The effect of estimating prevalences on the population-wise error rate
针对临床试验中患病率未知导致总体层面错误率(PWER)无法直接控制的问题,本研究通过模拟验证,使用多项分布下的最大似然估计量估计患病率不会显著抬高真实PWER,且最大分层族系错误率均值不超过显著性水平的两倍。
2024-12-12 stat.ME
Leave-One-Out Neighborhood Smoothing for Graphons: Berry--Esseen Bounds and Edge-Wise Confidence Intervals
University of Cincinnati(辛辛那提大学)
本文提出留一法邻域平滑方法,通过解耦邻域选择与边平均,恢复条件独立性,从而实现对图ons中单个边概率的置信区间估计和诚实调参。
2026-10-29 stat.ME
pammtools: Piece-wise exponential Additive Mixed Modeling tools
Munich Center for Machine Learning(慕尼黑机器学习中心);LMU Munich(慕尼黑大学)
本文介绍pammtools包,该包为分段指数加性混合模型(PAMMs)提供统一工作流下的全流程支持,可处理多种生存场景并实现多种关注量的置信区间计算。
2026-08-17 stat.CO
Permutation-based multiple testing corrections for p-values and confidence intervals for cluster randomised trials
在这篇文章中,我们推导和比较方法,以获得\textit{p} -值和置信区间集与强控制的家庭明智的错误率和覆盖率的估计处理效应在多个结果的集群随机试验。有几种方法用于\textit{p}值校正和推导置信区间,限制了它们在此设置中的应用。我们讨论了Bonferroni,Holm和Romano \& Wolf(2005)的方法,并将其应用于使用不同检验统计量的基于置换的方法进行聚类随机试验推断。我们开发了一种新的搜索程序的置信集集使用置换测试产生一组置信区间下的每种方法的校正。我们进行了一项基于模拟的研究,比较家庭明智的错误率,覆盖率的信心集,和效率的每一个程序相比,没有纠正使用基于模型的标准误和排列测试。我们表明,Romano-Wolf型程序具有名义上的错误率和非独立相关结构下的覆盖率,并且在基于模拟的研究中比其他方法更有效。我们还比较了现实世界试验的分析结果。
2023-02-07 stat.ME
Confidence intervals for two-stage adaptive designs with subpopulation selection
University of Warwick(华威大学);Novartis Pharma AG(诺华制药股份公司)
本文研究了在预设子人群比较实验治疗与对照的临床试验中,如何通过自适应富集设计在中期分析中调整受试者群体,并提出一种基于中期决策条件的精确置信区间构造方法,确保理论覆盖概率。
2026-03-13 stat.ME
Tailored inference for finite populations: conditional validity and transfer across distributions
子总体的参数可能比超总体的参数更相关。例如,医疗保健提供者可能对治疗计划对其患者的特定子集的影响感兴趣;政策制定者可能关心政策在特定人群中的特定状态的影响。在这些情况下,重点是一个特定的有限人口,而不是一个无限的超级人口。这样的总体可以通过固定它们固有的一些属性来表征,留下无法解释的变化,如随机的测量误差。对具有固定属性的总体的推断可以建模为条件分布的推断参数。因此,期望置信区间对于实现的总体是有条件有效的,而不是在许多可能的总体抽取上边缘化。我们提供了一个统计推断框架的参数有限的人口与已知的属性。利用属性信息,我们的估计量和置信区间紧密地针对特定的有限总体。当数据来自感兴趣的总体时,我们的置信区间达到给定属性的渐近条件有效性,并且比超总体推断的置信区间短。此外,我们开发的程序来推断新的人口与不同的协变量分布的参数,置信区间也是有条件的新人口在温和的条件下有效。我们的方法扩展到固定信息具有较弱结构或仅部分观察到的情况。我们使用模拟和真实世界的数据证明了我们的方法的有效性和适用性。
2023-03-20 stat.ME
Interval Estimation of the Common Shape Parameter and Coefficient of Variation of Several Weibull Populations under Progressive Censoring
National Institute of Technology Meghalaya(梅加拉亚邦国家技术学院)
本文针对逐步II型删失下多个Weibull总体的公共形状参数与变异系数,采用多种统计方法开展区间估计比较研究,提出最优删失方案,经模拟与实例验证推荐贝叶斯及方差估计恢复类区间估计方法。
2026-08-17 stat.ME
Adaptive multigroup confidence intervals with constant coverage
多个正态总体均值的置信区间通常基于分层正态模型。虽然基于这种模型的常用间隔程序具有跨群体的平均标称覆盖率,但给定群体的实际覆盖率将高于或低于标称率,这取决于群体平均值。可替换地,作为组的平均值的函数的恒定的覆盖率可以简单地通过基于仅来自该组的数据使用标准$t$间隔来实现。然而,标准的$t$间隔不能跨组共享信息,因此不能适应于容易获得的关于组特定平均值的分布的信息。在这篇文章中,我们构建了置信区间,它具有恒定的频率覆盖率,并利用了跨组异质性的信息,从而得到了比标准$t$ -跨组平均区间更窄的恒定覆盖区间。这样的区间是通过对正态总体的均值进行反向有偏检验来构造的。给定均值的先验分布,贝叶斯最优有偏检验可以被反转以形成贝叶斯最优置信区间,其频率覆盖率作为均值的函数是恒定的。在多组的背景下,先验分布被跨组异质性模型所取代。该模型的参数可以使用来自所有组的数据进行估计,并用于获得具有恒定组特异性覆盖率的置信区间,该覆盖率适用于组平均值分布信息。
2016-12-25 stat.ME
Calibrated Bayesian Nonparametric Tolerance Intervals
Data and Statistical Sciences, AbbVie(AbbVie 数据与统计科学);Department of Statistics, Brigham Young University(杨百翰大学统计系);Department of Statistics, University of California, Santa Cruz(加州大学圣克鲁兹分校统计系)
本文提出了一种基于校准Gibbs后验的非参数方法,用于构建更短且可靠的容忍区间,适用于多种分布和应用场景。
2026-03-11 stat.ME
Bayesian Inference for Population Attributable Measures from Under-identified Models
人群归因危险度(PAR)在流行病学中用于预测从人群中去除危险因素的影响。直到最近,文献中还没有计算PAR的置信区间或方差的标准方法。Pirikahu et al.(2016)概述了一种完全贝叶斯方法,以提供来自横断面研究的PAR的可信区间,其中数据以2 x 2表格的形式呈现。但是,未提供扩展以满足其他常用研究设计的需要。在本文中,我们提供了方法来计算可信区间的PAR病例对照和队列研究。此外,我们扩展了横截面的例子,以允许合并的不确定性时,出现一个不完美的诊断测试。在所有这些情况下,模型变得过度参数化或不可识别,这可能导致标准的“现成”马尔可夫链蒙特卡罗更新器需要很长时间才能收敛,甚至完全失败。我们适应一个重要性抽样的方法来克服这个问题,并提出了一些新的MCMC采样器,考虑到后脊的形状,以帮助收敛的马尔可夫链。
2021-05-27 stat.ME
Simultaneous confidence intervals for the population cell means, for two-by-two factorial data, that utilize uncertain prior information
考虑一个2 × 2析因实验,其中有1个以上的重复。假设我们有不确定的先验信息,即两因子相互作用为零。我们描述了新的同时频率置信区间的4个人口细胞的平均值,同时置信系数1-α,利用这种先验信息在以下意义上。这些同时的置信区间定义了具有预期体积的立方体,该立方体(a)当双因子相互作用为零时相对较小,并且(b)具有不太大的最大值。此外,当数据与两因素相互作用为零的先验信息强烈矛盾时,这些区间与通过Tukey方法获得的标准同时置信区间一致,同时置信系数为1-α。我们说明了应用这些新的同时置信区间的一个真正的数据集。
2012-04-30 math.ST stat.AP stat.ME
A liberal type I error rate for studies in precision medicine
我们介绍了一个新的多第一类错误标准的临床试验与多个人口。这些试验在精准医学中很有意义,其目标是开发针对由遗传和/或临床生物标志物定义的特定亚群的治疗方法。新标准基于观察结果,即并非所有第一类错误均与总体人群中的所有患者相关。如果考虑不相交的亚群,似乎不需要进行多重性调整,因为一个亚群中的声明不会影响其他亚群中的患者。对于交叉亚群,我们建议控制平均多类型错误率,即随机选择的患者可能会暴露于无效治疗。我们称之为总体误差率,通过一些例子来说明如何通过调整临界边界或调整p值来控制它。我们还定义了相应的同时置信区间。我们最后说明了通过两个简单的例子和最近提出的多重检验方法伞试验从家庭明智的人口明智的错误率控制通过实现的功率增益。
2021-02-03 math.ST stat.ME stat.TH
Efficient Construction of Test-Inversion Confidence Intervals Using Quantile Regression, With Application To Population Genetics
现代统计学中的问题往往包括高计算复杂性和复杂分布的估计。对此类估计量的统计推断通常依赖于渐近正态性假设,然而,由于数据的依赖性和其他原因,此类假设通常不适用于可用的样本量。一种常见的替代方法是使用重新采样程序,如自举,但这些可能是计算密集的程度,使他们不切实际的现代问题。本文提出了一种快速构造检验反演自举置信区间的方法。我们的方法使用分位数回归来模拟的分位数的估计条件的参数的真实值,我们将其应用于Watterson估计的突变率在一个标准的合并模型。我们证明了使用分位数回归相比,最先进的方法的基础上随机逼近,以达到可比的精度所需的模拟的数量来衡量,提高效率高达40%。
2016-12-07 stat.AP stat.ME
Confidence Intervals for the F1 Score: A Comparison of Four Methods
本文针对F1分数置信区间估计问题,提出Wilson直接法和Wilson间接法两种新方法,并通过理论分析与实验证明其在覆盖概率和区间长度上优于现有Clopper-Pearson和Wald方法,且不会出现越界和退化问题。
2024-06-09 stat.ME
Estimating the Instantaneous Reproduction Number With Imperfect Data: A Method to Account for Case-Reporting Variation and Serial Interval Uncertainty
本文提出一种新的数据驱动方法,用于在病例报告存在测量误差且序列间隔估计来自非代表性人群的情况下估计瞬时再生数,并通过模拟和 COVID-19 数据验证其有效性。
2023-03-23 stat.ME
Dependence-robust confidence intervals for capture-recapture surveys
捕获-再捕获(CRC)调查用于估计其成员无法直接计数的人口规模。CRC调查已被用于估计新冠肺炎感染人数、吸毒者、性工作者、冲突伤亡人数和贩运受害者。当获得$k$捕获样本时,样本子集中的单位捕获计数自然地由$2^k$列联表表示,其中一个元素--未出现在任何样本中的个体数量--保持未观察。在没有额外假设的情况下,人口规模无法识别(即点识别)。对样本之间的相关性的严格假设通常用于实现点识别。然而,现实世界的CRC调查经常使用便利样本,其中假设的依赖性不能得到保证,并且在这些假设下的人口规模估计可能缺乏经验可信度。在这项工作中,我们应用部分识别的理论表明,弱假设或定性知识样本之间的依赖性的性质,可以用来描述一个非平凡的置信集的真实人口规模。我们使用两种方法构建成对捕获概率的置信区间:测试反演自举置信区间和轮廓似然置信区间。仿真结果表明,良好校准的置信度为每种方法。在一个广泛的现实世界的研究中,我们采用新的方法来使用异构的调查数据来估计在比利时布鲁塞尔注射毒品的人数的问题。
2022-10-14 stat.AP stat.ME
A Comprehensive Comparison of the Wald, Wilson, and adjusted Wilson Confidence Intervals for Proportions
本文通过彩虹色码和像素图全面比较 Wald、Wilson 及调整后 Wilson 置信区间,发现添加特定伪观测数(如 3、4、6)的调整后 Wilson 区间在多种样本量和比例下优于其他方法。
2025-08-13 stat.CO stat.ME
Small Sample Inference for Two-way Capture Recapture Experiments
本文提出基于广义Waring先验与超几何分布的贝叶斯方法,为Petersen捕获-再捕获模型构造种群规模可信区间,证明其在小样本下覆盖率优于名义水平且长度更短。
2024-02-28 math.ST stat.AP stat.ME
Confidence Intervals for Extinction Risk: Validating Population Viability Analysis with Limited Data
Institute of Freshwater Biology, Nagano University(长野大学淡水生物研究所)
本文提出新的置信区间方法,用于在有限数据下评估灭绝风险,通过引入变换参数w和z,改进了种群生存性分析的统计精度和鲁棒性。
2026-03-17 math.ST stat.ME stat.TH
Optimal multiple testing under family-wise error control: elementary symmetric polynomials and a scalable algorithm
Georgia Institute of Technology(佐治亚理工学院)
本文提出基于初等对称多项式的方法,通过可扩展算法实现最优多重检验,提升统计检验的效能,尤其在高维情况下表现显著。
2026-07-23 stat.CO stat.ME
An Empirical Bayes Approach for Constructing the Confidence Intervals of Clonality and Entropy
本文的动机是需要量化人类对环境挑战的免疫反应。具体地,通过连续加热和冷却的公知PCR过程扩增来自血液样品的所选细胞群体的基因组,产生大量读段。它们的数量大约在3万到30万之间。每个读段对应于所谓的V(D)J序列的特定重排。最后,观察结果由对应于不同V(D)J序列的一组读数组成。不同V(D)J序列的潜在相对频率可以通过概率向量来总结,基数是血液中存在的不同V(D)J重排的数量。统计问题是基于一个大维度的单一多项式型观测值对概率向量的汇总参数进行推断。细胞群体多样性的流行概括包括克隆性和熵,或者更一般地说,是概率向量的合适函数。先前已经提出了基于来自相同血液样品的多次重复的克隆性的点估计。在获得特定函数的点估计量之后,剩下的挑战是构造参数的置信区间以适当地反映其不确定性。在本文中,我们提出了耦合的经验贝叶斯方法与重采样为基础的校准过程,以构建一个强大的置信区间不同的人口多样性参数。该方法已通过大量的数值研究和实际数据的例子说明。
2023-02-14 stat.AP stat.ME
Rate Optimal Estimation and Confidence Intervals for High-dimensional Regression with Missing Covariates
Carnegie Mellon University(卡内基梅隆大学);University of Chicago(芝加哥大学)
虽然大多数高维统计学的理论文献都集中在涉及完全观测数据的设置上,但在实践中,缺失值和腐败的设置是常见的。考虑了稀疏高维线性回归模型中设计矩阵的协变量完全随机缺失完全随机缺失时的估计和构造置信区间的问题。我们分析了Dantzig选择器[9]的一个变体来估计回归模型,并使用去偏参数来构建分量置信区间。我们的第一个主要结果是建立上界的估计误差作为模型参数的函数(稀疏水平s,预期的分数观测协变量$ρ_*$,和测量的信号强度$\|β^*\|_2$)。我们发现,即使在一个理想化的设置,协变量被假定为完全随机缺失,有点令人惊讶的是,在完全观察到的设置相反,有一个二分法的依赖模型参数和更快的速度,如果随机设计的协方差阵是已知的。为了进一步研究这个问题,我们的第二个主要贡献是提供下限的估计误差表明,这种差异率是不可避免的极大极小意义上。然后,我们考虑的问题,高维推理存在缺失数据。我们构造和分析置信区间使用去偏估计。在存在缺失数据的情况下,由于去偏矩阵与导频估计器相关的事实,推断变得复杂,并且这需要设计新的估计器和新的分析。我们还补充了我们的数学研究与广泛的模拟合成和半合成的数据,显示我们的渐近预测有限的样本量的准确性。
2017-11-03 cs.LG stat.ME stat.ML
On ratio measures of population heterogeneity for meta-analyses
荟萃分析异质性的常用指标,如$I^2$,不能被视为群体异质性的指标,因为它们取决于研究中的样本量。最近引入的变异系数(CV)定义为异质性方差除以总体平均效应的绝对值,没有这样的缺点。然而,当效应很小时,可能会出现非常大的CV值,从而难以解释。本文件有两个目的。首先,我们考虑存在于区间(0,1]中的CV的变体,使得解释更简单。其次,我们提供了区间估计的CV及其变种具有良好的覆盖性能。我们进行模拟研究的基础上模拟和真实的数据集,并绘制方法之间的比较。
2020-10-05 math.ST stat.ME stat.TH
Which Covariates to Adjust for? Specification-robust Causal Inference in Observational Studies
Stanford University(斯坦福大学)
本文提出一种规范稳健方法,通过重新加权人口和诊断图实现稳健因果推断,提供更紧的置信区间并保持名义覆盖。
2026-10-20 econ.EM stat.ME
Effect-Wise Inference for Smoothing Spline ANOVA on Tensor-Product Sobolev Space
University of Nevada, Las Vegas(内华达大学拉斯维加斯分校);Virginia Tech(弗吉尼亚理工大学)
针对多元非参数函数ANOVA中效应推断的挑战,提出基于张量积Sobolev子空间的光滑样条ANOVA统一框架,实现各效应函数的收敛率、逐点置信区间和Wald检验,主效应达最优单变量率,交互效应达最优率(对数因子内)。
2026-06-07 math.ST stat.ME stat.TH
A prediction interval for a function-valued forecast model
本文从负荷曲线形状所包含的信息出发,提出了一种灵活的非参数函数值预测模型KWF(Kernel+Wavelet+Functional),它非常适合于处理非平稳序列。预测器可以被看作是过去情况的未来的加权平均,其中权重随着过去情况与实际情况之间的相似性而增加。此外,该策略还提供了同时的多视野预测。这些权重引起可用于产生自举伪预测的概率分布。在得到相应的Bootstrap伪预测残差后构造预测区间。我们开发两个命题直接KWF战略,并比较它的两种替代方法来自计量经济学家的建议。他们通过控制家族误差(FWE)或错误发现率,使用多个比较校正来构建同时预测区间。可替代地,这样的预测区间可以被构造为自举联合概率区域。在这项工作中,我们建议获得的KWF模型的预测区间,同时有效的H预测视野,对应于相应的路径预测,使功能时间序列和计量经济学家的框架之间的连接。
2014-12-13 math.ST stat.ME stat.TH