Weighted Extensions of the Kolmogorov-Smirnov, Cramer-von Mises, and Anderson-Darling Tests for Assessing Covariate Balance
University of California, San Francisco(旧金山加利福尼亚大学)
研究针对因果推断中协变量平衡评估问题,扩展柯尔莫哥洛夫-斯米尔诺夫、克莱默-冯·米塞斯和安德森-达林检验以适应加权数据,通过共享程序控制I型错误,保留各检验优势,支持AD为通用默认方法,KS在特定情况有优势。
2026-10-26 stat.ME
Weighted Kolmogorov Smirnov testing: an alternative for Gene Set Enrichment Analysis
基因集富集分析(GSEA)是基因组数据处理的基本工具。从统计学的观点看,其检验统计量的中心不允许导出渐近结果。提出了一种不同中心的检验统计量。在原假设条件下,利用经验过程理论证明了新的检验统计量的分布依分布收敛。极限分布可以通过Monte-Carlo模拟来计算。以这种方式定义的检验被称为加权Kolmogorov Smirnov(WKS)检验。事实上,渐近分布的评估服务于许多不同的基因集的结果在较短的计算时间。使用来自GEO存储库的表达数据,针对MSig数据库C2进行测试,在经典GSEA测试和新程序之间进行比较。我们的结论是,除了其数学和算法的优势,WKS测试可以在许多情况下提供更多的信息,比经典的GSEA测试。
2014-10-07 math.PR stat.ME
Differentially Private Kolmogorov-Smirnov-Type Tests
本文提出基于Kolmogorov-Smirnov、Kuiper、Cramér-von Mises和Wasserstein统计量的差分隐私非参数检验方法,利用低敏感性和分布无关特性实现高效检验,在隐私预算小或重尾数据场景下优于现有方法。
2023-10-30 cs.CR stat.ME
Randomized Kolmogorov-Smirnov Analysis of Volatility Roughness
MEMOTEF, Sapienza University of Rome(罗马智慧大学 MEMOTEF)
本文提出基于随机排列的KS分析方法,用于估计波动粗糙度,通过去除序列相关性保留边缘分布,建立渐近方差并验证计算效率,实证显示隐含波动率更平滑但Hurst指数仍低于0.5,支持粗糙波动范式。
2026-05-01 q-fin.CP q-fin.MF stat.ME
The power of visualizing distributional differences: Formal graphical $n$-sample tests
Chalmers University of Technology(查尔姆斯理工大学);University of Gothenburg(哥德堡大学);University of South Bohemia, Faculty of Agricultural and Technology(南波希米亚大学农业与技术学院);Natural Resources Institute Finland (Luke)(芬兰自然资源研究所)
本文提出了一种基于全局包络检验的改进Kolmogorov-Smirnov检验,用于提高分布差异检验的效力,并应用于实际数据比较。
2024-08-31 stat.ME
Quantifying Distributional Input Uncertainty via Inflated Kolmogorov-Smirnov Confidence Band
针对随机模拟中的输入不确定性,提出基于膨胀Kolmogorov-Smirnov置信带的分布性方法,构建输出分布函数的置信带,数值验证其覆盖有效性。
2024-03-14 math.ST stat.ME stat.TH
On approximate validation of models: A Kolmogorov-Smirnov based approach
经典的拟合检验通常会拒绝足够大的真实数据样本的模型。相比之下,在统计实践中,一个模型通常提供了对数据的良好描述,即使它不是“真正的”随机生成器。我们考虑一个更灵活的方法,基于污染的模型周围的邻域。使用修剪方法和Kolmogorov度量,我们引入了一个功能统计量测量偏离污染模型和相关的估计对应的样本版本。我们展示了这个估计如何允许测试适合的(轻微)污染模型与明智的偏差,与均匀指数小I型和II型错误概率。我们还讨论了估计的渐近行为,在适当的正则性条件下,它渐近表现为高斯过程的上确界。作为一个应用,我们探讨了基于模型虚假性范式的描述性模型之间的比较方法。我们还包括我们的方法与错误发现率设置的一些连接,在估计污染水平时显示出竞争行为,尽管适用于更广泛的框架。
2019-03-20 math.ST stat.ME stat.TH
Asymptotically well-calibrated Bayesian $p$-value using the Kolmogorov-Smirnov statistic
Duke University(杜克大学)
本文提出了一种基于 Kolmogorov-Smirnov 统计量的渐近良好的贝叶斯 p 值方法,适用于多种数据类型和模型检验。
2026-01-12 math.ST stat.ME stat.TH
Integral Probability Metrics Meet Neural Networks: The Radon-Kolmogorov-Smirnov Test
University of California, Berkeley(加州大学伯克利分校);Stanford University(斯坦福大学)
本研究提出Radon-Kolmogorov-Smirnov检验,将经典KS检验推广到多维与高光滑度场景,证明其见证函数为单神经元岭样条,可借助神经网络优化求解,验证了其渐近全功效并对比了与核MMD检验的优劣。
2025-01-13 cs.LG stat.ME stat.ML
Nonparametric tests for transition probabilities in nonhomogeneous Markov processes
本文提出了一种非参数两样本检验方法,用于直接比较有限状态空间下连续时间非齐次马尔可夫过程状态间转移的概率。建议的测试是一个线性非参数测试,L2范数为基础的测试和Kolmogorov-Smirnov型测试。显著性水平评估是基于严格的程序,这是合理的,通过使用现代经验过程理论。此外,L2-范数和Kolmogorov-Smirnov型检验是一致的,为每个固定的备择假设。所提出的测试也扩展到更复杂的情况下,如不完全观察到的吸收状态和非马尔可夫过程的情况下。模拟研究表明,即使在小样本量的情况下,检验统计量也表现良好。最后,将所提出的检验应用于欧洲癌症研究与治疗组织(EORTC)试验10854中疾病-死亡模型下的早期乳腺癌治疗数据。
2019-04-06 stat.ME
A New ECDF Two-Sample Test Statistic
自Kolmogorov和Smirnov做出开创性贡献以来,经验累积分布函数(ECDF)已用于检验两个样本来自相同分布的假设。本文介绍了一种统计,这是可用的条件相同的Kolmogorov-Smirnov,但提供更多的权力比其他现存的测试在这方面。我证明了一个有效的(保守的)程序,用于产生有限样本p值。我概述了这个统计数据和它的两个主要前身之间的密切关系。我还提供了一个公共R包(CRAN:twosamples [2018]),使用$O(N)$内存在$O(N\log(N))$时间内实现测试程序。使用该软件包的功能,我进行了几次模拟研究,显示功率的改善。
2020-07-02 stat.ME stat.OT
fasano.franceschini.test: An Implementation of a Multidimensional KS Test in R
Kolmogorov-Smirnov(KS)检验是一种非参数统计检验,用于检验单变量概率分布之间的差异。KS检验的多功能性使其成为许多科学学科中统计分析的基石。然而,Kolmogorov和Smirnov提出的检验不容易扩展到多维分布。在这里,我们介绍了fasano.franceschini.test包,一个由Fasano和Franceschini(1987)描述的多维双样本KS测试的R实现。fasano.franceschini.test包提供了一个计算效率高的测试,适用于任何维度和类型的数据(连续,离散或混合),并且与类似的R包竞争。
2022-11-18 astro-ph.IM physics.data-an q-bio.QM
On the Asymptotic Distribution of Variance Weighted KS Statistics
本文导出了协变量为一维的条件矩不等式模型的方差加权Kolmogorov-Smirnov统计量的渐近分布。渐近分布仅通过单个随机变量的方差依赖于数据生成过程,从而导致可以通过分析计算的临界值。通过Armstrong(2011 b)的论证,由此产生的测试在广泛的设置类别中实现了可用方法中局部替代方案的最佳极大极小率。
2012-02-01 stat.ME
A test for dependence between two point processes on the real line
许多科学问题依赖于确定两个事件时间序列是否相关。本文介绍了一种似然比检验,它可以用几种方法参数化,以检测不同形式的依赖。一个共同的有限样本分布的推导,并示出渐近相关的加权Kolmogorov-Smirnov检验。导致这些结果的分析也激发了一种更通用的诊断依赖性的工具。该方法证明了在电子邮件网络上生成的数据,显示证据的信息流只使用定时信息。实现代码在R包“mppa”中提供。
2014-12-20 stat.ME
Testing for a change of the innovation distribution in nonparametric autoregression - the sequential empirical process approach
考虑了条件异方差下的非参数自回归模型,目的是检验新息分布是否随时间变化。为此,我们开发了一个渐进展开的顺序经验过程的非参数估计的创新(残差)。我们建议一个Kolmogorov-Smirnov统计量的基础上建立的第一个ns和最后n-ns残差,分别估计的创新分布的差异。在无变点的原假设下,证明了基本随机过程弱收敛于高斯过程。结果表明,该检验是渐近分布自由的。显示了与固定替代方案的一致性。在模拟研究中,所提出的测试的小样本性能进行了研究,并将测试应用于数据的例子。
2012-11-06 stat.ME
Estimation and Specification Test for Diffusion Models with Stochastic Volatility
考虑到连续时间随机波动率模型在描述利率动态过程中的重要性,本文基于残差的显著经验过程,提出了一种对漂移函数和扩散函数的参数形式进行拟合优度检验的方法。检验统计量是在经验过程中使用连续泛函(Kolmogorov-Smirnov和Cramér-von Mises)构造的。为了评估所提出的测试,我们实施了一个模拟研究,其中的引导方法被认为是校准的测试。由于基于离散采样数据的随机波动率扩散模型的估计已被证明是困难的,因此我们通过针对不同估计程序的蒙特卡罗研究来解决这个问题。最后,应用程序的实际数据。
2022-08-17 stat.ME
Sequential nonparametric tests for a change in distribution: an application to detecting radiological anomalies
我们提出了一个序贯非参数检验检测分布的变化,基于窗口Kolmogorov-Smirnov统计。该方法简单、鲁棒、计算效率高、易于校准,并且不需要对潜在的零分布和替代分布进行参数假设。我们表明,无论是误报率和权力,我们的程序是经得起严格的分析,该方法优于现有的顺序测试程序在实践中。然后,我们将该方法应用于检测放射性异常的问题,使用从测量的背景伽马辐射光谱在一个大型大学校园收集的数据。在这种情况下,所提出的方法导致执法和边境安全应用中感兴趣的放射性异常的检测时间的大幅改善。
2016-12-23 stat.ME
A Chi-square Goodness-of-Fit Test for Continuous Distributions against a known Alternative
卡方拟合优度检验是已知的最古老的统计检验之一,由Pearson于1900年首次提出用于多项分布。从那以后,它一直在许多领域使用。然而,各种研究表明,当应用于连续分布的数据时,它通常不如其他方法,如Kolmogorov-Smirnov或Anderson-Darling检验。但是,卡方检验的性能(即功效)在很大程度上取决于数据分箱的方式。在本文中,我们描述了一种方法,自动找到一个binning是非常好的对一个特定的替代品。我们表明,然后卡方检验一般是有竞争力的,有时甚至优于其他标准的测试。
2020-05-06 stat.CO stat.ME