Statistical inference for discretely sampled stochastic functional differential equations with small noise
研究了带小噪声的多维随机时滞方程漂移和扩散系数的参数估计问题。延迟结构被写为相对于延迟测量的积分形式。我们的对比度函数是基于局部高斯近似的转移概率密度的过程。当离差系数趋于零时，样本量趋于无穷大时，我们证明了最小对比度估计的相合性和渐近正态性。
2023-03-20 math.ST stat.TH
Nonparametric inference for discretely sampled Lévy processes
给定一个有限跳活动的离散可观测Lévy过程$X=(X_t)_{t\geq 0}$的样本，研究了该过程$X$对应的Lévy密度$ρ$的非参数估计问题.提出了一种基于Lévy-Khintchine公式的适当反演和一个插入式装置的$ρ$估计器。本文的主要结果处理的风险上界估计$ρ$适当类的Lévy三胞胎。并讨论了相应的下界。
2011-05-25 math.ST stat.TH
Statistical inference in factor analysis for diffusion processes from discrete observations
我们考虑离散观测的遍历和非遍历扩散过程的因子分析中的统计推断。在高维协方差阵估计领域，主要讨论了基于高频时间序列数据的因子模型。在这一领域，主要采用基于主成分分析的方法。然而，该方法仅对高维模型有效。另一方面，有一种基于拟似然的方法。然而，由于假设该因素是可观察的，因此当该因素是潜在的时，我们不能使用该方法。因此，现有的方法是不有效的，当因素是潜在的，可观察变量的维数不是很高。因此，我们提出了一种有效的方法，在这种情况下。
2022-02-03 math.ST stat.TH
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 stationary linear models with tapered data
在本文中，我们调查的统计推断（参数和非参数统计估计，假设检验）的谱平稳模型与锥形数据的一些最新结果，以及一个问题，关于稳健的推断，进行了一个线性平稳过程污染的小趋势。本文还讨论了有关锥化Toeplitz矩阵和算子的一些问题，锥化Toeplitz型二次泛函的中心极限定理，锥化Fejér型核和奇异积分.这些是获得相应结果的主要工具，它们本身也很有意义。所考虑的过程将是离散时间和连续时间高斯，线性或Lévy驱动的线性记忆过程。
2021-05-14 math.ST stat.TH
Statistical inference for expectile-based risk measures
Newey和Powell（1987）在线性回归模型中引入了期望值。最近，Bellini等人（2014）揭示，预期也可以被视为合理的法律不变的风险措施。在这篇文章中，我们证明了相应的统计泛函是连续w.r.t. $1$ -弱拓扑和适当的功能可微。利用这些正则性结果，我们可以得到非参数和参数统计模型中相应估计的相合性、渐近正态性、Bootstrap相合性和定性稳健性等性质.
2016-09-20 math.ST stat.TH
The Logarithmic Super Divergence and Statistical Inference : Asymptotic Properties
基于分歧度量的统计推断有着悠久的历史。最近，Maji，Ghosh和Basu（2014）引入了一个一般的发散族，称为对数超发散族（LSD）。该家族作为对数幂发散（LPD）家族（例如，Renyi，1961）和Jones等人（2001）引入的对数密度幂散度（LDPD）家族。在本文中，我们描述的渐近性质的推理过程中产生的分歧离散模型。这些性质得到了真实数据实例的很好支持。
2014-06-09 math.ST stat.TH
Discussion: Foundations of Statistical Inference, Revisited
这是对Deborah Mayo教授的论文“关于强似然原理的Birnbaum论证”的讨论的邀请贡献，将出现在统计科学中。梅奥清楚地表明，违反似然原则的统计方法不一定违反充分性或条件性原则，从而驳斥了伯恩鲍姆的主张。随着Birnbaum定理的限制解除，我们重新审视了统计推断的基础，重点放在一些新的基本原则，推理模型框架，并与充分性和条件反射的连接。[arXiv：1302.7021]
2014-11-04 math.ST stat.TH
Bridging Theory and Practice: Statistical Inference for Latent Space Models of Networks
Department of Mathematics, Hong Kong University of Science and Technology（香港科技大学数学系）；Department of Statistics, Florida State University（佛罗里达州立大学统计系）
本文提出统一框架，解决潜在空间模型统计推断中理论与实践的差距问题，通过放宽谱多重性约束和开发新适应性准则，提升最大似然估计的实用性与统计严谨性。
2026-05-09 math.ST stat.TH
Parametric Statistical Inference in the Zone of Moderate Deviation Probabilities
本文在小偏差概率区发展了参数统计推断理论，通过Hellinger距离基于泰勒展开的对数似然比展开，证明了贝叶斯估计和最大似然估计的large deviation principle，并建立了后验贝叶斯测度的集中定理。
2026-10-28 math.ST stat.TH
Statistical Inference in Fractional Poisson Ornstein-Uhlenbeck Process
本文研究了泊松分数噪声驱动的离散Ornstein-Uhlenbeck模型的参数估计问题。基于噪声的随机游动逼近，研究了最小二乘估计和极大似然估计。因此，估计的渐近行为进行，并示出了一个模拟研究来说明我们的结果。
2017-12-14 math.ST stat.TH
Universal Inference for Incomplete Discrete Choice Models
本文针对具有集值预测的实证模型，提出一种具有有限样本有效性的易处理推断方法，基于稳健的普适推断框架构建置信区间，适用于模型不完全性等复杂场景。
2025-01-29 econ.EM math.ST stat.TH
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 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
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
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
Efficient nonparametric inference for discretely observed compound Poisson processes
本文研究了一类参数均未知的复合泊松过程在多个等间距时刻的运动。在较弱的条件下，给出了跳跃分布和Lévy分布的非参数估计，并证明了基于一致范数的泛函中心极限定理.极限高斯过程的识别和效率的估计建立。本文还提出了质量函数、强度和漂移的核估计，分析了它们的渐近性质，包括有效性，并证明了它们的联合渐近正态性。简要讨论了置信区域和检验等推理工具。
2017-01-27 math.PR math.ST stat.TH
Discrete Statistical Models with Rational Maximum Likelihood Estimator
离散统计模型是概率单纯形的子集。它的最大似然估计（MLE）是从单纯形到模型的收缩。我们刻画了所有的模型，这种回缩是一个有理函数。这是一个贡献，通过真正的代数几何取决于结果由于Huh和Kapranov霍恩均匀化。我们提出了一个算法，合理的MLE构建模型，我们证明了它的一系列实例。我们的重点在于统计学家熟悉的模型，如贝叶斯网络，可分解的图形模型和阶段树。
2020-06-15 math.AG math.ST stat.TH
Markov Combinations of Discrete Statistical Models
本文将马尔可夫组合从高斯情形推广到分类变量离散统计模型，提出多种算法与采样变体，并研究其在正则指数族、离散 copula 和分阶段树等模型中的性质及最大似然估计。
2025-09-23 math.ST stat.ME stat.TH
A New Family of Divergences Originating from Model Adequacy Tests and Application to Robust Statistical Inference
最小散度方法是各种统计应用中的流行工具。我们认为管状模型充分性测试，并证明，在这个过程中产生的新的分歧是非常有用的强大的统计推断。特别是，我们表明，家庭的$S$ -分歧，可以选择开发使用管状模型充分性测试，进一步应用的范例产生一个更大的超家庭的分歧。我们描述了这个更大的类的属性及其在鲁棒推理中的潜在应用。一路上，失败的一阶影响函数分析，在捕捉这些程序的鲁棒性也成立。
2018-01-15 math.ST stat.ME 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
Adaptive Estimation and Statistical Inference for High-Dimensional Graph-Based Linear Models
我们考虑了高维图基线性模型的自适应估计和统计推断。在我们的模型中，回归系数的坐标对应于底层的无向图。此外，给定的图控制回归向量的分段多项式结构。在自适应估计部分，我们应用基于图的正则化技术，并提出了一个家庭的局部自适应估计称为Graph-Piecewise-Polynomial-Lasso。我们进一步研究了图分段多项式套索的一步更新问题的统计推断。我们发展了相应的理论，包括固定设计和亚高斯随机设计。最后，我们通过大量的模拟研究说明了我们的方法的优越性能，并以拟南芥微阵列数据集的应用作为结论。
2020-01-29 math.ST stat.ME stat.TH
Statistical Inference for Oscillation Processes
针对具有特定振荡模式的时间序列提出了一种新的模型。该模型由一个隐藏的阶段过程控制的轮询速度和非参数曲线表征的模式，导致一起到一个广义的状态空间模型。证明了模型的可辨识性，并提出了一种基于粒子平滑器和非参数EM算法的统计推断方法。特别是，振荡模式和不可观测的相位过程的估计。所提出的算法是计算效率和它们的性能进行评估，通过模拟和应用到人体心电图记录。
2016-08-12 math.ST stat.AP 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
Discrete-time inference for slow-fast systems driven by fractional Brownian motion
研究了小噪声扰动下分数布朗运动驱动慢运动的多尺度动力系统的统计推断。我们开发的赫斯特指数，以及在模型中的一个单一的时间序列的观察，从缓慢的过程的基础上的未知参数的向量的统计估计。我们证明了这些估计是一致的和渐近正常的扰动和时间尺度分离参数的幅度趋于零。数值模拟验证了理论结果。
2021-03-25 math.DS math.PR math.ST
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
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
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
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
Optimal Universal Quantum Encoding for Statistical Inference
The University of Melbourne（墨尔本大学）
该研究针对量子统计推断的经典数据编码问题，证明最大量子泄漏量是编码质量的通用衡量指标，得出纯态可实现最优通用编码、比特充足时基矢编码最优的结论，并提出了数值求解的迭代方法。
2024-04-12 cs.LG eess.SP math.ST
Statistical Inference and Exact Saddle Point Approximations
统计推断可以遵循频率论方法，或者可以遵循贝叶斯方法，或者可以使用最小描述长度原则（MDL）。我们的目标是确定这些不同的统计推断方法一致的情况。证明了对于指数族，MDL和贝叶斯推论一致的充要条件是共轭指数族的重整化鞍点逼近是精确的。对于一维指数族，唯一具有精确重整化鞍点近似的族是高斯位置族、Gamma族和逆高斯族。它们是高斯位置族、Gamma族和泊松指数族的共轭族。前两个家族是自共轭的，这意味着只有对于前两个家族，贝叶斯方法与频率论方法是一致的。在更高的维度中，有更多的例子。
2018-05-06 cs.IT math.IT math.ST
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
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
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
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
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
Inference in Models of Discrete Choice with Social Interactions Using Network Data
本文研究了当数据由单个大网络组成时，具有社会交互作用的离散选择模型中的推理问题。我们提供了理论上的理由，使用空间和网络HAC方差估计在应用工作中，后者通过使用网络路径距离的空间距离。为此，我们证明了新的中心极限定理的网络时刻在一大类的社会互动模型。研究结果适用于网络上的离散博弈和社会互动通过滞后因变量进入的动态模型。我们说明我们的研究结果的实证应用和模拟研究。
2019-11-16 econ.EM stat.ME
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 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
Valid and Exact Statistical Inference for Multi-dimensional Multiple Change-Points by Selective Inference
Nagoya Institute of Technology（名古屋工业大学）；RIKEN（日本理化学研究所）
本文研究了多维序列中变点的统计推断。在从多维序列的CP检测中，通常期望不仅检测位置，而且识别其中发生变化的分量的子集。已经提出了几种算法，这样的问题，但没有有效的精确推理方法已被建立，以评估检测到的位置和组件的统计可靠性。在这项研究中，我们提出了一种方法，可以保证检测到的变化的位置和组件的统计可靠性。我们证明了所提出的方法的有效性，将其应用到基因组异常识别和人类行为分析的问题。
2021-10-18 cs.LG stat.ML
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 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
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
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
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
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
Exact Statistical Inference for the Wasserstein Distance by Selective Inference
Nagoya Institute of Technology（名古屋工业大学）；RIKEN（理化学研究所）
在本文中，我们研究了瓦瑟斯坦距离的统计推断，这已经引起了广泛的关注，并已被应用于各种机器学习任务。文献中已经提出了一些研究，但几乎所有的研究都是基于渐近近似，不具有有限样本有效性。在这项研究中，我们提出了一个精确的（非渐近）推理方法的瓦瑟斯坦距离的启发条件选择性推理（SI）的概念。据我们所知，这是第一个方法，可以提供一个有效的置信区间（CI）的瓦瑟斯坦距离有限样本覆盖保证，这不仅可以应用于一维问题，但也适用于多维问题。我们评估所提出的方法在合成和真实世界的数据集上的性能。
2022-01-20 cs.LG 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
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
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
