Beta-Binomial stick-breaking non-parametric prior
提出了一类新的非参数先验分布,称为Beta-二项式棒断裂过程。通过允许潜在的长度随机变量是依赖通过Beta边际马尔可夫链,一个有吸引力的离散随机概率测度出现。链的依赖性参数控制棒断裂权重的顺序,从而调整模型的标签切换能力。此外,通过调整此参数,生成的类包含Dirichlet过程和几何过程先验作为特定情况,这对于MCMC实现的快速收敛是有意义的。讨论了该模型的一些性质,提出了一种密度估计算法,并用模拟数据集进行了测试。
2020-08-11 math.PR math.ST stat.ME
An exact unbiased semi-parametric maximum quasi-likelihood framework which is complete in the presence of ties
本文提出了一种新的半参数最大拟似然框架,用于处理存在并列的排名数据,通过扩展Kemeny度量和相关协方差形式,实现对总体相关性的直接推断,并与Bradley-Terry和Thurstone模型建立等价性。
2025-12-30 math.ST stat.ME stat.TH
Usual stochastic ordering results for series and parallel systems with components having Exponentiated Chen distribution
本文讨论了两个系统之间的随机序关系。每个系统由n个相互独立的部件组成。组分遵循具有三个参数$α, β, λ$的指数(扩展)Chen分布。两个流行的系统被考虑,一个是串联系统,另一个是并联系统。本文的结果是通过改变一个参数而保持其他参数不变而得到的。借助反例证明了串联或并联系统不可能存在的危险率排序或反向危险率排序关系。
2020-02-27 math.ST stat.TH
Localization in 1D non-parametric latent space models from pairwise affinities
本文研究一维环面上基于成对亲和力的非参数潜位置估计问题,提出一种可证明达到极小极大最优速率 $\sqrt{\log(n)/n}$ 的定位方法,并将其应用于统计序列化以获得新的排序误差界。
2023-08-11 math.ST stat.ML stat.TH
Distributionally Robust Parametric Maximum Likelihood Estimation
Stanford University(斯坦福大学);University of Cyprus(塞浦路斯大学)
我们考虑的参数估计问题的概率生成模型规定使用一个自然的指数分布族。对于这个问题,典型的极大似然估计器通常在有限的训练样本量下过拟合,对噪声敏感,并且可能在下游预测任务上表现不佳。为了缓解这些问题,我们提出了一个分布鲁棒的极大似然估计,最大限度地减少最坏情况下的预期对数损失均匀的参数Kullback-Leibler球周围的参数标称分布。利用同一自然指数族中两个分布之间的库尔贝克-莱布勒散度的解析表达式,我们证明了最小-最大估计问题在广泛的环境中是易于处理的,包括广义线性模型的鲁棒训练。我们的新的鲁棒估计也享有统计一致性,并提供了有前途的实证结果在回归和分类任务。
2020-10-11 cs.LG math.ST stat.ML
A computational validation for nonparametric assessment of spatial trends
连续空间变化过程的分析通常考虑两个变化源,即由过程趋势收集的大尺度变化和小尺度变化。关于纬度和经度的参数趋势模型易于拟合和解释。然而,使用简单的参数模型表征空间变化的过程可能会导致错误的问题,如果模型是不合适的。最近,Meilán-Vila等人(2019)提出了一种基于L2距离的拟合优度检验,用于评估随机设计下具有相关误差的参数趋势模型,比较参数和非参数趋势估计量。目前的工作旨在提供一个详细的计算分析的行为,这种方法使用不同的引导算法进行校准,在一个固定的设计地质统计框架。渐近结果的测试和广泛的模拟研究,考虑到地质统计学中通常出现的复杂性,进行了说明的建议的性能。
2020-02-13 stat.CO stat.ME
Differentially Private Confidence Interval for Extrema of Parameters
本文的目的是在隐私保护下构造一个有效的参数极值的置信区间。通常对参数极值的统计推断往往存在选择偏差问题,而且在极值参数的许多应用场景中,往往需要保护数据的隐私,这一问题变得更加尖锐。本文针对指数分布族,提出了一种私有化的参数自助方法,以解决差分隐私方案下参数极值问题中的选择偏差问题.虽然通常的私有化参数自助法没有适当地解决选择偏差,我们证明了一个私有化的偏差校正项,建议的参数自助法可以导致一个有效的和高效的置信区间的参数极值。我们用高斯情形和回归情形说明了所提出的方法,并通过数值实验证明了所提出的方法的优点。
2023-03-06 stat.ME
Informed censoring: the parametric combination of data and expert information
本文提出一种将专家信息以随机测度形式纳入参数估计的新框架,推广了随机删失与粗化,并给出渐近理论及重尾保险数据尾部参数估计的应用验证。
2023-12-03 stat.ME
Active Ranking from Pairwise Comparisons and when Parametric Assumptions Don't Help
UC Berkeley(加州大学伯克利分校)
我们认为顺序或主动排名的一组n个项目的基础上嘈杂的成对比较。根据给定项目击败随机选择的项目的概率对项目进行排名,排名是指根据项目的得分将项目划分为预先指定大小的集合。这种排序的概念包括作为特殊情况的前k项的识别和项的总排序。我们首先分析一个顺序排序算法,该算法计算赢得比较的次数,并使用这些计数来决定是否停止,或比较另一对项目,根据收集到的数据指定的置信区间选择。我们证明,该算法使用多次比较成功地恢复了排名,这些比较在对数因子下是最佳的。这种保证不需要潜在的成对概率矩阵的任何结构属性,不像过去基于参数模型(如Thurstone或Bradley-Terry-Luce模型)的成对排序的重要工作。这一直是一个长期的开放问题,是否强加这些参数的假设允许改进的排名算法。对于随机比较模型,其中成对概率有界远离零,我们的第二个贡献是通过证明参数模型的下界来解决这个问题。这表明,也许令人惊讶的是,这些流行的参数建模选择提供了最多的对数增益随机比较。
2016-09-23 cs.AI cs.IT cs.LG
Simulation study to evaluate when Plasmode simulation is superior to parametric simulation in estimating the mean squared error of the least squares estimator in linear regression
该研究以线性回归最小二乘估计量的均方误差估计为场景,对比参数模拟与Plasmode模拟的性能,探究假设偏差等因素对两类模拟的影响,明确了不同场景下的优选模拟方法及Plasmode模拟的适用重采样策略。
2025-06-17 stat.CO stat.ME
Orderings of the finite mixture with modified proportional hazard rate model
本文针对修正比例风险率有限混合模型,在链式优超和弱超优超条件下,建立了通常随机序、风险序、星序和洛伦兹序的充分条件,并用数值例子验证了结果。
2024-07-23 math.ST stat.TH
An Identity for Expectations and Characteristic Function of Matrix Variate Skew-normalDistribution with Applications to Associated Stochastic Orderings
当X和Y均服从矩阵变量的斜正态分布且函数f满足某些弱条件时,我们建立了Ef(Y)-Ef(X)的一个恒等式.进而导出了矩阵变量偏态正态分布的特征函数。最后,利用它导出了矩阵变量斜正态分布在通常随机序、凸序、增凸序、上正交序、方向凸序和超模序等六种不同序下比较的充要条件。
2021-03-09 math.ST stat.TH
Semi-parametric Order-based Generalized Multivariate Regression
在本文中,我们考虑一个广义多元回归问题,其中的响应是预测变量线性变换的单调函数。我们提出了一个半参数算法的基础上的顺序的响应是不变的变换函数的函数形式。我们证明了我们的算法,它最大限度地提高了响应的秩相关性和线性变换的预测,是一个真正的系数矩阵的相合估计量。我们还确定了收敛速度,并表明平方估计误差衰减率为$o(1/\sqrt{n})$。然后,我们提出了一个贪婪算法,最大限度地提高我们的模型的高度非光滑的目标函数,并通过广泛的模拟检查其性能。最后,我们比较了我们的算法与传统的多元回归算法在合成和真实数据。
2016-02-19 math.ST stat.ML stat.TH
Stochastic orderings between two finite mixture models with inverted-Kumaraswamy distributed components
针对分量服从逆Kumaraswamy分布的有限混合模型,研究了不同参数异质性情形下的多种随机序关系,并用实例和反例验证了理论结果。
2024-03-07 math.ST stat.TH
Stochastic Ordering under Weaker Likelihood-Ratio Shape Conditions
Queen Mary University of London(伦敦大学玛丽女王学院)
研究在弱化似然比形状假设下保持危险率和通常随机序端点标准的方法,探讨单峰性和似然比减一的符号模式条件下的端点减少,以及适用于不连续似然比的直接超水平集准则。
2026-05-12 math.PR math.ST stat.TH
A new non-parametric detector of univariate outliers for distributions with unbounded support
本文的目的是构造一种新的单变量离群点的非参数检测器,并研究其渐近性质。该检测器基于Hill类型统计数据。对于具有正无界支持的大量概率分布,它满足独特的渐进行为(例如:对于高斯分布、伽玛分布、威布尔分布、学生分布或规则变化分布的绝对值)。我们已经说明了我们的结果,数值模拟,这表明该检测器相对于其他常见的单变量离群值检测器(Tukey,MAD或本地离群值因子检测器)的准确性。在提供二手车价格的数据库中的异常值的检测也被提出作为对现实生活中的数据库的应用。
2017-05-03 math.ST stat.TH
Stochastic Ordering of Exponential Family Distributions and Their Mixtures
本文研究了指数族分布及其混合分布关于通常随机序、危险率序、反向危险率序和似然比序的随机比较。基于相对对数分布概念的一般定理统一了最近文献中关于泊松分布、二项分布、负二项分布和Γ分布的各种具体结果。通过将具有任意尺度和形状参数的Γ分布的卷积表示为Γ分布的尺度混合,得到了关于这类卷积的比较定理,推广了一些已知结果.讨论了负二项分布卷积的类似结果。
2009-09-24 math.PR math.ST stat.TH
Kernel Characterisations of Stochastic Orders Within Parametric Density Families
Queen Mary University of London(伦敦大学玛丽女王学院)
本文提出了一种基于核方法的随机序刻画方法,用于参数密度族中的似然比序、危险率序、通常随机序和相对log-concave序,并展示了该方法在复合和等场景中的应用。
2026-05-18 math.PR math.ST stat.TH
Modeling inequality and spread in multiple regression
我们考虑的概念和模型来衡量不平等的资源分配,重点是如何不平等的变化作为一个函数的协变量。洛伦茨引入了一种衡量收入分配不平等的方法,它表明低于u $^{th}$分位数的收入在多大程度上低于人人收入相同的平等主义情况。基尼系数引入了一个衡量不平等的概括性指标,即洛伦兹曲线与平均主义情况下的洛伦兹曲线值之差的u的平均值。更一般地说,衡量不平等的标准对收入以外的其他反应变量也很有用,例如财富、销售额、股息、税收、市场份额和考试成绩。本文证明了正随机变量分布的广义van Zwet型色散序导出了Lorenz曲线、Gini系数和其它不等式测度上的序。我们使用这一结果和基于分布变换的分布序来激励参数和半参数模型,其回归系数测量协变量对不等式的影响。特别是,我们扩展了参数帕累托回归模型的灵活的半参数回归模型,并给出了部分似然估计的回归系数和基线分布,可用于构建各种条件的不平等措施的估计。
2006-10-27 math.ST q-fin.GN stat.TH
Convergence Rates of Ordering, Testing and Estimation Procedures for Graphons With Fast Boundary Decay Rates
针对潜在空间为[0,1]的潜在位置随机图模型,研究了顶点排序、图估计和模型检验三个问题,证明了排序估计在某些图族上可达到快于1/√n的收敛速度,并提出了计算高效的图估计算法。
2026-05-26 math.PR math.ST stat.TH
Parametric divisibility of stochastic losses
一个概率分布是n可分的,如果它的第n个卷积根存在。在用加性风险因子模型对多个(再)保险损失之间的依赖结构建模时,无限可除性,即所有$n \in\mathbb N$的$n$-可除性,是一个非常理想的性质。此外,计算一块的分布的能力(即,卷积根)也是期望的。不幸的是,如果许多有用的分布是无限可分的,计算它们的碎片的分布通常是一项具有挑战性的任务,需要大量的数值计算。然而,在少数选定的情况下,特别是伽马的情况下,提取的分布的块可以完全参数化,即可以忽略不计的数值成本和零误差。我们展示了如何利用Γ分布的这种整洁的属性来近似其他分布的片段,并且我们提供了所得到的算法的几个示例。
2022-10-12 math.PR math.ST stat.TH