On the pointwise and sup-norm errors for local regression estimators
本文研究局部回归估计量的逐点与上确界范数误差,引入形状正则局部映射概念,证明其必要性与充分性,并分析多种估计量及新CART变体的最优速率。
2025-07-08 math.ST stat.TH
Higher Order Spline Highly Adaptive Lasso Estimators of Functional Parameters: Pointwise Asymptotic Normality and Uniform Convergence Rates
We consider estimation of a functional of the data distribution based on i.i.d. observations. We assume the target function can be defined as the minimizer of the expectation of a loss function over a class of $d$ -variate real valued cadlag functions that have finite sectional variation norm. For all $k=0,1,\ldots$ , we define a $k$ -th order smoothness class of functions as $d$ -variate functions on the unit cube for which each of a sequentially defined $k$ -th order Radon-Nikodym derivative w.r.t. Lebesgue measure is cadlag and of bounded variation. For a target function in this $k$ -th ord…
2023-01-31 math.ST stat.TH
Pointwise density estimation on metric spaces and applications in seismology
本文研究在广泛度量空间中估计密度的问题,提出了一般 Hölder 空间中概率密度函数的逐点核密度估计方法,并应用于地震学分析全球地震发生数据集,比较了球面上索引的近似核密度估计器的样本外性能。
2023-03-31 math.ST stat.AP stat.TH
Minmax Trend Filtering: Generalizations of Total Variation Denoising via a Local Minmax/Maxmin Formula
Department of Statistics, University of Illinois at Urbana Champaign(统计系,伊利诺伊大学厄巴纳-香槟分校)
本文提出可推广全变分去噪的局部极小极大/极大极小公式,构建全新非参数回归方法极小极大趋势滤波MTF,推导其逐点误差界与局部收敛速率,为方法的局部自适应性提供新解释。
2026-02-12 cs.LG math.ST stat.TH
An Exact Pointwise Characterization for Total Variation Denoising in Quantile Regression
University of Illinois at Urbana-Champaign(伊利诺伊大学厄巴纳-香槟分校)
本文通过推导分位数总变分去噪估计器的精确minmax/maxmin表示,提供了其解集的完整点wise描述,并揭示了其结构特性及在分位数水平上的非交叉性。
2026-05-02 math.ST stat.TH
Large and moderate deviations principles for recursive kernel estimators of a multivariate density and its partial derivatives
本文证明了概率密度函数及其偏导数的递归核估计的大偏差原理和中偏差原理。与密度估计不同,导数估计不仅对中等偏差尺度而且对大偏差尺度都表现出二次性。我们提供的点态和一致偏差的结果。
2006-01-18 math.ST stat.TH
On pointwise adaptive curve estimation with a degenerate random design
本文考虑了随机设计模型下的非参数回归问题,并对设计退化点$x\_0$处回归的自适应估计进行了研究。当设计密度为$β$ -在$x\_0$处有规律地变化,并且$f$具有Hölder意义下的平滑度$s$时,我们从Gaïffas(2004)\nocite{gaiffas04a}中知道,极小极大率等于$n^{-s/(1+2s+β)} \ell(1/n)$,其中$\ell$缓慢变化。在本文中,我们提供了一个估计,这是自适应的设计和回归函数的光滑性,我们证明了它的速度$(\log n/n)^{s/(1+2s+β)} \ell(\log n/n)$收敛。该过程由一个局部多项式估计器和一个Lepski型数据驱动带宽选择器组成,类似于Goldenshluger和Nemirovski(1997)\nocite{goldenshluger\_nemirovski97}或Spokoiny(1998)\nocite{spok98}中的选择器。此外,我们证明了支付的$\log$在这个自适应率相比,极大极小率是不可避免的。
2005-03-30 math.ST stat.TH
Adaptive pointwise estimation for pure jump Lévy processes
研究了有界变差纯跳Lévy过程Lévy密度N(x)的自适应核估计.在“高频”背景下,在n个离散时刻观察到样本路径(Δ= Δ(n)趋于零,而nΔ趋于无穷大)。我们构造了函数g(x)=xN(x)的核估计器集合,并提出了一种局部自适应选择带宽的方法。对于二次逐点风险,我们给出了一个预言不等式和一个收敛速率。这个速率被证明是最优的minimax速率。我们给出的例子和模拟结果适合在我们的框架的过程。我们还考虑了不规则采样的情况。
2013-02-13 math.ST stat.TH
Smoothed isotonic estimators of a monotone baseline hazard in the Cox model
考虑Cox模型中单调基线风险率$λ_0$的光滑极大似然估计和光滑Grenander型估计。我们分析了它们的渐近行为,并表明,它们是渐近正态的速率$n^{m/(2m+1)}$,当~ $λ_0$是$m\geq 2$倍连续可微的,这两个估计是渐近等价的。最后,我们提出了逐点置信区间的数值结果,说明了这两种方法的可比行为。
2018-05-17 math.ST stat.TH
HAL-Based Plug-in Estimation with Pointwise Asymptotic Normality of the Causal Dose-Response Curve
本文提出基于高自适应Lasso(HAL)的插件估计器,用于连续处理下因果剂量-反应曲线的估计与推断,并通过全面模拟证明其具有逐点渐近正态性且优于现有方法。
2025-08-27 stat.AP stat.ME
Asymptotic normality of kernel type deconvolution estimators
我们得到了密度、不动点处的分布函数和区间概率的核型反卷积估计的渐近正态性。我们考虑所谓的超光滑的情况下,特征函数的已知分布呈指数下降。事实证明,密度和分布函数的逐点估计的极限行为是相对简单的,而区间概率的估计的渐近性以复杂的方式依赖于带宽的序列。
2001-12-04 math.ST stat.TH
Pointwise adaptive estimation for robust and quantile regression
本文提出了一种用于稳健回归估计和分位数回归的非参数方法,它完全是数据驱动的,并且局部适应于回归函数的正则性。这是通过考虑在每个点的M-估计在不同的局部邻域和局部模型选择过程的基础上序贯检验。得到了非渐近风险界,在较弱的条件下得到了大样本渐近率最优性。不同的单变量中位数回归模型的模拟显示出良好的有限样本性质,也比较传统的方法。该方法被扩展到图像去噪,并应用于癌症研究中的CT扫描。
2009-04-03 math.ST stat.TH
The stochastic approximation method for the estimation of a multivariate probability density
我们应用随机逼近方法构造了一大类概率密度的递归核估计,包括Hall和Patil(1994)提出的一类.我们研究了这些估计的性质,并将它们与Rosenblatt的非递归估计进行了比较。事实证明,对于逐点估计,最好使用非递归Rosenblatt核估计,而不是任何递归估计。相反,对于置信区间估计,最好使用递归估计而不是Rosenblatt估计。
2008-07-18 math.ST stat.TH
Pointwise adaptive kernel density estimation under local approximate differential privacy
本文在局部近似差分隐私框架下研究了非参数密度估计。与具有可信管理者的集中式隐私场景相比,在本地设置中,匿名化必须在个人数据所有者侧已经得到保证,因此必须在任何数据挖掘任务之前。因此,所公布的匿名数据应尽可能与许多统计程序兼容。我们建议将拉普拉斯噪声和高斯过程(均适当缩放)添加到核密度估计器中,以获得后者的近似差分私有版本。我们得到极小极大型的Sobolev类索引的光滑参数$s>1/2$的均方误差在不动点的结果。特别是,我们表明,如果正确指定带宽参数,从$n$不同的数据所有者的私有核密度估计的平均值达到最佳的收敛速率。值得注意的是,就样本量$n$而言的最佳收敛速度是局部差分隐私下的$n^{-(2s-1)/(2s+1)}$,因此劣化为在没有隐私限制的情况下保持的速率$n^{-(2s-1)/(2s)}$。由于带宽参数的最佳选择取决于平滑度$s$,因此在实践中是不可访问的,用于带宽选择的自适应方法是必要的,并且必须在本地隐私框架中直接对匿名数据执行。我们解决这个问题的Lepski的方法的一个变种,专门为隐私设置,并获得一般的预言不等式的私人核密度估计。在Sobolev的情况下,所得到的自适应估计器达到最佳的收敛速率至少达到额外的对数因子。
2019-07-14 cs.CR math.ST stat.TH
Asymptotic theory of rerandomization for survival analysis
Mississippi State University(密西西比州立大学);Yale School of Public Health(耶鲁公共卫生学院)
本文研究了重新随机化在生存分析中的渐近性质,证明了治疗特异性生存函数估计量在分层重新随机化下的统一弱收敛性,并探讨了反事实调整对无限维目标估计量的影响。
2026-04-25 math.ST stat.ME stat.TH
Debiased Nonparametric Regression for Statistical Inference and Distributionally Robustness
The University of Tokyo(东京大学)
本文提出一种无模型的非参数回归去偏方法,通过加入估计条件期望残差的校正项,使估计量在温和条件下具备风险收敛与渐近正态性,从而支持统计推断并提升协变量偏移下的鲁棒性。
2025-03-17 cs.LG econ.EM math.ST
Smooth plug-in inverse estimators in the current status continuous mark model
我们考虑的问题估计的联合分布函数的事件时间和一个连续的标志变量时,事件的时间是受区间删失情况1和连续的标志变量只观察到的情况下,事件发生在检查时间。已知该模型中的非参数极大似然估计是不一致的。我们研究了两种替代的光滑估计,基于显式(逆)表达的分布函数的可观察向量的密度。我们推导出这两个估计量的逐点渐近分布。
2011-02-09 math.ST stat.TH
New Risk Bounds for 2D Total Variation Denoising
该研究针对二维总变分去噪(TVD),分析其对轴对齐矩形分段常数函数的自适应性,证明理想调参下此类场景表现优于最坏情况,还提出具备同等最坏情况风险保证的数据驱动TVD估计量。
2021-03-04 math.PR math.ST stat.ML
A kernel type nonparametric density estimator for decompounding
给定一个离散观测复合泊松过程的样本,我们考虑跳跃大小的密度估计。提出了一种核型非参数密度估计,并研究了它的渐近性质。给出了估计量的偏差的阶界和方差的渐近展开。建立了点态弱相合性和渐近正态性。结果表明,渐近,估计的行为非常像一个普通的核估计。
2007-09-05 math.ST stat.TH
Beyond Consistency: Inference for the Relative risk functional in Deep Nonparametric Cox Models
Department of Biostatistics, University of Michigan(密歇根大学生物统计学系)
本文研究深度非参数Cox模型中相对风险函数的推断问题,提出新的渐近分布理论,解决梯度优化误差传播、点估计偏差控制及不确定性量化等挑战。
2026-03-25 cs.LG math.ST stat.ML
Bernstein-smoothed estimation and bootstrap inference for the lower-tail Spearman's rho curve
Dalhousie University(达尔豪斯大学);Université du Québec à Trois-Rivières(特鲁瓦河魁北克大学);Munzur University(穆兹尔大学)
本文提出下尾Spearman's rho曲线的Bernstein平滑估计量,建立一致性和弱收敛理论,验证平滑beta bootstrap推断,并通过模拟和保险数据展示其降低方差和误差的优势。
2026-09-16 math.ST stat.ME stat.TH
Isotonized smooth estimators of a monotone baseline hazard in the Cox model
考虑Cox模型中单调基线风险的两个保序光滑估计,一个是最大光滑似然估计,另一个是基于累积基线风险的光滑Breslow估计的Grenander型估计.我们证明了它们在速率$n^{m/(2m+1)}$下都是渐近正态的,其中$m\geq 2$表示所考虑的平滑水平,并且我们将它们的极限行为与Lopuhaä和Musta(2016)中研究的核平滑保序估计量联系起来。结果表明,Grenander型估计量与核平滑保序估计量是渐近等价的,而最大平滑似然估计量具有相同的渐近方差,但有不同的偏差。最后,我们提出了逐点置信区间的数值结果,说明了这两种方法的可比行为。
2018-05-17 math.ST stat.TH
Quarticity and other functionals of volatility: Efficient estimation
考虑在[0,t]上以高频率$1/Δ_n$正则采样的多维Ito半鞅,其中$Δ_n$趋于零.本文的目的是提供一个估计的积分在[0,t]上的波动率矩阵的一个给定的功能。为了近似积分,我们简单地使用基于逐点波动率的局部估计的黎曼和。我们表明,虽然逐点估计的精度是最多$Δ_n^{1/4}$,这个过程达到参数率$Δ_n^{1/2}$,因为它通常是在集成的泛函估计的情况下。经过适当的偏差修正,我们得到了估计量的无偏中心极限定理,并证明了它在某些子模型下是渐近有效的。
2013-08-13 math.ST stat.TH
The Trimmed Mean in Non-parametric Regression Function Estimation
本文研究了Nadaraya-Watson估计量的一种修正形式,用于估计未知非参数回归函数。通过极小化问题建立了估计量的特征,并导出了其逐点渐近分布。通过故障点研究了该估计器的鲁棒性。此外,随着广泛的模拟研究的渐近效率的研究表明,这种估计在各种情况下表现良好。三个基准的实际数据,以及估计的实用性。
2019-09-26 math.ST stat.ME stat.TH
Bagging of Density Estimators
在这项工作中,我们给出了新的密度估计平均经典的密度估计,如直方图,频率多边形和核密度估计在不同的自助样本的原始数据。我们证明了这些新的估计的L2-一致性,并通过大量的模拟比较它们与几种类似的方法。在此基础上,给出了目标密度的非参数逐点置信区间的构造方法。
2018-08-23 stat.ME
Supervised Machine Learning with a Novel Kernel Density Estimator
近年来,核密度估计已被计算机科学家用来建模机器学习问题。基于核密度估计的方法由于构造分类器的O(n)或O(n*log(n))的低时间复杂度而受到关注,其中n是采样实例的数量。关于核密度估计器的设计,一个基本问题是逐点均方误差(MSE)和/或积分均方误差(IMSE)随着采样实例数的增加而减小的速度有多快。在这篇文章中,它表明,与建议的核函数是可行的,使点态MSE的密度估计收敛于O(n^-2/3)的向量空间的维数无关,只要在感兴趣的点的概率密度函数满足一定的条件。
2007-10-16 stat.ML
Adversarial Estimators
Stanford University(斯坦福大学)
我们发展了对抗估计量(“A-估计量”)的渐近理论。他们推广最大似然型估计('M-估计'),因为他们的平均目标是最大化的一些参数和最小化的其他。这个类包含了连续更新的广义矩估计法,生成对抗网络以及机器学习和计量经济学中最近的建议。在这些例子中,研究人员指出问题的哪些方面原则上可以用于估计,而对手则学会如何以最佳方式强调这些方面。我们得到了点态和部分识别下A-估计的收敛速度以及参数泛函的正态性。未知函数可以通过筛子(如深度神经网络)近似,我们提供了简化的低级条件。作为一个推论,我们得到了神经网络M-估计的正态性,克服了以前文献中确定的技术问题。我们的理论产生新的结果各种A-估计,提供直观和正式的理由,他们的成功,在最近的应用。
2022-06-17 cs.LG econ.EM math.ST
Sieve-based confidence intervals and bands for Lévy densities
在离散抽样方案下,考虑了控制Lévy过程跳跃动力学的无穷维参数Lévy密度的估计。在这种情况下,跳跃是潜变量,当观测的频率和时间范围以适当的速率增加到无穷大时,可以评估其统计特性。Figueroa-López [IMS Lecture Notes 57(2009)117--146]提出了基于Grenander筛法的Lévy密度的非参数估计。在本文中,中心极限定理这些筛估计,无论是逐点和一致的间隔远离原点,得到的逐点置信区间和带的Lévy密度。在逐点情形下,我们的估计以任意接近光滑Lévy密度上的极小极大估计风险的速率收敛到Lévy密度。在均匀频带和离散规则采样的情况下,我们的结果是一致的密度估计的情况下,实现任意接近$\log^{-1/2}(n)\cdot n^{-1/3}$,其中$n$是观察的数量的顺序的速率。收敛速度是有效的,只要$s$是足够光滑的,并且时间范围$T_n$和筛的尺寸根据$n$适当地选择。
2011-04-22 math.ST stat.TH
Uniform Convergence Rate of the Nonparametric Estimator for Integrated Diffusion Processes
本文研究积分扩散过程系数的非参数估计,首次在观测区间趋于消失、长时间跨度及无界支撑条件下,为 Nadaraya-Watson 估计量建立一致收敛速度。
2025-03-19 math.PR math.ST stat.TH
Monotone spectral density estimation
我们提出了两个估计的单调谱密度,这是基于周期图。这些是周期图的保序回归和对数周期图的保序回归。我们推导出了短记忆线性过程和长记忆高斯过程的估计量的逐点极限分布结果,并证明了该估计量是速率最优的。
2011-03-09 math.ST stat.TH
Optimal choice among a class of nonparametric estimators of the jump rate for piecewise-deterministic Markov processes
分段确定性马尔可夫过程是一个随机过程,其行为由一个常微分方程控制,该方程被随机时间发生的随机跳跃打断。在遍历性条件下,研究了长时间观测的随机模型的跳跃率的非参数估计问题。我们引入了一个不可数的类(指标的确定性流)的递归核估计的跳跃率,我们建立了强逐点一致性以及它们的渐近正态性。我们建议在这一类中选择具有最小方差的估计量,不幸的是,这是未知的,因此仍有待估计。我们还讨论了交叉验证方法的带宽参数的选择。
2016-05-23 math.ST stat.TH
A Nonparametric Measure of Local Association for two-way Contingency Tables
在列联表分析中,比值比是一种常用的测量方法,用于总结两个分类变量(如R和S)之间的关联程度。现在假设对于表中的每个个体,也观察到连续变量X的向量。因此,分析关联度是否以及如何随X而变化是至关重要的。在这项工作中,我们扩展了经典的优势比的条件的情况下,并开发非参数估计的这种“逐点优势比”,以总结强度的局部关联R和S给定X。为了允许最大的灵活性,我们使用内核回归进行此扩展。我们开发的置信区间的基础上,这些非参数估计。我们通过模拟证明,我们的逐点优势比估计可以优于基于模型的同行从逻辑斯谛回归和GAM,而不需要线性或加性假设。最后,我们说明了它的应用程序从重症监护病房(ICU)的患者的数据集,提供了一个更深入的了解如何急诊与择期原因入院的患者的生存之间的关联随患者的年龄而变化。
2012-11-14 math.ST stat.ME stat.TH
State-by-state Minimax Adaptive Estimation for Nonparametric Hidden Markov Models
在本文中,我们引入了一个新的估计的非参数隐马尔可夫模型的排放密度。它是自适应的和最小最大相对于每个国家的规律性-而不是全球最小最大估计,适应最差的规律性之间的排放密度。我们的方法是基于Goldenshluger和Lepski的方法。它是计算效率,只需要一个家庭的初步估计,没有任何限制的类型的估计考虑。我们提出了两个这样的估计,允许达到极大极小率的对数项:谱估计和最小二乘估计。我们将展示如何在实践中校准它,并评估其性能的模拟和真实数据。
2018-07-16 math.ST stat.TH
Extreme quantile regression in a proportional tail framework
我们重新审视了Einmahl等人最初引入的异方差极值模型(JRSSB,2016),以描述非平稳序列的演变,其极值随时间推移而演变,并将其适应于一般的极端分位数回归框架。给出了极值指标和积分skedasis函数的估计,并证明了它们的渐近正态性。我们的结果是非常相似的异方差极端,但不同的证明方法强调耦合参数。我们还提出了skedasis函数的逐点估计和条件极值分位数的Weissman估计,并证明了这两个估计的渐近正态性。
2020-02-05 math.ST stat.TH
A symmetric matrix-variate normal local approximation for the Wishart distribution and some applications
非中心威沙特分布已成为统计学中的主流,因为自从计算机出现以来,涉及样本协方差与潜在的多元高斯总体的应用的流行度急剧增加。文献中的多信源处理局部近似的非中心威沙特分布相对于其中心对应。然而,还没有任何来源已经制定了明确的局部近似(中央)威沙特分布的正态模拟,这是重要的,因为高斯分布是在许多统计方法的渐近理论的核心。本文证明了Wishart密度与对称矩阵-变量正态密度之比在相同均值和协方差下的精确渐近展开式。然后使用结果导出相应的概率测度之间的全变差的上界,并在具有Wishart非对称核的正定矩阵空间上找到新的密度估计的逐点方差。为了完整性,我们还发现我们的新估计的逐点偏差,逐点方差的表达式,因为我们走向边界的支持,均方误差,平均集成平方误差远离边界,我们证明了它的渐近正态性。
2021-12-18 math.PR math.ST stat.TH
Estimating a concave distribution function from data corrupted with additive noise
我们考虑两个非参数估计的凹分布函数的基础上损坏的数据与加性噪声产生的有界递减密度$(0,\infty)$的程序。对于最大似然(ML)估计和最小二乘(LS)估计,我们状态的定性性质,证明了一致性,并提出了一个计算算法。对于LS估计及其导数,我们也得到了点态渐近分布。此外,率$n^{-2/5}$实现的LS估计被证明是极小极大估计的分布函数在一个不动点。
2009-04-01 math.ST stat.TH
On the Hermite spline conjecture and its connection to k-monotone densities
在(0,\infty)上定义的k-单调密度类在数学文献中是已知的,但首次由Balabdaoui和Wellner(2007,2010)从统计学的角度考虑。在这些作品中,作者推广了单调(k=1)和凸(k=2)密度的最大似然估计和最小二乘估计(MLE和LSE)的特征,并推导出极小极大界的收敛速度。当k严格大于2时,Balabdaoui和Wellner(2007)研究的极大似然估计和最小二乘估计的逐点渐近行为表明,极大似然估计和最小二乘估计在局部逐点意义下达到极大极小下界。然而,该理论假设有关埃尔米特样条逼近误差的某种猜测成立。本说明的主要目的是说明为什么这样的猜想不可能是真的。我们还建议如何绕过猜想和重建的估计量的极限理论的关键证明。
2013-01-15 math.ST stat.TH
Adaptive estimation of planar convex sets
在本文中,我们考虑自适应估计的一个未知的平面紧凑,凸集从噪声测量其支撑函数在一个统一的网格。研究了点处支撑函数的估计问题和凸集的估计问题。数据驱动的自适应估计,并建立其最优性。对于逐点估计,它示出的估计最佳适应于每一个紧凑的,凸集,而不是一个大的参数空间的集合,在传统的极大极小理论的非参数估计。对于集合估计,估计器自适应地达到最佳的收敛速率。在这两个问题中,我们的分析对未知集没有平滑性假设。
2015-08-15 math.ST stat.TH
Contrast estimation of general locally stationary processes using coupling
本文的目的是提供基于核的时变参数估计的统计保证,驱动本地平稳过程的动态。我们扩展了Dahlhaus等人的结果。(2018)考虑Doukhan和Winenberger(2008)的无限记忆过程的局部平稳版本。的估计计算为本地化的M-估计的任何对比度,满足适当的收缩条件。我们证明了这种核估计的一致相合性和逐点渐近正态性。我们将我们的结果通常的对比,如最小二乘,最小绝对值,或准最大似然对比。各种局部平稳过程,如ARMA、AR(infty)、GARMA、GARMA(infty)、ARMA-GARMA、LARMA(\infty)、.和整数值过程也被考虑。数值实验表明,模拟和真实数据集上的估计的效率。
2020-10-21 math.ST stat.TH
Quantile regression approach to conditional mode estimation
在本文中,我们考虑估计的条件模式的结果变量给定的回归。为此,我们提出并分析了一个计算可扩展的估计来自一个线性分位数回归模型,并发展渐近分布理论的估计。具体来说,我们发现,逐点极限分布是一个规模的转换,尽管存在的回归的Dalloff的分布。此外,我们考虑分析和基于子采样的置信区间的建议估计。我们还进行蒙特卡罗模拟来评估所提出的估计量的有限样本性能以及分析和子采样置信区间。最后,我们应用所提出的估计预测净小时发电量使用联合循环电厂数据。
2019-07-29 math.ST stat.ME stat.TH
Local convergence rates of the nonparametric least squares estimator with applications to transfer learning
本文研究了非参数最小二乘估计在加权一致范数下的局部收敛速率,证明其极小极大最优性,并将所得速率应用于协变量偏移下的迁移学习分析。
2023-12-29 math.ST stat.TH
Boundary Adaptive Local Polynomial Conditional Density Estimators
该研究提出一类边界自适应的局部多项式条件密度估计量,推导其一致统计性质与高斯逼近结果,给出实现方案并配套R包,可用于构建置信带与假设检验。
2023-12-18 econ.EM math.ST stat.ME
Uniform in bandwidth consistency of conditional U-statistics
1991年,Stute提出了一类称为条件U-统计量的估计量。它们可以被看作是Nadaraya-Watson估计的推广,Stute在同一篇论文中得到了它们对一般回归函数的强逐点相合性。最近,Gine和Mason引入了局部U-过程的概念,推广了局部经验过程的概念,并得到了这类U-过程的中心极限定理和重对数律.我们应用Einmahl和Mason(2005)以及Gine和Mason(2007 a,b)开发的方法,对Stute提出的估计量的一般回归函数建立带宽一致性。
2007-02-23 math.PR math.ST stat.TH
Nonparametric functionals as generalized functions
本文研究了广义函数空间中的概率分布、密度、条件分布、密度和条件矩及其核估计。这种方法不需要对非参数估计中常见的分布类别进行限制。一般函数空间中的密度不是适定性的,本文建立了广义密度函数的存在性和适定性。证明了在广义函数空间上核密度估计的根n收敛性。证明了条件分布的核估计作为广义函数广义函数空间中的一个随机过程以参数速率收敛到一个极限高斯过程,而与条件分布的逐点存在性无关.条件矩如条件均值也可以用广义函数刻画.核估计的收敛到极限高斯过程中,只要适当的时刻存在。
2013-03-06 math.ST stat.TH
Adaptive estimation of a function from its Exponential Radon Transform in presence of noise
在这篇文章中,我们提出了一个局部自适应的策略,从指数Radon变换(ERT)的数据估计的功能,没有先验知识的平滑功能,估计。我们建立了一个非参数核类型估计,并表明,对于一类功能,包括一个广泛的Sobolev正则规模,我们提出的策略如下的最小最大最优速率的$\log{n}$因素。我们还表明,不存在一个最佳的自适应估计的Sobolev规模时,逐点的风险,实际上所达到的建议估计的速度是自适应收敛速率。
2020-11-13 math.ST stat.ME stat.ML
Nonparametric Shape-restricted Regression
考虑形状约束下的非参数回归问题。主要的例子包括保序回归(相对于任何偏序),单峰/凸回归,加性形状限制回归和约束单指数模型。我们回顾了最小二乘估计(LSE)在这些问题中的一些理论性质,强调LSE的自适应性质。特别是,我们研究的行为的风险的LSE,其逐点极限分布理论,特别强调保序回归。我们调查了各种方法来构建逐点置信区间周围这些形状限制的功能。我们还简要讨论了计算的LSE,并指出一些开放的研究问题和未来的方向。
2018-06-30 math.ST stat.ML stat.TH
Minimum Encoding Approaches for Predictive Modeling
CWI(荷兰国家数学与计算机科学研究中心);University of Helsinki(赫尔辛基大学)
我们分析了两个信息理论动机的统计推断和模型选择方法之间的差异:最小描述长度(MDL)原则,和最小消息长度(MML)原则。基于这种分析,我们提出了两个修订版本的MML:逐点估计,它给出了MML最优单参数模型,和一个体积估计,它给出了MML最优区域的参数空间。我们的实证结果表明,小数据集,MDL方法产生更准确的预测比MML估计。实证结果还表明,这里介绍的修正MML估计比Wallace和Freeman建议的原始MML估计性能更好。
2013-01-30 cs.LG stat.ML
Large and moderate deviation principles for averaged stochastic approximation method for the estimation of a regression function
本文证明了由A。Mokkadem等人[Revisiting Révész的随机逼近方法用于回归函数的估计,ALEA Lat.嗯。J. Probab.数学统计6(2009),63-114]。我们表明,平均随机逼近算法构造的权重序列,最小化渐近方差给出了相同的逐点LDP的Nadaraya-Watson核估计。此外,我们还给出了这些估计量的中偏差原理。结果表明,利用最小化渐近方差的权序列构造的平均随机逼近算法,在中偏差原理下得到的速率函数大于Nadaraya-Watson估计和半递归估计的速率函数.
2013-04-29 math.ST stat.TH
Confidence intervals for multiple isotonic regression and other monotone models
本文考虑多元保序回归模型中逐点置信区间的构造问题。最近,[HZ 19]获得了该模型中所谓的块max-min和min-max估计量[FLN 17]的逐点极限分布理论,但由于极限分布中的滋扰参数涉及真实回归函数的多个未知偏导数,因此推断仍然是一个困难的问题。在本文中,我们表明,这个困难的滋扰参数可以有效地消除利用信息超出点估计的块最大最小和最小最大估计。形式上,让$\hat{u}(x_0)$(分别$\hat{v}(x_0)$)是最大化左下角(分别为最小化块中的顶点max-min(分别为最小-最大)估计器,并且$\hat{f}_n$是块最大-最小和最小-最大估计器的平均值。如果$f_0$的所有(一阶)偏导数在$x_0$处都是非零的,则以下关键极限分布理论成立:$$ \sqrt{n_{\hat{u},\hat{v}}(x_0)}\big(\hat{f}_n(x_0)-f_0(x_0)\big)\rightsquigarrow σ\cdot \mathbb{L}_{1_d}. $$这里$n_{\hat{u},\hat{v}}(x_0)$是块$[\hat{u}(x_0),\hat{v}(x_0)]$中设计点的数量,$σ$是误差的标准差,而$\mathbb{L}_{1_d}$是没有多余参数的通用极限分布。这立即产生具有渐近精确置信水平和oracle长度的$f_0(x_0)$的置信区间。值得注意的…
2020-09-30 math.ST stat.ME stat.TH
Monotonicity-Constrained Nonparametric Estimation and Inference for First-Price Auctions
本文提出一种对逆投标策略施加单调性约束的首价拍卖非参数估计量,其渐近方差更小,并提供了构建潜在估值密度函数均匀置信带的自助法。
2019-09-27 econ.EM stat.ME
Universal pointwise selection rule in multivariate function estimation
本文研究多元函数的点态估计问题。我们开发了一个一般的逐点估计过程,是基于从一个大的参数化集合中选择估计。逐点风险的上界的建立,它表明,建议的选择程序专门为不同的集合的估计导致极大极小和自适应极大极小估计在各种设置。
2008-11-17 math.ST stat.TH
Confidence intervals for the current status model
讨论了当前状态模型中分布函数的逐点置信区间的构造方法。置信区间基于平滑最大似然估计(SMLE),并使用自助法构建。其他方法来构建置信区间,使用非标准极限分布的(限制)极大似然估计,我们的方法相比,通过模拟和实际数据的应用。
2017-03-24 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
A Small-Uniform Statistic for the Inference of Functional Linear Regressions
本文提出了一种“小均匀”统计量用于函数线性回归模型中函数PCA估计量的推断。已有文献表明了两种极端的行为:一方面,FPCA估计在其范数拓扑中不收敛于分布;另一方面,FPCA估计确实具有逐点渐近正态分布.我们的统计量在这两个极端之间采取了中间立场:经过适当的速率归一化后,我们的小均匀统计量被构造为有限维子空间上FPCA估计器的分式规划问题的最大化者,并且其维度将随着样本量的增加而增加。我们展示了我们的标量统计量在概率上收敛到高斯过程的上确界的速率。小均匀统计量在假设检验中有应用。模拟结果表明,我们的统计量具有可比性略好的权力比Cardot,Ferraty,Mas和Sarda(2003)的两个统计量的假设检验的属性。
2021-02-22 math.ST stat.ME stat.TH