.ST stat.ME stat.TH
Hybrid Confidence Intervals for Informative Uniform Asymptotic Inference After Model Selection
我提出了一种新的类型的置信区间正确的渐近推断后,使用数据来选择一个模型的兴趣,而不假设任何模型是正确的指定。该混合置信区间是通过结合选择性推理和选择后推理文献的技术构建的,以在广泛的数据实现范围内产生短的置信区间。我证明了混合置信区间具有正确的渐近覆盖,均匀分布在一个大类的概率分布,不绑定缩放模型参数。我说明了使用这些置信区间的推理问题后,使用LASSO目标函数来选择一个回归模型的兴趣,并提供证据,其理想的长度和覆盖范围的属性在小样本通过一组蒙特卡罗实验,需要各种不同的数据分布以及经验应用到糖尿病疾病进展的预测。
2021-11-24 math.ST stat.ME stat.TH
Functional asymptotic confidence intervals for a common mean of independent random variables
我们考虑独立随机变量(r.v. s)具有共同的平均值$μ$,该平均值满足Lindeberg条件,或者围绕$μ$对称。给出了这类r. v.的学生化部分和的现有泛函中心极限定理的形式。的$D[0,1]$被认为是一些使用构造渐近置信区间,或我们所谓的功能渐近置信区间(FACI的),为$μ$。在本文中,我们建立完全基于数据的版本,这些FCLT的,从而扩大其在这方面的适用性。给出了$μ$的新FACI的两个特例。
2009-01-29 math.ST stat.TH
Construction of Non-asymptotic Confidence Sets in 2-Wasserstein Space
在本文中,我们考虑的概率设置的概率测度被认为是随机对象。我们提出了一个程序的建设非渐近置信集的经验重心在2-Wasserstein空间和发展的想法进一步建设一个非参数的两个样本的测试,然后应用到检测数据的结构性突变与复杂的几何形状。这两种方法主要依赖于乘数自举的思想(Spokoiny和Zhilova(2015),Zhazhukov等人(2014))。主要的重点在于概率测度,有交换协方差阵,属于同一个分散位置的家庭:我们证明的有效性的引导程序,允许计算置信集和临界值的Wasserstein为基础的双样本检验。
2017-03-10 math.ST stat.TH
Non-asymptotic Confidence Sets for Extrinsic Means on Spheres and Projective Spaces
来自i.i.d.的置信集数据被构造用于球面、实射影空间和复射影空间以及格拉斯曼流形上的概率测度P的外平均,其中后三个流形被Veronese-Whitney嵌入。当数据足够集中时,这些是围绕相应的欧几里得样本均值的球的投影。此外,这些置信集是速率最优的。这种方法的有用性示出投影形状数据。
2016-02-12 math.ST stat.ME stat.TH
Online estimation of the geometric median in Hilbert spaces : non asymptotic confidence balls
基于递归算法的估计过程是有趣的和强大的技术,能够快速处理(非常)大样本的高维数据。所收集的数据可能被噪声污染,使得鲁棒的位置指示符(诸如几何中值)可能优于平均值。在这种情况下,Cardot、Cénac和Zitt(2013年)开发了一种基于快速有效的平均非线性随机梯度算法的几何中值估计器。通过给出非渐近置信球,更精确地研究了该算法的非渐近性态。这个新结果是基于改进的$L^2$收敛速度的推导以及递归非线性Robbins-Monro算法的鞅项的指数不等式。
2015-01-27 math.ST stat.TH
Confidence bands for densities, logarithmic point of view
设$f$是概率密度,$C$是$f$远离零的区间。Bickel和Rosenblatt(1973)通过建立$f_n$的核估计的一致误差的极限分布,给出了$f$在$C$上的渐近水平$1-α\in]0,1[$的置信带$B_n$。每个置信区间的工会给$B_n$有一个渐近水平等于一;逐点中等偏差原则允许证明,所有这些区间共享相同的对数渐近水平。现在,只要$f_n$的点态和一致中偏差原理都存在,它们就具有相同的渐近性。以这一观察为出发点,我们提出了一种新的方法,用于$f$的置信带的建设,使用中等偏差原则的基础上。这种方法的优点如下:(i)它能够构造具有相同宽度的置信带(或甚至更小的宽度)作为由Bickel和Rosenblatt(1973)提供的置信带,但其具有更好的渐近水平;(ii)以该方式构造的任何置信带与所有置信区间具有相同的对数渐近水平,其构成该置信带;(iii)其允许以相同的方式处理所有维度;(iv)其使得能够通过引入截断操作来解决为$f$在其上$f$消失的紧凑集合上(或在所有$\bb R^d$上)提供置信带的问题。
2006-06-21 math.ST stat.TH
Non-asymptotic confidence regions on RKHS. The Paley-Wiener and standard Sobolev space cases
针对随机设计下RKHS中未知函数,提出通过估计其RKHS范数来构建全局非渐近置信区域,并重点分析Paley-Wiener与标准Sobolev空间情形。
2025-07-09 math.ST stat.ML stat.TH
Tighter confidence intervals for quantiles of heterogeneous data
Tilburg University(蒂尔堡大学);Eastern Institute of Technology, Ningbo(宁波东方理工大学)
本文提出了一种新的方法,用于估计异质数据中分位数的减少渐近方差,从而生成更短且更准确的置信区间。
2026-01-24 math.ST stat.ME stat.TH
Asymptotic Confidence Regions for High-dimensional Structured Sparsity
在高维线性回归模型的设置中,我们提出了两个框架,用于构造惩罚估计量的逐点和组置信集,其中包含关于非零系数的组织的先验知识。这是通过对van de Geer等人[18]以及van de Geer和Stucky [17]中的估计量进行解解析,然后对精度矩阵$Θ$使用适当的估计量来完成的。为了估计精度矩阵,必须引入相应的结构化矩阵范数惩罚。归一化后的结果是一个渐近枢轴。渐近行为进行了研究,并增加了模拟研究两个计划之间的差异。
2017-06-28 math.ST stat.ML stat.TH
Asymptotic confidence bands for centered purely random forests
Universität Hamburg(汉堡大学);Karlsruhe Institute of Technology(卡尔斯鲁厄理工学院)
针对多元非参数回归场景下中心化纯随机森林的渐近推断问题,提出可达到极小极大最优速率的Ehrenfest中心化纯随机森林,构建了适用于两类中心化纯随机森林的渐近一致置信带并通过仿真验证理论结论。
2025-11-17 math.ST stat.ML stat.TH
Can we have it all? Non-asymptotically valid and asymptotically exact confidence intervals for expectations and linear regressions
本文提出在矩条件下构造兼具非渐近有效性与渐近精确性的置信区间,并将其应用于标量期望和OLS系数线性组合,通过扩大经典CLT置信区间实现有限样本保证。
2025-07-23 econ.EM math.ST stat.TH
On asymptotically optimal confidence regions and tests for high-dimensional models
提出了一种构造高维模型中大参数向量的单维或低维分量的置信区间和统计检验的一般方法。它可以很容易地调整多重性,考虑到测试之间的依赖性。对于线性模型,我们的方法与张和张[J. R. Stat. Soc. Ser. B Stat.美沙酮76(2014)217-242]:我们分析了它的渐近性质,并根据半参数有效性建立了它的渐近最优性。我们的方法自然地扩展到具有凸损失函数的广义线性模型。我们开发了相应的理论,其中包括高斯,亚高斯和有界相关设计的仔细分析。
2014-06-23 math.ST stat.TH
Time-uniform central limit theory and asymptotic confidence sequences
本文提出渐近置信序列的定义与推导方法,利用强不变原理以高斯过程均匀逼近样本均值过程,从而在序贯环境下为观察性研究和随机实验中的平均处理效应提供时间一致的因果推断。
2024-03-14 math.ST stat.ME stat.ML
Random sets and exact confidence regions
统计学中的一个重要问题是未知参数的置信区域的构造。在大多数情况下,渐近分布理论用于构造置信区域,因此对于大样本,任何覆盖概率声明仅近似成立。本文介绍了一种新的方法,使用随机集,它允许用户构建精确的置信区域,而无需呼吁渐近理论。特别是,如果用户指定的随机集满足一定的有效性属性,通过阈值的诱导数据相关的可扩展性函数得到的置信区域示出具有所需的覆盖概率。
2013-10-15 math.ST stat.TH
Uniform Asymptotics and Confidence Regions Based on the Adaptive Lasso with Partially Consistent Tuning
University of Vienna(维也纳大学);TU Wien(维也纳科技大学)
本文研究低维线性回归中逐分量调节的自适应Lasso估计量,在移动参数框架下刻画其一致性和渐近分布,并构造出具有极端一致渐近覆盖性质的置信集,推广了正交回归元情形下的已有结果。
2021-03-17 math.ST stat.ME stat.TH
Asymptotic coverage probabilities of bootstrap percentile confidence intervals for constrained parameters
研究了当参数受线性不等式约束时,常用的bootstrap百分位数置信区间的渐近行为。我们专注于重要的单样本和双样本问题的数据产生的一般参数分布的自然指数家庭。本文的重点是量化的覆盖概率的参数引导百分位数置信区间,特别是其限制行为的边界附近。我们提出了一个局部渐近框架来研究这种微妙的覆盖行为。在这个框架下,我们发现,当真参数上,或接近,限制边界,渐近覆盖概率总是可以超过标称水平在单样本的情况下,然而,他们可以,值得注意的是,在两个样本的情况下,在标称水平之下和之上。使用说明性的例子,我们的结果提供了理论依据和指导应用的引导百分位数方法约束推理问题。
2017-12-07 math.ST stat.CO stat.ME
Non-asymptotic approximations for Pearson's chi-square statistic and its application to confidence intervals for strictly convex functions of the probability weights of discrete distributions
本文提出非渐近局部正态近似,用于Pearson卡方统计量,并推导全变差界及分位数耦合不等式,进而为离散分布的负熵等严格凸函数构建置信区间。
2023-09-05 math.PR math.ST stat.ML
Variance estimation and asymptotic confidence bands for the mean estimator of sampled functional data with high entropy unequal probability sampling designs
对于具有高熵的固定大小抽样设计,众所周知,Horvitz-Thompson估计量的方差可以通过Hájek公式近似。这种渐近方差近似的有趣之处在于它只涉及统计单元的一阶包含概率。当研究的变量是函数时,我们推广了这个方差公式,并证明了在一般的个体轨迹和抽样设计的规律性条件下,我们可以得到均值函数的Horvitz-Thompson估计的方差函数的一致收敛估计。给出了拒绝抽样法收敛到真方差函数的速度。我们推导出,在抽样设计的熵的条件下,它是可能的,通过模拟高斯过程的方差函数由哈耶克公式,建立的置信带的覆盖范围是渐近的期望的。最后,建议的方差估计的准确性进行评估,在一个星期内每半小时测量的电力消耗数据的样本。
2013-06-28 math.ST stat.TH
On the asymptotic normality and the construction of confidence intervals for estimators after sampling with probabilistic and deterministic stopping rules
序贯研究的一个关键特征是实际样本量是一个随机变量,通常取决于收集的结果。虽然序贯设计的假设检验理论已经很好地建立,但参数和精度估计还不太清楚。尽管早期的工作已经建立了一些特设估计,以克服所谓的偏见,在普通样本平均值,最近的工作表明,样本平均值是一致的。在这些结果的基础上,通过为全变差距离提供一个收敛速率,可以确定样本平均值的渐近分布在几乎所有情况下都是正态的,除了在一个非常具体的情况下,即停止规则是确定性的,并且真实的总体平均值与停止和继续之间的截止值相一致。对于这种病理情况,发现与正常的Kolmogorov距离等于0.125。虽然在渐近分布中值得注意,但模拟表明,幸运的是,基于正态分布的置信区间的覆盖范围没有任何后果。
2017-12-20 math.ST stat.TH
Uniform convergence and asymptotic confidence bands for model-assisted estimators of the mean of sampled functional data
当研究变量是功能和存储容量有限或传输成本高,选择与调查抽样技术的一小部分的观察是一个有趣的替代信号压缩技术,特别是当目标是简单的数量,如平均值或总数的估计。我们扩展,在这个功能框架,模型辅助估计与线性回归模型,可以考虑到辅助变量,其总人口是已知的。我们首先表明,弱假设下的抽样设计和规律性的轨迹,估计的均值函数以及其方差估计是一致的。然后,在额外的假设下,我们证明了一个功能的中心极限定理,我们严格评估一个快速的技术的基础上模拟高斯过程,这是用来建立渐近置信带。方差函数估计的准确性进行评估的一个真实的数据集上的采样的电力消耗曲线测量每半小时超过一个星期的时间。
2013-02-14 math.ST stat.TH
Confidence Regions for Filamentary Structures
本文针对点云数据中的纤维状结构(脊),提出基于核型插件估计量与两种自助法的渐近置信区域构造方法,并在允许脊存在交叉的统一理论框架下证明了其渐近有效性。
2024-05-01 math.ST stat.TH
Combining information from independent sources through confidence distributions
本文开发了新的方法,以及相关的理论,通过置信分布的独立研究相结合的信息。置信分布的正式定义及其渐近对应(即,渐近置信度分布),并说明在结合信息的背景下。两个一般的组合方法的开发:第一个沿线相结合的p值,与一些显着的差异,在Bahadur型效率的最优性;第二个乘和归一化置信密度。后一种方法的灵感来自于将似然函数相乘以组合参数信息的常见方法。本文还开发了自适应结合的方法,支持渐近理论,应该是有实际意义的。自适应开发的关键点在于,该方法试图仅组合正确的信息,降低权重或排除包含关于感兴趣的真实参数的很少或错误信息的研究。结合方法的模拟和真实数据的例子与各种应用程序中示出。
2005-04-25 math.ST stat.TH
Extreme value theory based confidence intervals for the parameters of a symmetric Lévy-stable distribution
利用对称Lévy稳定分布参数极值估计的渐近正态性,构造了置信区间。这些间隔的准确性进行了评估,通过模拟研究。
2019-04-09 math.ST stat.TH
Confidence interval for correlation estimator between latent processes
Kimura和Yoshida处理了一个模型,其中二维半鞅的有限变分部分由潜过程的时间积分表示。他们提出了一个潜在过程之间的相关估计,并证明了其一致性和渐近混合正态性。本文讨论了相关估计量的置信区间,以检验相关性。%之间的潜在过程。我们提出了两种类型的相关估计的渐近方差的估计,并证明了他们的一致性,在高频率设置。我们的模型包括双随机泊松过程,其强度过程是相关的伊藤过程。我们比较我们的估计的基础上模拟的双随机泊松过程。
2018-08-18 math.ST stat.TH
Asymptotics of the Empirical Bootstrap Method Beyond Asymptotic Normality
Microsoft Research(微软研究院)
形成统计推断的置信区间的最常用的方法之一是经验自助法,当估计量的极限分布未知时,该方法特别方便。然而,尽管它无处不在的作用,它的理论性质仍然没有得到很好的理解非渐近正态估计。本文在稳定性条件下,建立了经验Bootstrap估计的极限分布,导出了渐近相合的紧条件,并量化了收敛速度。此外,我们提出了三种替代方法来使用自举方法建立置信区间的覆盖保证。最后,我们通过一系列的例子,包括均匀置信带,两个样本核测试,极小极大随机程序和堆叠估计的经验风险,说明我们的结果的一般性和紧密性。
2020-11-23 cs.LG math.ST stat.ML
Higher-order approximate confidence intervals
应用统计分析中使用的标准置信区间通常基于渐近近似。这种近似在小样本和中等样本中可能相当不准确。我们推导出准确的置信区间的分数函数的高阶近似分位数的基础上。覆盖近似误差为$O(n^{-3/2})$,而基于MLE渐近正态性的置信区间的近似误差为$O(n^{-1/2})$。蒙特卡罗模拟证实了理论研究结果。提供了回归模型和实际数据应用的实现。
2020-12-10 math.ST stat.AP stat.CO
Density Level Sets: Asymptotics, Inference, and Visualization
我们推导出了Hausstrom损失下密度水平集的插入估计的渐近理论。基于渐近理论,我们提出了水平集的两个自举置信区域。置信区域可用于执行异常检测和聚类的测试。我们还介绍了一种技术,可视化高维密度水平集相结合的模式聚类和多维缩放。
2016-09-05 math.ST stat.ME stat.TH
High-dimensional instrumental variables regression and confidence sets
本文考虑了具有多个回归变量的线性工具变量模型中的推断,这些回归变量都可以是内生的。我们提出了STIV估计。辨识鲁棒置信集是通过求解线性规划得到的。我们目前的收敛速度,变量的选择,置信集,适应稀疏性的结果,并分析使用偏差校正的线性函数向量的置信带。我们还提供了一些工具是内源性的解决方案。该应用程序是EASI需求系统。
2021-08-06 math.ST stat.TH
Nonparametric Regression, Confidence Regions and Regularization
本文对单位区间上的非参数回归问题给出了一个统一的处理方法。它是基于一个普遍的,诚实的和非渐近的置信区域,这是由一组线性不等式,涉及在设计点的功能值定义。兴趣通常集中在该区域中的某些最简单的函数上,其中简单性可以根据形状(局部极值的数量,凸性/曲率的间隔)或光滑性(导数的界限)或两者的组合来定义。一旦确定了某种形式的正则化,就可以使用置信区域来提供诚实的非渐近置信界限,其信息量较少,但在概念上简单得多。
2007-11-05 math.ST stat.ME stat.TH
Confidence regions for the location of peaks of a smooth random field
随机过程的局部最大值对于发现重要区域是有用的,并且通常用于总结感兴趣的特征(例如在神经成像中)。在这项工作中,我们提供了置信区域的平均值和标准化的效果大小(即科恩的d)的局部最大值的位置给定的多个实现的随机过程。我们证明了中心极限定理的平均值和t-统计量的随机场的最大值的位置,并使用这些提供渐近置信区域的平均值和科恩的d峰的位置。在平稳性的假设下,我们开发的Monte Carlo置信区域的平均值,有更好的有限样本覆盖率比基于经典的渐近正态性导出的区域的峰值的位置。我们说明了我们的方法,从英国生物银行的1D MEG数据和2D fMRI数据。
2022-07-30 math.ST stat.TH
On the asymptotic validity of confidence sets for linear functionals of solutions to integral equations
本文研究积分方程解的线性泛函置信集,证明在弱依赖模型下均匀有效性需直径覆盖参数范围,Wald区间失效,提出二值变量特例方法,并指出一般情形仍开放。
2025-08-07 math.ST stat.ME stat.TH
Confidence Corridors for Multivariate Generalized Quantile Regression
研究了多元非参数广义分位数回归函数的置信走廊构造问题。这种结构是基于一个合适的非参数估计和真正的功能感兴趣的一系列的近似步骤,包括Bahadur表示,一个新的强逼近定理和指数尾不等式高斯随机场之间的最大偏差的渐近结果。作为一个副产品,我们还获得了经典均值回归中的回归函数的置信走廊。针对渐近置信走廊覆盖概率误差缓慢减小导致小样本量覆盖率过低的问题,基于Bahadur表示的首项设计了一个简单的Bootstrap过程.这两个程序的有限样本性质进行了研究,通过模拟研究,它表明,自举程序大大优于渐近带的覆盖精度。最后,自助信任走廊被用来研究国家支持工作示范,这是一个随机的就业促进计划在20世纪70年代推出的有效性。本文有补充材料。
2015-02-02 math.ST stat.ME stat.TH
Consistency of the bootstrap for asymptotically linear estimators based on machine learning
本文针对机器学习估计冗余函数的非/半参数可微泛函估计场景,给出bootstrap一致性的一般条件,覆盖多种估计器与bootstrap类型,并通过数值研究验证其在标准方法失效时的渐近有效性。
2024-04-18 math.ST stat.TH
A likelihood ratio test for monotone baseline hazard functions in the Cox model
我们考虑一种似然比方法来检验Cox模型中的单调基线风险函数在不动点处是否具有特定值。所涉及的估计的特征都提供了在非减和非增设置。这些特征便于推导的渐近分布的似然比检验,这是相同的非递减和非递增的情况下。似然比检验的渐近分布使得能够通过反演来构造逐点置信区间。模拟结果表明,这些置信区间表现出与基于单调基线风险函数的非参数最大似然估计量的渐近分布的置信区间相当的覆盖概率。
2013-04-04 math.ST stat.TH
Local and global asymptotic inference in smoothing spline models
本文在统一的渐近框架下研究光滑样条估计的局部和整体推断。我们首先介绍了一种新的技术工具,称为功能Bahadur表示,显着推广传统的Bahadur表示在参数模型,即Bahadur [安。37(1966)577-580]。配备了这个工具,我们开发了四个相互关联的推理程序:(i)逐点置信区间;(ii)局部似然比测试;(iii)同时置信带;(iv)全球似然比测试。特别地,我们的置信区间被证明在支持度中的任何点处都是渐近有效的,并且它们平均上比Wahba [J.R. Stat. Soc. Ser. B Stat.美沙酮45(1983)133-150]和Nychka [J. Amer. 83(1988)1134-1143]。我们还讨论了一个版本的威尔克斯现象所产生的本地/全球似然比测试。同样值得注意的是,我们的同时置信带是第一个适用于一般准似然模型。此外,有关的最优性和效率的问题得到了认真解决。作为一个副产品,我们发现了一个令人惊讶的关系周期性和非周期性光滑样条的推断。
2013-11-26 math.ST stat.ML stat.TH
Optimal Confidence Intervals via Moderate Deviations Theory
Louisiana State University(路易斯安那州立大学);University of St.Gallen(圣加仑大学)
本文提出基于中偏差原理的统计最优置信区间构建方法,适用于随机规划与随机微分方程模型,满足指数精度、极小性、一致性及UMA性质,并可将无限维鲁棒优化转化为有限凸规划。
2026-09-09 math.OC math.PR math.ST
Confidence sets for split points in decision trees
本文研究了在决策树(CART)中寻找分裂点置信集的问题。我们的主要结果建立了渐近分布的最小二乘估计和一些相关的残差平方和统计量的二进制决策树逼近光滑的回归曲线。涉及非正态极限分布的立方根渐近性。我们研究了各种置信度集的分裂点,一个校准使用二次抽样引导,和其他校准使用插件估计的一些冗余参数。在模拟研究中的信心集的性能进行评估。开发这样的信心集的动机来自于大沼泽地的磷污染问题。生态学家认为,分裂点提供了一个磷阈值,在生物失衡发生时,置信集的下端点可以解释为一个水平,是生态系统的保护。杜克大学湿地中心在大沼泽地进行的磷剂量研究的数据说明了这一点。
2007-08-14 math.ST stat.TH
Finite Sample Analysis of Distribution-Free Confidence Ellipsoids for Linear Regression
本文针对线性回归,分析无分布符号扰动和(SPS)椭球外逼近算法,建立其置信椭球尺寸的非渐近上界,证明体积以最优速率减小,并通过实验验证理论界与经验结果的差异。
2025-07-09 eess.SP math.ST stat.ML
Asymptotic properties of resampling-based processes for the average treatment effect in observational studies with competing risks
本文研究了具有竞争风险的生存时间数据中平均处理效应的三种重抽样方法的大样本性质,并证明了其渐近有效性,为推导置信区间提供了理论依据。
2023-06-05 math.ST stat.TH
Inference on P(Y<X) in Bivariate Rayleigh Distribution
本文讨论了当$X$是受随机应力$Y$作用的构件的随机强度,而$(X,Y)$服从二元Rayleigh分布时,可靠度$R=P(Y<X)$的估计问题。得到了$R$的极大似然估计及其渐近分布。使用渐近分布构造$R$的渐近置信区间。基于Bootstrap方法和一种计算方法,给出了两个置信区间。讨论了基于$R$渐近分布的可靠性检验问题。模拟研究,调查性能的置信区间和测试已经进行。最后给出了一个数值例子来说明所提出的方法。
2014-05-18 math.ST stat.ME stat.TH
Fixed-b Subsampling and Block Bootstrap: Improved Confidence Sets Based on P-value Calibration
子采样和基于块的自举方法已被广泛用于时间序列的推断问题。为了适应这种依赖性,这些恢复方法涉及带宽参数,例如基于块的引导中的子采样窗口宽度和块大小。在经验工作中,使用不同的带宽参数可能会导致不同的推断结果,但传统的一阶渐近理论没有捕捉到带宽的选择。在这篇文章中,我们建议采用固定b的方法,主张由Kiefer和Vogelsang(2005)在异方差-自相关稳健检验的背景下,考虑到带宽的影响的推断。在固定b渐近框架下,我们推导了子采样和移动块引导下p值的渐近零分布,并进一步提出了传统的基于小b的置信区间(区域、带)和检验的校正方法.我们的处理是相当普遍的,因为它包括有限维参数和无限维参数,如边缘分布函数和归一化谱分布函数。仿真结果表明,固定b值方法比传统的小b值方法更能逼近有限样本分布,且校正后的置信集覆盖误差小于未校正的置信集。
2012-04-04 math.ST stat.TH
Confidence Sets under Generalized Self-Concordance
本文从非渐近理论观点$\unicode{x2013}$重新审视统计推断中的一个基本问题--置信集的构造。我们建立了一个有限样本界的估计,其渐近行为的非渐近方式。我们的界限的一个重要特征是,它的维度依赖性是由有效维度$\unicode{x2013}$捕获的,有效维度是极限三明治协方差$\unicode{x2013}$的迹,在某些情况下,它可以比参数维度小小于多。然后,我们说明了如何可以使用的界限,以获得一个置信集,其形状是适应的优化景观诱导的损失函数。不同于以往的作品,严重依赖于强凸性的损失函数,我们只假设海森是下界在最佳状态,并允许它逐渐退化。这个性质是形式化的广义自协调的概念,起源于凸优化。此外,我们展示了如何有效的尺寸可以估计数据和表征其估计精度。我们将我们的结果应用于广义线性模型的极大似然估计,指数族的分数匹配,和Rao的分数检验的假设检验。
2022-12-31 math.ST stat.ML stat.TH
Prepivoting composite score statistics by weighted bootstrap iteration
对数似然比的复合模拟在假设检验和设置置信区域中所起的作用并不像在典型似然设置中那样突出,因为它的渐近分布取决于未知参数。基于复合对数似然比的近似主元可以通过使用渐近参数来导出。然而,这种枢轴的实际分布可能与渐近参考有很大不同,导致测试和置信区域的水平远离标称值。在复合似然框架中使用自举而不是渐近分布进行了探讨。基于适当统计量的预旋转测试和置信度集被证明是准确的和计算上有吸引力的推理工具。
2013-01-29 math.ST stat.CO stat.ME
Model-Agnostic Bounds for Augmented Inverse Probability Weighted Estimators' Wald-Confidence Interval Coverage in Randomized Controlled Trials
Michigan State University(密歇根州立大学)
本文推导了AIPW估计量Wald置信区间覆盖率的非渐近Berry-Esseen型界,并分析了方差估计量的偏差,解释了交叉拟合为何能改善覆盖率。
2026-06-24 math.ST stat.ME stat.TH
Confidence sets in nonparametric calibration of exponential Lévy models
基于欧式期权的价格构造了指数Lévy模型非参数校准的置信区间和联合置信集.为此,我们在谱校准方法中证明了波动率,漂移,跳跃强度和Lévy密度在100多个点的估计的联合渐近正态性。
2013-09-19 math.ST q-fin.ST stat.TH
Confidence Intervals Using Turing's Estimator: Simulations and Applications
UNC Charlotte(北卡罗来纳大学夏洛特分校);Mississippi State University(密西西比州立大学)
研究使用图灵估计器估计罕见结果概率,通过模拟研究相关置信区间有限样本性能,引入选合适CI方法,应用于作者归属问题并推导其对于重要离散分布的理论结果。
2026-07-13 math.ST stat.AP stat.TH
On the Precise Asymptotics of Universal Inference
该研究针对统计推断中置信集因常数难确定导致的极端保守性问题,以模型误设下正则参数模型的通用推断为示例,明确渐近保守性来源,提出基于学生化和偏差校正的修正方法,实现名义水平的精确渐近覆盖,且特性与半参数双重稳健性相似。
2025-03-18 math.ST stat.ML stat.TH
Functional delta residuals and applications to simultaneous confidence bands of moment based statistics
该研究提出泛函delta残差构造方法,证明其显式形式与乘子bootstrap fCLT,用以构建基于矩的变换泛函参数的渐近有效同时置信带,仿真验证了多类泛函统计量下的覆盖率并探讨了高斯性检验应用。
2022-02-23 math.ST stat.TH
Uniformly Valid Confidence Sets Based on the Lasso
在固定维线性回归模型$p \leq n$中,基于Lasso估计,构造了未知参数向量的置信区域,该估计在有限样本下以及在渐近条件下,一致且精确地保持给定的置信区域.因此,我们量化估计的不确定性以及“后模型选择误差”的估计。更具体地说,在有限样本高斯误差和渐近的情况下,拉索估计被调整到执行保守的模型选择,我们推导出精确的公式,用于计算最小覆盖概率在整个参数空间的一大类形状的置信集,从而使有效的置信区域的建设在这些设置的基础上的拉索估计。文中还讨论了置信集形状的选择以及与基于最小二乘估计的置信椭圆的比较。此外,在调整Lasso估计器以实现一致的模型选择的情况下,我们给出了一个简单的置信区域,其最小覆盖概率收敛到1。最后,我们还处理未知误差方差的情况下,并提出了一些想法的扩展。
2018-05-14 math.ST stat.ME stat.TH
Asymptotic uncertainty quantification for communities in sparse planted bi-section models
在稀疏种植的两段模型中,群落结构的后验分布达到精确(分别为)。几乎精确的)恢复,其中边缘概率随着$O(\log(n)/n)$(分别为$O(1/n)$)。假设后验恢复,人们可以解释可信集(分别为)。扩大的可信集)作为渐近一致的置信集;这些可信集的直径由后验集中率控制。如果选择的可信水平足够快地增长到一个,相应的可信集可以被解释为频率置信集没有条件的后验浓度。在具有$O(1/n)$边缘稀疏性的机制中,或者当社区内和社区间边缘概率非常接近时,可信集可以被扩大以实现频率论渐近覆盖,也没有后验集中的条件。
2023-03-02 math.ST stat.TH
Optimal Confidence Bands for Shape-Restricted Curves
设$Y$是$[0,1]$上满足$dY(t) = n^{1/2} f(t) dt + dW(t)$的随机过程,其中$n \ge 1$是给定的尺度参数("样本量“),$W$是标准布朗运动,$f$是未知函数。利用适当的多尺度测试,我们构造的置信带$f$与保证给定的覆盖概率,假设$f$是保序或凸。这些置信带在计算上是可行的,并且在适当的意义上被证明是渐近最优的。
2013-12-23 math.ST stat.TH
Near-Optimal Non-Parametric Sequential Tests and Confidence Sequences with Possibly Dependent Observations
本文证明延迟启动正态混合序贯概率比检验在一般非参数甚至相关观测下具有渐近正确的I类错误和近最优期望拒绝时间,并可用于估计方程参数的序贯推断与Netflix A/B测试。
2024-03-11 econ.EM math.ST stat.ME
Confidence bands for multivariate and time dependent inverse regression models
构造了具有卷积型算子的逆回归模型中多元回归函数的一致渐近置信带。利用强逼近方法和一个关于增集系上平稳高斯场上确界的极限定理得到了这些结果。作为一个具体的应用,获得了卷积型逆回归模型中的不定常回归函数$f_t(x)$($x\in \mathbb {R}^d,t\in \mathbb {R}$)的渐近置信带。最后,我们证明了我们提出的方法在模拟研究和应用程序的椭圆星系NGC5017的光度分布估计的实际可行性。据作者所知,本文的结果是第一个提供了统一的置信带多元非参数函数估计反问题。
2015-04-07 math.ST stat.ME stat.TH