Nonparametric estimation for fractional diffusion processes with random effects
提出了一类具有随机效应的分数阶随机微分方程(Festival)的非参数估计。精确地考虑了一般线性分数阶随机微分方程,其漂移依赖于随机效应和非随机扩散。我们建立了普通的核估计和直方图估计,并研究了它们的Lp-风险(p =1或2),当H>1/2时。当T = T(N)和N都趋于无穷大时,渐近结果被评估。
2019-01-16 math.ST stat.TH
Parameter estimation for threshold Ornstein-Uhlenbeck processes from discrete observations
假设在离散时刻观测到阈值Ornstein-Uhlenbeck过程,我们提出了广义矩估计器来估计参数。我们的理论基础是著名的遍历定理。为了使用这个定理,我们需要找到不变测度的显式形式。在采样时间步长任意固定的情况下,当样本量趋于无穷大时,我们证明了估计量的强相合性和渐近正态性。
2020-11-21 math.ST stat.TH
Drift Estimation for Discretely Sampled SPDEs
研究了加性时空噪声驱动下分数阶随机热方程漂移系数的极大似然估计的渐近性质。考虑了谱域测量时随机偏微分方程的传统统计实验,与现有文献相比,研究了Fourier模数和时间均趋于无穷大时的极大似然(型)估计的渐近性质.在本文的第一部分中,我们考虑了通常的设置连续时间观测的傅里叶系数的解决方案,并证明了最大似然估计是一致的,渐近正常的和最佳的均方意义。在本文的第二部分中,我们研究的自然时间离散化的MLE,通过假设的第一个N傅立叶模式测量M时间网格点,均匀分布在时间间隔[0,T]。当N趋于无穷大和/或T,M趋于无穷大时,我们对所提出的估计量进行了严格的渐近分析.我们建立了N,M和T的增长率的充分条件,保证了这些估计的相合性和渐近正态性。
2019-04-24 math.PR math.ST stat.TH
Central Limit Theorems for Classical Likelihood Ratio Tests for High-Dimensional Normal Distributions
对于从p-变量正态分布中获得的大小为n的随机样本,我们考虑了高维环境中其均值协方差阵的经典似然比检验(LRT)。这些检验统计量已在多变量分析中得到广泛研究,并且当n趋于无穷大且p保持固定时,它们在零假设下的极限分布被证明是χ 2分布。在本文中,我们考虑高维情形,其中p和n都趋于无穷大,且p=n/y在(0,1]中.证明了在此假设下的似然比检验统计量在分布上收敛于具有显式均值和方差的正态分布。我们进行模拟研究表明,似然比检验使用我们的中心极限定理优于那些使用传统的卡方近似分析高维数据。
2013-06-02 math.ST stat.TH
Variance Estimation for Tree Order Restricted Models
本文讨论了几个正态总体的共同方差的树序约束均值估计。我们讨论了当总体数趋于无穷大时方差的最大似然估计量的渐近性质。我们考虑了几种情况下的各种顺序的样本量和方差的最大似然估计可能是或可能不是一致的或渐近正态的。
2014-07-23 math.ST stat.TH
Estimation of all parameters in the reflected Orntein-Uhlenbeck process from discrete observations
假设在离散时刻观测到一个反射的Ornstein-Uhlenbeck状态过程,我们提出了广义矩估计器,通过著名的遍历定理估计所有的漂移和扩散参数。当采样时间步长h > 0任意固定时,证明了当样本容量n趋于无穷大时,估计量的强相合性和渐近正态性。这为Hu等人[5]中留下的一个开放问题提供了完整的解决方案。
2020-09-10 math.ST stat.TH
Minimax rates for latent position estimation in the generalized random dot product graph
本文在二至无穷范数下建立了RDPG和GRDPG模型中潜位置估计的极小极大下界,证明特定谱嵌入方法可达到该下界,并利用Hadamard矩阵构造证明了低秩加噪声网络模型子空间估计的对应下界。
2023-07-04 math.ST stat.TH
Multivariate density estimation under sup-norm loss: oracle approach, adaptation and independent structure
研究了超模损失下Rd上的密度估计.我们提供了完全数据驱动的估计过程,并建立了所谓的超范数预言不等式。所提出的估计允许考虑不仅近似性质的基础密度,但最终的独立结构以及。作为一个特例,我们的结果包含了多元密度模型中带宽选择问题的完全解。通过应用于各向异性Nikolskii类的自适应估计,说明了所开发的方法的有效性。
2012-10-26 math.ST stat.TH
Frontier estimation via kernel regression on high power-transformed data
本文提出了一种新的多维样本前沿估计方法。估计器是基于幂变换数据的核回归。我们假设变换的指数趋于无穷大,而内核的带宽趋于零。给出了这两个参数的完全收敛性和渐近正态性条件。在有限样本情形下,证明了该估计器的良好性能。
2011-03-30 math.ST stat.ME stat.TH
Estimation of quadratic variation for two-parameter diffusions
本文给出了两指标布朗运动加权二次变差过程的一个中心极限定理。作为一个应用,我们表明,离散的二次变化$\sum_{i=1}^{[n s]} \sum_{j=1}^{[n t]} | Δ_{i,j} Y |^2$的两个参数的扩散$Y=(Y_{(s,t)})_{(s,t)\in[0,1]^2}$上观察到一个规则的网格$G_n$是一个渐近正态估计的二次变化的$Y$作为$n$走向无穷大。
2008-01-19 math.PR math.ST stat.TH
The two-to-infinity norm and singular subspace geometry with applications to high-dimensional statistics
奇异值矩阵分解在统计学及相关领域中有着广泛的应用。包括聚类、分类和降维在内的无数应用都涉及到对奇异值和奇异向量的几何结构的研究和利用。本文提供了一个新的技术和理论工具,研究几何奇异子空间使用2到无穷范数。出于初步确定性的Procrustes分析,我们考虑一个一般的矩阵扰动设置中,我们得到一个新的Procrustean矩阵分解。再加上灵活的机械开发的2到无穷大的规范,这使我们能够进行精细的分析,诱导扰动几何相对于基本的奇异向量,即使在存在的奇异值多重性。我们的分析产生了一系列流行的矩阵噪声模型,其中每一个都有一个有意义的相关统计推断任务的奇异向量entrywise扰动界。此外,我们还展示了在某些统计环境中,2到无穷大的范数是首选的范数。本文讨论的具体应用包括协方差估计,奇异子空间恢复和多重图推理。我们的Procrustean矩阵分解和技术机器开发的2到无穷大的规范可能是独立的利益。
2018-10-02 math.ST stat.TH
Full Model Estimation for Non-Parametric Multivariate Finite Mixture Models
本文研究非参数有限混合模型的全模型估计问题。它提出了一种用于选择分量的数量和判别变量的子集(即,在混合成分之间具有不同分布的变量子集)。所提出的方法考虑了离散化的每个变量到B箱和惩罚所产生的对数似然。考虑到当样本量趋于无穷大时,仓数趋于无穷大,我们证明了在适当选择惩罚项的情况下,我们对模型的估计(用于聚类的相关变量的子集和分量数)是一致的.模拟和基准数据说明了我们的建议的兴趣。
2021-12-10 math.ST stat.TH
Shrinkage to Infinity: Reducing Test Error by Inflating the Minimum Norm Interpolator in Linear Models
Princeton University(普林斯顿大学)
本文研究了高维线性回归中协方差矩阵高度各向异性时,通过放大最小二范数插值器来降低测试误差的方法,理论和实验证明了这一方法的有效性。
2026-04-30 math.ST stat.ML stat.TH
Matrix Perturbation: Davis-Kahan in the Infinity Norm
本文针对低秩信号矩阵与随机扰动场景,发展了O'Rourke-Vu-Wang结果的无穷范数版本,通过新的自助法论证和迭代留一法证明,为寻找隐藏划分和矩阵补全等问题提供了快速且具关键优势的新算法。
2023-11-20 cs.DS cs.NA math.CO
Estimation of the density of a determinantal process
考虑了由行列式过程$N$的$n$独立副本的观测值估计$N$的密度$Π$的问题,我们使用了基于稳健检验的聚集方法来建立我们的估计量.我们建立非渐近的风险界的Hellinger损失和推断,当$n$走向无穷大,均匀的收敛速度超过类的密度$Π$的利益。
2013-03-14 math.ST stat.TH
Error bounds for the normal approximation to the length of a Ewens partition
设$K(=K_{n,θ})$是正整数值随机变量,其分布由${\rm P}(K = x) = \bar{s}(n,x) θ^x/(θ)_n$ $(x=1,\ldots,n) $给出,其中$θ$是正数,$n$是正整数,$(θ)_n=θ(θ+1)\cdots(θ+n-1)$和$\bar{s}(n,x)$是$θ^x$在$(θ)_n$中对于$x=1,\ldots,n$的系数.这个公式描述了Ewens划分的长度分布,这是随机划分的标准模型。当$n$趋于无穷大时,$K$渐近地遵循正态分布。此外,由于$n$和$θ$同时趋于无穷大,如果$n^2/θ\to\infty$,则$K$也渐近地遵循正态分布。本文给出了正态近似的误差界。结果表明,误差的衰减率由于渐近区域而变化。
2019-05-01 math.ST stat.TH
Minimax estimation of norms of a probability density: II. Rate-optimal estimation procedures
在本文中,我们开发率-最优估计程序的问题估计$L_p$ -范数,$p\in (0, \infty)$的概率密度从独立的观察。假设密度定义在$R^d$,$d\geq 1$上,并且属于各向异性Nikolskii空间中的球。在整数$p\geq 2$情形下,我们采用极大极小化方法,构造了速率最优估计.我们证明,根据参数的Nikolskii的类和规范指标$p$,风险渐近范围从不一致的$\sqrt{n}$ -估计。本文的结果补充了在配套文件\cite{gl20}中导出的极大极小下界。
2020-08-25 math.ST stat.TH