Extended Fiducial Inference: Toward an Automated Process of Statistical Inference
Purdue University（普渡大学）；Harvard Medical School（哈佛医学院）；Harvard Pilgrim Health Care Institute（哈佛朝圣者医疗保健研究所）；University of Pennsylvania（宾夕法尼亚大学）
本文提出扩展置信推断（EFI），结合随机梯度MCMC与稀疏深度神经网络，实现大数据下参数不确定性推断的自动化，并在参数估计和假设检验中优于传统方法。
2024-07-31 cs.LG math.ST stat.ML
Selective Inference Approach for Statistically Sound Predictive Pattern Mining
从数据库中发现统计上显著的模式是一个重要的挑战性问题。这个问题的主要障碍是难以考虑选择偏差，即，偏见是从数据库中大量的候选模式中选择出来的。在本文中，我们介绍了一种新的预测模式挖掘问题，可以解决选择偏差的问题。我们的方法是建立在最近流行的统计推断框架称为选择性推理。在选择性推断中，基于选择事件条件下的抽样分布进行统计推断（例如统计假设检验）。如果选择事件以易于处理的方式表征，则可以进行统计推断而无需考虑选择偏倚问题。然而，在模式挖掘问题中，很难刻画挖掘算法的整个选择过程。本文的主要贡献是通过引入一种新的算法框架来解决一类预测模式挖掘问题的这一具有挑战性的问题。我们证明，我们的方法是有用的，从数据库中找到统计上显着的模式。
2016-03-09 stat.ML
An integrative approach based on probabilistic modelling and statistical inference for morpho-statistical characterization of astronomical data
本文介绍了在天文学和宇宙学中的几个应用，解决了使用概率建模和统计推断。
2015-10-19 astro-ph.IM stat.AP
Statistical Estimation and Inference via Local SGD in Federated Learning
School of Mathematical Sciences, Peking University（北京大学数学科学学院）
联合学习（FL）使得大量的边缘计算设备（例如，移动电话）在没有数据共享的情况下共同学习全局模型。在FL中，数据以高度异构的分散方式生成。本文研究了如何在联邦环境下进行统计估计和推理。我们分析了所谓的本地SGD，一个多轮的估计过程，使用间歇性的通信，以提高通信效率。我们首先建立了一个{ \it泛函中心极限定理}，证明了局部SGD的平均迭代弱收敛于一个重标布朗运动。接下来，我们提供两种迭代推理方法：{ \it插件}和{ \it随机缩放}。随机尺度方法利用整个局部SGD路径上的信息构造一个渐近关键的统计量进行推理，这两种方法都是有效的，并且适用于在线数据。我们的理论和实证结果表明，本地SGD同时实现统计效率和通信效率。
2021-12-17 cs.LG stat.ML
Statistical Inference via Generative Models: Flow Matching and Causal Inference
Shinto Eguchi
本书通过流匹配方法，将生成模型重新诠释为非参数学习高维概率分布的统计工具，用于解决生存分析、删失、缺失和因果推断等结构性高维问题。
2026-03-09 cs.LG stat.ML
CAD-DA: Controllable Anomaly Detection after Domain Adaptation by Statistical Inference
RIKEN（理化学研究所）；National Taiwan University（国立台湾大学）；Nagoya University（名古屋大学）
提出CAD-DA方法，利用条件选择性推断解决域适应影响，首次实现域适应背景下误识别异常概率可控的有效统计推断。
2023-10-23 cs.LG stat.ML
Statistical inference using SGD
The University of Texas at Austin（德克萨斯大学奥斯汀分校）；IBM T.J. Watson Research Center, Yorktown Heights（IBM T.J. Watson 研究中心，约克镇高地）
我们提出了一种新的方法，频率统计推断$M$估计问题，随机梯度下降（SGD）的基础上，具有固定的步长：我们证明，这种SGD序列的平均值可以用于统计推断，经过适当的缩放。使用Ornstein-Uhlenbeck过程的直观分析表明，这样的平均值是渐近正态的。从实践的角度来看，我们的SGD为基础的推理过程是一个一阶的方法，非常适合于大规模的问题。为了展示其优点，我们将其应用于合成和真实数据集，并证明其准确性与经典统计方法相当，同时需要的计算量可能少得多。
2017-11-19 cs.AI cs.LG math.OC
Two-Stage Robust and Sparse Distributed Statistical Inference for Large-Scale Data
Aalto University（阿尔托大学）
在本文中，我们解决的问题进行统计推断的设置，涉及大规模的数据，可能是高维和污染的离群值。数据的高容量和维度需要分布式处理和存储解决方案。我们提出了一个两阶段的分布式和强大的统计推断程序处理高维模型，促进稀疏。在第一阶段，称为模型选择，通过对不同的数据子集应用鲁棒Lasso估计来局部选择相关的预测因子。从每个计算节点的变量选择，然后融合的投票计划，找到完整的数据集的稀疏基。它以稳健的方式确定相关变量。在第二阶段，采用已开发的统计稳健且计算高效的自助方法。实际推断构造置信区间，找到参数估计值并量化标准差。与阶段1类似，本地推理的结果被传送到融合中心并在那里组合。通过使用分析方法，我们建立了良好的统计特性的强大的和计算效率的自助方法，包括一致性的固定数量的预测，和鲁棒性。建议的两阶段的强大和分布式推理程序表现出可靠的性能和稳健性，在变量选择，发现置信区间和自举近似的标准差，即使数据是高维和离群值污染。
2022-08-17 cs.LG eess.SP stat.ML
Rejoinder to "Equi-energy sampler with applications in statistical inference and statistical mechanics"
对Kou，Zhou和Wong的“等能量采样器及其在统计推断和统计力学中的应用"一文的反驳[数学ST/0507080]
2006-11-08 math.ST stat.TH
A very short guide to IOI: A general framework for statistical inference summarised
综合有机推理（IOI）是讨论在一个简洁和非正式的方式，目的是给读者的要点是什么，这种方法，以统计推断是关于以及给予指针，以进一步阅读。
2021-04-23 stat.ME stat.OT
Statistical Inference in Tensor Completion: Optimal Uncertainty Quantification and Statistical-to-Computational Gaps
本文针对张量补全的统计推断问题，提出结合初始估计、去偏与一步幂迭代的方法，证明其达到不确定性量化最优，探究了统计-计算鸿沟及初始化的影响，给出相变结论且模拟结果与理论一致。
2024-11-01 math.ST stat.ML stat.TH
On The Problem of Relevance in Statistical Inference
本文致力于“50年的相关性问题”-一个长期被忽视的话题，提请注意实际统计学家谁是关注的问题，从大规模的异构数据的推断。
2021-05-04 math.ST stat.ME stat.ML
Observable Geometry of Singular Statistical Models
本文提出基于可观测图表的不变框架，用于研究奇异统计模型的内在几何结构，揭示可识别方向和高阶区分性，并在降维回归和高斯混合模型中展示其应用。
2026-04-01 math.ST stat.ML stat.TH
Communication-Efficient Distributed Statistical Inference
我们提出了一个通信有效的代理Likestive（CSL）框架解决分布式统计推断问题。CSL为全局似然提供了一种通信效率高的替代，可用于低维估计、高维正则化估计和贝叶斯推断。对于低维估计，CSL可证明地改进了朴素平均方案，并有利于置信区间的构建。对于高维正则化估计，CSL导致一个极小极大最优估计与控制通信成本。对于贝叶斯推断，CSL可以用于形成收敛于真实后验的通信有效的准后验分布。这种准后验过程显着提高了MCMC算法的计算效率，即使在非分布式设置。我们提出了理论分析和实验来探索CSL近似的属性。
2016-11-06 cs.IT cs.LG math.IT
Statistical inference for statistical decisions
Wald发展的统计决策理论解决了样本数据的决策问题。Wald的统计决策函数（SDF）概念包含了[data -> decision]形式的所有映射。SDF不需要进行统计推断;也就是说，它不需要使用数据来得出关于自然真实状态的结论。基于推理的SDF具有顺序形式[数据->推理->决策]。本文激励基于推理的SDF作为决策的实际程序，可能会完成一些沃尔德设想。本文首先解决二元选择问题，所有的SDF可以被视为假设检验。它接下来考虑假设优化，它使用真实状态的点估计，就好像估计是准确的一样。然后，它扩展了这个想法，如果最大和最小最大遗憾的决定，使用点估计的一些功能的真实状态，如果他们是准确的。本文主要采用有限样本最大遗憾来评估基于推理的SDF的性能。为了说明抽象的想法，它提出了具体的调查结果，处理选择和点预测样本数据。
2019-09-15 econ.EM stat.ME
Statistical Inference: The Big Picture
统计学已经超越了过去的频率论-贝叶斯争议。这让我们解释结果的能力到哪里去了？我认为，一种与统计实践相容的哲学，在这里被称为统计实用主义，可以作为推理的基础。统计实用主义是包容性的，强调将统计模型与观察数据联系起来的假设。我认为，入门课程往往错误地描述了统计推断的过程，我提出了一个替代的“大局”的描述。
2011-06-22 stat.ME stat.OT
Statistical Inference with Limited Memory: A Survey
本文综述了记忆约束下统计推断的最新进展，涵盖假设检验、参数估计和分布性质检验等典型问题，并提炼了算法构建的基本构件与下界推导技术。
2024-11-11 cs.IT cs.LG math.IT
Statistical inference for Axiom A attractors
从气候系统到互联网对社会的影响，混沌系统似乎在我们的未来发挥着重要作用。在这里描述了一类混沌系统的统计学习方法以及基本理论，不仅可以用于预测这些系统的短时间提前，但也作为统计推断的基础上，他们的动态。该方法被应用于3个不同的系统的预测。统计推断方面可以应用于探索和增强这种系统的计算机模型，这反过来可以为更好的预测和更精确的推断提供反馈。
2020-02-24 stat.AP
Discussion of "Statistical Inference: The Big Picture" by R. E. Kass
《统计推断：The Big Picture》，R. E.卡斯[arXiv：1106.2895]
2011-06-17 stat.ME
Discussion of "Statistical Inference: The Big Picture" by R. E. Kass
《统计推断：The Big Picture》，R. E.卡斯[arXiv：1106.2895]
2011-06-17 stat.ME
Approximate Newton-based statistical inference using only stochastic gradients
The University of Texas at Austin（得克萨斯大学奥斯汀分校）；Rice University（莱斯大学）
我们提出了一个新的统计推断框架凸经验风险最小化，使用近似随机牛顿步骤。该算法是基于有限差分的概念，并允许从一阶信息的海森矢量积的近似。在理论上，我们的方法有效地计算的统计误差协方差$M$估计，无论是非正则凸学习问题和高维LASSO回归，而不使用精确的二阶信息，或重新搜索整个数据集。我们还提出了一个随机梯度抽样方案的统计推断非独立同分布。时间序列分析，其中我们对连续的索引块进行采样。在实践中，我们证明了我们的框架在大规模机器学习问题上的有效性，甚至超越了凸性：作为一个亮点，我们的工作可用于检测神经网络上的某些对抗攻击。
2019-02-05 cs.CV cs.LG math.OC
Discussion of "Statistical Inference: The Big Picture" by R. E. Kass
《统计推断：The Big Picture》，R. E.卡斯[arXiv：1106.2895]
2011-06-17 stat.ME
Statistical inference for dynamical systems: a review
动力系统的统计推断已经在多个领域得到了广泛的研究。本文主要研究非线性动力系统的参数估计问题。我们的目标是将不同学科的结果放在一个共同的环境中，并突出进一步研究的机会。
2012-06-16 math.DS math.ST stat.TH
Statistical inference for epidemic processes in a homogeneous community (Part IV of the book Stochastic Epidemic Models and Inference)
本文是由Tom Britton和Etienne Pardoux编辑的《Stochastic Epidemic Models with Inference》一书的第四部分。它是由凯瑟琳·拉雷多写的，第四章由越南志陈贡献。流行病数据提出了具有挑战性的统计问题，首先是处理缺失信息这一反复出现的问题。我们回顾的方法，如MCMC，ABC或基于扩散近似的方法。本文件计划：1）观测与渐近框架; 2）马尔可夫链传染病模型的推断; 3）传染病模型基于扩散近似的推断; 4）连续时间SIR模型的推断。
2020-04-16 math.PR stat.AP
Parametrization Cookbook: A set of Bijective Parametrizations for using Machine Learning methods in Statistical Inference
我们在本文中提出了一种方法，将约束统计推断问题转化为一个无约束的，以便能够使用现代计算方法，如基于自动微分，GPU计算，随机梯度与小批量。与机器学习中经典使用的参数化不同，这里引入的参数化都是双射的，甚至是双射同态，因此允许从统计推断的角度保持重要的属性，首先是可识别性。这本食谱提出了一套食谱，用于将约束问题转化为无约束问题。为了方便使用参数化，本文同时是一本食谱，一个Python包，允许使用numpy参数化，也允许使用JAX和PyTorch，以及一个高级和富有表现力的接口，允许轻松描述参数化，将统计推断的困难问题转换为现代优化工具可解决的更容易的问题。
2023-01-19 stat.CO stat.ML
Statistical inference in massive datasets by empirical likelihood
本文将分治法与经验似然法相结合，提出了一种新的海量数据统计推断方法。与目前流行的两种方法（小Bootstrap包法和二次抽样Bootstrap法）相比，该方法充分利用了数据集，减少了计算量。大量的数值研究和实际数据分析表明，我们所提出的方法的有效性和灵活性。此外，我们的方法的渐近性质。
2020-04-18 math.ST stat.ME stat.ML
Contemporary statistical inference for infectious disease models using Stan
本文关注的是应用最新的统计进展推断传染病的动力学。我们描述了一类流行病模型的拟合使用哈密顿蒙特卡罗和变分推断实现在免费提供的斯坦软件。我们将这两种方法应用于疫情的真实数据以及常规收集的观察结果。我们的研究结果表明，这两种推理方法在这种情况下是计算上可行的，并显示统计效率与计算速度之间的权衡。后者似乎特别适用于实时应用。
2019-08-08 q-bio.QM stat.AP
Statistical Inference under Performativity
Northwestern University（西北大学）；Massachusetts Institute of Technology（麻省理工学院）；Stanford University（斯坦福大学）；UNC at Chapel Hill（北卡罗来纳大学教堂山分校）
本文提出执行性下统计推断的端到端框架，建立中心极限定理支持置信区间和假设检验，并用于预测驱动推断以提升参数估计精度，经数值实验验证，为政策制定等领域提供新工具。
2025-10-25 cs.LG math.ST stat.ML
Statistical Inference for Fractional Diffusions
本文综述了由分数布朗运动驱动的随机微分方程的统计推断方法，分析了现有理论、挑战并提出新方法，探讨了分数扩散作为均质化极限的情况。
2026-04-04 math.PR math.ST stat.TH
On Quantum Statistical Inference, II
最近，随着研究小量子系统的实验技术的巨大发展，对与量子系统测量有关的统计推断问题的兴趣大大增加。此外，量子测量理论的发展使概率计算的基本数学框架更接近经典概率论。本文件回顾了这一领域，并提出了一些新的概念，并相互关联的经典统计推断的量子背景下的扩展。
2003-12-14 math.PR math.ST quant-ph
On the Tightness of the Laplace Approximation for Statistical Inference
Laplace方法是用来近似统计问题中难以处理的积分的。该近似的相对误差率并不比$O_p(n^{-1})$差。我们提供了第一个统计下界表明$n^{-1}$率是紧的。
2023-03-28 math.ST stat.TH
Statistical Inference for Gradient Boosting Regression
School of Economics, Fudan University（复旦大学经济学院）；Department of Statistics and Data Science, The Wharton School, University of Pennsylvania（宾夕法尼亚大学沃顿商学院统计与数据科学系）
本文提出融合 dropout/并行训练与正则化的梯度提升回归统计推断框架，基于中心极限定理构建区间估计与变量重要性检验。
2025-09-27 cs.LG math.ST stat.ME
Statistical Inference with Data Augmentation and Parameter Expansion
统计实用主义包括统计推断中所有有效的方法。本文中使用所收集数据的扩增以从一大类非代表性群体的单元获得代表性群体信息。概率模型的参数扩展被证明可以降低简单假设检验的误差概率之和的上界，并提出了一种度量R，用于在充分统计量中激活附加分量的效果。
2015-12-02 math.ST stat.TH
Online Statistical Inference for Stochastic Optimization via Kiefer-Wolfowitz Methods
本文研究随机优化参数的在线统计推断，分析随机搜索方向下 AKW 估计量的渐近分布及其效率与查询复杂度权衡，并给出两种置信区间构造方法。
2023-12-10 math.ST stat.ML stat.TH
A statistical inference course based on p-values
介绍性的统计推断教科书和课程分别处理点估计、假设检验和区间估计问题，主要强调大样本近似。在这里，我提出了另一种方法来教授这门课，围绕p值，强调可证明有效的推断，为所有样本量。还提供了有关计算和边缘化的详细信息，以及一些说明性的例子，以及课程大纲。
2016-06-07 stat.ME stat.OT
Unified Inductive Logic: From Formal Learning to Statistical Inference to Supervised Learning
University of California, Davis（加州大学戴维斯分校）
本文提出皮尔士式归纳逻辑，统一形式学习、统计推断与监督学习，并用统一原则证明各领域评估非演绎推理标准的合理性。
2024-12-04 cs.LG stat.ME stat.OT
Discussion of "Vintage factor analysis with Varimax performs statistical inference"
我们衷心祝贺Rohe博士和Zeng博士关于方差最大旋转的经典因子分析的有见地的论文\cite{rohe2020vintage}。本文讨论了保证方差极大一致地恢复子空间旋转的条件。
2022-05-20 math.ST stat.TH
Statistical inference for moving-average Lévy-driven processes: Fourier-based approach
研究了连续时间滑动平均Lévy过程的半参数统计估计的一种新方法。我们推导出所提出的估计的收敛速度，并表明这些速度是最佳的极大极小意义。
2017-02-09 stat.ME
Statistical inference with belief functions: A survey
Institute for AI, Data Analysis and Systems (AIDAS)（人工智能、数据分析与系统研究所）；School of Engineering, Computing & Mathematics, Oxford Brookes University（工程、计算与数学学院，奥克斯伯里大学）
综述基于信念函数的统计推断方法，探讨如何从统计数据中学习信念测度，并总结该领域的主要贡献。
2026-05-08 cs.AI cs.LG math.ST
Determinantal point process models and statistical inference : Extended version
统计模型和方法的决定点过程（DPP）似乎在很大程度上未被探索。我们证明，DPPs提供了有用的模型描述的空间点模式数据集附近的点互相排斥。这些数据通常由吉布斯点过程建模，其中似然和矩表达式是棘手的，并且模拟是耗时的。我们利用吸引人的概率属性的DPP开发参数模型，其中的可能性和矩表达式可以很容易地评估和实现可以快速模拟。我们讨论了如何使用DPP模型的似然或矩属性进行统计推断，并且我们提供了免费的模拟和统计推断软件。
2014-06-24 math.ST stat.TH
Breakdown of statistical inference from some random experiments
许多实验可以解释为根据某些内部协议运行的随机过程。当实验成本很高或无法重复时，只有一个或几个有限的样本可用。在本文中，我们研究的数据产生的伪随机计算机实验操作根据特定的内部协议。我们表明，对一个样本进行的标准统计分析，包含10万个数据点或更多，有时可能是高度误导和统计错误大大低估。我们的研究结果证实了一个戏剧性的方式标准渐近统计推断的危险，如果样本是不均匀的。我们证明，分析各种细分的样本的多重卡方检验和卡方频率图是非常有效的检测样本的不均匀性。因此，为了保证统计推断的正确性，上述卡方检验和其他非参数样本均匀性检验应纳入任何实验数据的统计分析。如果不进行此类测试，则报告的结论和误差估计不可信赖。
2015-11-22 physics.data-an quant-ph stat.ME
Statistical Inference and Large-scale Multiple Testing for High-dimensional Regression Models
本文对高维回归模型（包括线性和逻辑斯谛回归）的统计推断和多重检验的最新发展进行了选择性的综述。我们检查的置信区间和假设检验的各种低维目标，如回归系数和线性和二次泛函的建设。其关键技术是为目标低维目标生成去偏和去parasized估计器，并估计其不确定性。除了涵盖这些统计方法背后的动机和直觉之外，我们还讨论了它们在高维推理背景下的最优性和自适应性。此外，我们还回顾了基于多元回归模型的统计推断的最新发展和高维回归的大规模多重检验的进展。R包SIHR已经实现了本文讨论的一些高维推理方法。
2023-01-25 math.ST stat.ME stat.TH
Rigidity theory in statistical inference
Tulane University（杜兰大学）
本文探讨了高斯模型最大似然阈值与刚性理论的关系。
2026-01-15 math.CO math.ST stat.TH
Investigating Statistical Inference and Covariate Effects in Shallow Neural Networks
University of Limerick（利默里克大学）
该研究针对浅层前馈神经网络，提出协变量水平Wald检验与类回归系数的协变量效应图，经模拟和保险数据应用验证，可增强其可解释性与统计推断能力。
2026-09-01 stat.ME stat.ML
Confidence Distribution and Distribution Estimation for Modern Statistical Inference
本文介绍了置信分布的新概念、新方法和现代统计学中的分布推断。这个讨论应该是感兴趣的人谁愿意深入的统计推断方法和利用分布估计在实践中。我们还包括在讨论中的主题广义信念推断，一种特殊类型的现代分布推理，并将其与置信分布的概念。并提供了几个实际的数据实例供实践者参考。我们希望所选内容涵盖这一主题的大部分发展。
2021-09-04 stat.ME
On the Limits of Topological Data Analysis for Statistical Inference
本文从统计推断视角审视拓扑汇总统计量，研究了实现有效统计推断的充分必要条件，并提供了对拓扑汇总具有不变性的模型示例。
2024-02-15 math.AT math.PR math.ST
On Statistical Inference for High-Dimensional Binary Time Series
本文提出了一种用于高维二元时间序列的后选择估计器及二阶野 Bootstrap 算法，以实现对系数矩阵的统计推断，并验证了其良好的有限样本性能。
2025-12-02 math.ST stat.AP stat.ME
Comparing Apples and Oranges: Two Examples of the Limits of Statistical Inference, With an Application to Google Advertising Markets
我们展示了经典的Cramer-Rao界限如何限制人们同时估计大量Google广告活动价值的准确性（或者类似地限制许多令人混淆的A/B测试的测量率）。
2016-11-30 cs.AI stat.AP
Do More Predictions Improve Statistical Inference? Filtered Prediction-Powered Inference
Xiamen University（厦门大学）；Purdue University（普渡大学）
本文提出FPPI框架，通过选择性整合预测以提升推断效率，应对预测质量不均的问题。
2026-02-11 math.ST stat.ML stat.TH
Geometric Inference for General High-Dimensional Linear Inverse Problems
本文提出了一个统一的几何框架的一般不适定线性逆模型的统计分析，其中包括作为特殊情况的噪声压缩感知，符号向量恢复，跟踪回归，正交矩阵估计，和噪声矩阵完成。我们提出了计算上可行的凸规划的统计推断，包括估计，置信区间和假设检验。一个理论框架的特点的局部估计收敛速率，并提供统计推断保证。我们的结果是建立在局部圆锥几何和对偶的基础上。统计推断的困难是通过高斯宽度和Sudakov minoration估计的局部切锥的几何特征来捕获的。
2015-06-16 math.ST stat.ML stat.TH
Statistical Inference for SPDEs: an overview
本文的目的是综述抛物型随机偏微分方程的统计推断领域的最新进展。本文的重要部分是致力于频谱的方法，这是研究最多的采样计划下，在傅立叶空间中的观测在一些有限的时间间隔。我们还详细讨论了离散采样的解决方案的实际重要情况。其他相关的方法和一些开放的问题进行了简要讨论的过程中的手稿。
2017-12-14 math.PR stat.ME
Retrospective Statistical Inference
Purdue University（普渡大学）
本文提出一种新的回顾性统计推断范式，以观测数据的点估计为核心生成复制品分布，可用于非参数和参数回归，避免前瞻性有限维模型假设，为非参数函数估计提供替代不确定性量化方案。
2026-08-14 stat.ME
Statistical inference across time scales
我们研究跨时间尺度的统计推断。本文以离散观测的具有对称伯努利跳的复合泊松过程的强度估计为玩具模型。我们有不同时间尺度的数据：微观的、中间的和宏观的。我们量化了从微观泊松制度到宏观高斯制度的平滑统计过渡。经典的二次变差估计在微观和宏观尺度上都是有效的，但令人惊讶的是，在与采样率明确相关的中间尺度上显示出大量的信息信息的损失。我们讨论了这些发现超出这个理想化的框架的影响。
2011-06-06 math.ST stat.TH
Statistical Inference for Low-Rank Tensor Models
本文提出统一框架，通过去偏与切空间投影推断低Tucker秩张量的一般及结构化线性泛函，实现渐近正态与极小化极大最优置信区间，填补了高维张量统计推断的方法论空白。
2025-01-27 math.ST stat.ME stat.ML
