Nonparametric estimation of the kernel function of symmetric stable moving average random functions
我们估计的核函数的对称α稳定($SαS$)移动平均随机函数,这是观察到的一个规则的网格上的点。建议的估计依赖于经验归一化(平滑)周期图。当网格网格步长趋于零时,同时观测视界趋于无穷大(高频观测)时,对于正定核函数,该方法是弱相合的。仿真研究表明,当滑动平均随机函数的积分测度为$SαS$时,该估计器在有限样本量下具有良好的估计性能,并且对于其它一些无穷可分的积分器也具有良好的估计性能.
2019-08-20 math.ST stat.TH
Non-Gaussian quasi-likelihood estimation of SDE driven by locally stable Lévy process
本文研究了一个纯跳Lévy驱动的单变量随机微分方程模型的参数系数估计问题。从之前的研究Masuda(2013)中可以看出,采用传统的高斯拟最大似然估计量会导致不一致的估计量。在驱动Lévy过程局部稳定的假设下,通过引入一种新的基于未知转移密度的小时间稳定近似的拟似然函数,将Gaussian框架推广到非Gaussian框架.结果表明,对于大范围的驱动纯跳Lévy过程,该估计量是渐近混合正态分布的,没有遍历性和有限矩,与高斯拟极大似然估计量相比,具有更好的理论性能.进行了大量的模拟,以显示良好的估计精度。在遍历性下的大时间渐近性的情况也被简单地提到,在那里我们可以推导出类似的渐近正态性结果。
2018-04-17 math.ST stat.TH
Semiparametric estimation for isotropic max-stable space-time processes
有规律变化的时空过程已被证明是有用的研究极端依赖的时空数据。我们提出了一个半参数估计过程的基础上的极值封闭形式的表达式来估计参数模型的极值依赖函数。我们建立了参数估计的渐近性质,并提出了子抽样程序,以获得渐近正确的置信区间。仿真研究表明,所提出的方法适用于中等样本量,是强大的小偏离的基础模型。最后,我们应用此估计程序,在佛罗里达州的一个地区的雷达降雨测量拟合的最大稳定的过程。补充结果和一些关键结果的证明,并在补充的模拟研究。
2018-07-15 math.ST stat.ME stat.TH
Bounds for the covariance of functions of infinite variance stable random variables with applications to central limit theorems and wavelet-based estimation
我们建立了一大类无穷方差稳定随机变量的函数的协方差的界,包括无界函数,如幂函数和对数。这些界限涉及的措施之间的依赖稳定的变量,其中一些是新的。利用该界还推导了稳定滑动平均时间序列的无界函数的中心极限定理。这个结果推广了Tailen Hsing和作者关于稳定移动平均线的有界函数的中心极限定理的早期结果。它可以用来证明分数阶稳定运动中自相似参数的小波估计的渐近正态性。
2007-11-28 math.ST stat.TH
Trigonometrically approximated maximum likelihood estimation for stable law
提出了$α$ -稳定律的三角近似极大似然估计.该估计量求解近似的似然方程,该似然方程是通过将真实得分函数投影到由三角函数构成的空间上而获得的。投影得分仅由特征函数的实部和虚部及其导数表示,从而可以明确地构造目标估计方程。我们研究了所提出的估计量的渐近性质,并证明了该估计量的相合性和渐近正态性。此外,随着三角函数数目的增加,估计量收敛到精确的最大似然估计量,在这个意义上,它们具有相同的渐近律。仿真研究表明,该估计优于其它矩型估计,其标准差几乎达到Cramér-Rao下界.我们应用我们的方法估计问题的$α$稳定的Ornstein-Uhlenbeck过程在高频设置。所得结果证明了渐近混合正态性理论。
2022-09-19 math.ST stat.TH
Asymptotics of maximum likelihood estimation for stable law with continuous parameterization
在连续参数化条件下,研究了$α$ -稳定律的极大似然估计的渐近性.在整个参数空间的内部证明了其相合性和渐近正态性。虽然Zolotarev的$(B)$参数化已经提供了这些渐近性,但它们之间存在一些差距。特别是在后者,密度,使分数和它们的衍生物是不连续的$α=1$为$β\neq 0$和通常的渐近是不可能的。这对于应用来说是相当不方便的。通过证明这些量在连续形式下是光滑的,我们填补了两者之间的空白,并提供了一个方便的理论。我们在数值上近似柯西定律$(α,β)=(1,0)$周围的Fisher信息矩阵。结果在$α=1,\,β\neq 0$上具有连续性,保证了计算的准确性.
2019-02-28 math.ST stat.TH
Maximum likelihood estimation for $α$-stable autoregressive processes
我们考虑非高斯$α$稳定噪声下因果和非因果自回归时间序列过程的极大似然估计。给出了自回归模型方程参数和稳定噪声分布参数的极大似然估计的非退化极限分布。自回归参数的估计是$n^{1/α}$ -相容的,并且在分布上收敛于随机函数的最大值。这种极限分布的形式是棘手的,但这些估计量的分布形状可以使用自助程序进行检查。在一般条件下,自举法是渐近有效的。稳定噪声分布参数的估计量具有传统的$n^{1/2}$收敛速率且渐近正态。有限样本的估计的行为进行了研究,通过模拟,我们使用极大似然估计,以适应一个非因果自回归模型的自然对数的沃尔玛股票交易量在纽约证券交易所。
2009-08-13 math.ST stat.TH
Continuous invertibility and stable QML estimation of the EGARCH(1,1) model
本文对随机递归方程驱动的波动模型引入了紧集上连续可逆性的概念。我们证明了强一致性的拟最大似然估计(QMLE)时,优化过程是在一个连续可逆的区域。该方法首次给出了Nelson在\cite{nelson:1991}中所使用的关于EGF-R(1,1)模型的QMLE在显式但不可观测条件下的强相合性.在实践中,我们建议稳定的QMLE约束的优化过程中的经验连续可逆域。新方法,称为稳定QMLE(SQMLE),是强一致的,当观测遵循一个可逆的EGM(1,1)模型。在附加的极小假设下,我们也给出了SQMLE的渐近正态性。
2013-01-07 math.ST stat.TH
Minimax lower bounds for function estimation on graphs
研究了当目标函数在图上光滑变化时,大图上函数估计问题的极小极大下界。我们推导出极大极小率的背景下,满足渐近形状假设的图形上的回归和分类问题,并与平滑条件的目标函数,都制定在图拉普拉斯算子。
2018-02-15 math.ST stat.TH
Efficient estimation of stable Levy process with symmetric jumps
本文研究高频观测下带漂移和对称跳跃的稳定 Lévy 过程的高效估计,证明似然局部渐近正态性,并提出基于矩估计初值的一步估计方法,其有限样本表现接近最大似然估计。
2025-08-18 math.ST stat.TH
Semiparametric estimation for space-time max-stable processes: F -madogram-based estimation approach
最大稳定过程已被扩展到量化极端的时空数据的依赖。由于时空之间的相互作用,时空数据往往是复杂的分析。因此,描述这些依赖关系是统计学领域的关键挑战之一。本文提出了一种基于时空F-madogram的半参数推断方法,用于在网格数据下估计时空最大稳定过程的参数。该方法的性能进行了研究,通过各种模拟研究。最后,我们应用我们的推理过程来量化的极端行为的雷达降雨数据在佛罗里达州的一个地区。
2019-05-20 math.PR stat.AP stat.ME
Computational Lower Bounds for Graphon Estimation via Low-degree Polynomials
该研究通过低次多项式理论严格证明了graphon估计存在计算壁垒,给出多项式时间估计器的误差下界,还拓展到社区检测、稀疏graphon估计和双聚类场景,为相关计算猜想提供新证据。
2024-08-12 cs.CC cs.DS math.ST
Some Investigations about the Properties of Maximum Likelihood Estimations Based on Lower Record Values for a Sub-Family of the Exponential Family
在本文中,它被认为是指数族的一个子族。得到了这类参数、密度函数和累积密度函数基于样本和基于较低记录值的极大似然估计。它已被认为是均方误差(MSE)作为一个标准,以确定哪一个是更好的在不同的情况下。另外,还证明了基于下记录值的极大似然估计与基于随机样本的极大似然估计之间的关系。此外,在一些理论中,这些估计的一些有趣的渐近性质已经被证明。
2019-09-25 math.ST stat.TH
Lower boundaries for parametric estimations in different norms
在不同的范数下,我们建立了未知参数的正则无偏估计相对于其真值的偏差的一些新的非渐近下界,类似于经典的Rao-Kramer不等式.我们证明了,如果新的范数弱于普通的Hilbert范数,则任意正则无偏估计的收敛速率不超过$ 1/\sqrt{n}, $;如果新的范数强于1,则著名的极大似然估计(MLE)的收敛速率也等于1/ \sqrt{n} .
2014-07-16 math.ST stat.TH
Lower bounds and aggregation in density estimation
本文证明了一个集结过程的最优性。我们证明了模型选择类型的$M$密度估计的Kullback-Leiber散度(KL),Hellinger距离和$L\_1$ -距离的聚集的下界。相对于KL距离的下界可以通过Yang(2000)等提出的在线类型估计来实现。结合这些结果,我们认为$\log M/n$是Tsybakov(2003)意义上的最佳聚集率,其中$n$是样本量。
2006-03-18 math.ST stat.TH
CRPS M-estimation for max-stable models
最大稳定随机场为多元极值的相关性提供了规范模型。由于缺乏易处理的似然性,用这种模型进行推断一直是一个挑战。相比之下,有限维累积分布函数(CDF)往往是现成的和自然的工作。出于这一事实,在这项工作中,我们开发了一个M-估计框架的最大稳定模型的基础上连续排名概率得分(CRPS)的多元CDF。我们首先建立条件的一致性和渐近正态性的CRPS为基础的估计在一般情况下。然后,我们实现他们在最大稳定的设置,并提供易于计算的表达式,他们的渐近协方差阵。所得到的点和渐近置信区间估计示出了流行的模拟模型。他们享有准确的覆盖率,并提供了一种替代复合可能性为基础的方法。
2013-07-27 stat.ME
Lower Bounds for Kernel Density Estimation on Symmetric Spaces
本文证明非紧型对称空间上的核密度估计达到极小极大收敛速率,通过抽象欧几里得空间运算并利用指数映射的微分同胚性质,完成了所有对称空间上该问题的研究。
2024-03-15 math.ST stat.TH
Minimax testing and quadratic functional estimation for circular convolution
在循环卷积模型中,我们的目标是推断的圆形随机变量的密度,使用的观测污染的附加测量误差。我们强调的两个问题的相互作用:最优测试和二次函数估计。在一般的正则性假设下,我们确定了二次泛函的极大极小风险估计的一个上界。上界由两个术语组成,一个模仿经典的偏差-方差权衡,另一个导致二次函数估计中的典型肘效应。利用二次泛函的极小极大最优估计量作为检验统计量,得到了非参数方案非渐近极小极大检验半径的一个上界。有趣的是,在估计情况下引起肘效应的项在测试半径内消失。我们提供了一个匹配的下界的测试问题。通过证明检验问题的任何下界也产生二次函数估计问题的下界,我们得到了估计风险的下界。最后,我们证明了一个匹配的下界的估计问题中的肘效应的原因。考虑索伯列夫空间和普通或超光滑误差密度的结果示出。
2020-04-27 math.ST stat.TH
Uniformly and strongly consistent estimation for the Hurst function of a Linear Multifractional Stable Motion
自90年代中期以来,为了克服经典分数阶布朗运动模型的一些局限性,人们引入了多重分数阶过程。在它们的上下文中,Hurst参数变为H旧连续函数H(?)时间变量t。线性多分数稳定运动(LMSM)是其中最著名的一种重尾分布。一般来说,全局和局部样本路径粗糙度的多重分形过程是由它的参数$H(\cdot)$的值,因此,大约二十年来,一些作者一直感兴趣的统计估计,从离散的变化过程。由于变异的复杂相依结构,为了显示估计量的一致性,必须面对具有挑战性的问题。本文的主要目的是在对称α稳定的非预期移动平均LMSM模型的背景下,引入一种新的策略来处理这类问题,其中$α\in (1; 2)$。它在其他情况下也可能是有用的。与以前开发的策略相比,这种新的策略不需要寻找与变化泛函相关的协方差的尖锐估计。粗略地说,它包括以这样一种方式表达变化,即它们成为独立的随机变量,直到可以忽略不计。由于它,我们得到了全函数$H(\cdot)$的几乎必然和$L^p(Ω), p\in(0; 4]$相容的估计,它在t上一致收敛,甚至对某些H旧的规范。此外,我们得到的收敛速度的估计。这种强相合性导致了一致性和H旧的规范是相当不寻常的文献中的统计估计功能。
2015-05-28 math.PR math.ST stat.TH
Parametric estimation of Lévy processes
本章的主要目的是介绍基于高频采样的Lévy过程参数估计的一些理论方面,重点是无限活动纯跳模型。讨论了几类显式估计函数的渐近性。除了在几种收敛速度下的渐近正态性外,还给出了统计随机场的一致尾概率估计。作为特例,我们更详细地讨论了稳定Lévy过程的矩量法,并简要地提到了局部稳定Lévy过程。还讨论了,由于其理论上的重要性,一个简单的回顾如何经典的似然方法的工作原理或不,超越的事实,即似然函数是不明确的。
2014-09-01 math.ST stat.TH
Non-ergodic statistics and spectral density estimation for stationary real harmonizable symmetric $α$-stable processes
针对非遍历的平稳实可调和对称 $α$-稳定过程,论文利用 LePage 表示与条件高斯性推导样本函数非遍历极限,并提出基于周期图频率估计的强一致谱密度估计方法。
2023-12-11 math.ST stat.TH
Information Lower Bounds for Robust Mean Estimation
本文研究稳健均值估计的误差下界,利用 Fisher 信息及非参数极小化结果,统一给出参数、半参数与非参数情形下的紧下界及小错误概率最优估计量。
2024-03-04 cs.IT math.IT math.ST
The Minimax Lower Bound of Kernel Stein Discrepancy Estimation
Karlsruhe Institute of Technology(卡尔斯鲁厄理工学院);University of Louisiana at Lafayette(路易斯安那大学拉斐特分校);London School of Economics(伦敦政治经济学院)
本文研究了核stein散度估计的最小最大下界,证明了在R^d空间中使用 Langevin-Stein 操作符时,估计难度随维度d指数增长,同时在一般域上确立了最优性。
2026-03-30 cs.LG math.ST stat.ML
Over-the-Air Statistical Estimation
在统计估计和无线通信相结合的框架下,研究了高斯多址信道(MAC)下均方误差损失下的分布式极大极小统计估计的方案和下界.首先,我们开发了“模拟”联合估计通信计划,利用高斯MAC的叠加特性,我们的节点数量和参数空间的维度来表征其风险。然后,我们推导出信息理论的最小最大风险的任何估计方案限制在一个给定的使用信道的样本进行通信的下限,并表明我们提出的计划实现的风险是在这些下限的对数因子。我们比较两个可扩展性和下限结果到以前的“数字”下限,其中节点在MAC的香农容量传输无差错比特,表明利用物理层的估计方案提供了依赖于物理层抽象的数字方案的估计误差大幅减少。
2021-03-06 cs.DC cs.IT math.IT
Kernel entropy estimation for long memory linear processes with infinite variance
设$X=\{X_n: n\in\mathbb{N}\}$是在$α$ -稳定律$(0<α<2)$吸引区域中具有新息的长记忆线性过程.假设线性过程$X$具有有界概率密度函数$f(x)$。然后,在一定条件下,利用核估计器\[ T_n(h_n)=\frac{2}{n(n-1)h_n}\sum_{1\leq j<i\leq n}K\left(\frac{X_i-X_j}{h_n}\right). \],研究了二次泛函$\int_{\mathbb{R}} f^2(x) \,dx$的估计问题.并对具有对称$α$ -稳定新息的长记忆线性过程进行了模拟研究.
2022-10-07 math.PR math.ST stat.TH
New Lower Bounds for Private Estimation and a Generalized Fingerprinting Lemma
在$(\varepsilon, δ)$ -差分隐私约束下,证明了统计估计任务的新下界.首先,我们提供了严格的下界私人协方差估计的高斯分布。我们发现,估计的协方差矩阵在Frobenius范数需要$Ω(d^2)$样本,并在频谱范数需要$Ω(d^{3/2})$样本,都匹配上界对数因子。后一个界验证了高斯协方差谱估计的私有和非私有样本复杂度之间存在一个受限制的统计差距。我们证明了这些界限通过我们的主要技术贡献,一个广泛的推广的指纹方法的指数家庭。此外,使用私人Assouad方法的Acharya,孙,张,我们显示了一个紧密的$Ω(d/(α^2 \varepsilon))$下界估计的平均值的分布与有界协方差$α$ -误差在$\ell_2$ -距离。先前已知的所有这些问题的下限要么多项式较弱,或举行更严格的条件下的$(\varepsilon, 0)$ -差分隐私。
2023-03-28 cs.CR cs.DS stat.ML
Better and Simpler Lower Bounds for Differentially Private Statistical Estimation
Massachusetts Institute of Technology(麻省理工学院)
本文针对近似差分隐私下的高维参数估计任务,利用指纹方法和贝叶斯方法,证明了高斯协方差估计和重尾分布均值估计的最优样本下界,改进并简化了先前工作。
2024-01-04 cs.CR cs.DS cs.IT
Fast and stable modification of the Gauss-Newton method for low-rank signal estimation
研究了低秩信号估值的加权非线性最小二乘问题。构造一个数值解,是稳定和快速的长时间序列的问题得到解决。提出了一种改进的加权高斯-牛顿法,该方法可以通过直接变量投影到低秩信号空间来实现。对于在存在$p$阶的自回归噪声的情况下提供信号的最大似然估计的权重矩阵,迭代的计算成本是$O(N r^2 + N p^2 + r N \log N)$,因为$N$趋于无穷大,其中$N$是时间序列长度,$r$是近似时间序列的秩。此外,所提出的方法可以适用于缺失值的数据,而不会增加计算成本。该方法进行了比较,与国家的最先进的方法的基础上的变量投影方法的浮点数值稳定性和计算成本。
2021-06-27 cs.NA math.NA stat.CO
Tail Estimation via Sample Splitting: A Two-Sample Framework for Stable-like Distributions
Texas Christian University(德克萨斯基督教大学);University of Johannesburg(约翰内斯堡大学);Southern Methodist University(南方卫理公会大学)
本文提出一种基于样本分裂的半参数方法,利用稳定分布的两和闭包性质估计尾部指数,通过加权最小二乘和自助法实现高效计算,在重尾场景下兼具准确性与计算优势。
2026-09-09 stat.ME
Median Based Unit Weibull Distribution (MBUW): Do the Higher Order Probability Weighted Moments (PWM) Add More Information over the Lower Order PWM in Parameter Estimation
Department of Mathematical Statistics, Faculty of Graduate Studies for Statistical Research, Cairo University(开罗大学统计研究研究生院数学统计系)
本文针对MBUW分布的参数估计问题,对比一阶与高阶PWM方法的表现,推导PWM估计量的渐近分布,结合真实数据分析验证高阶PWM是否能提供更多有效信息。
2025-11-18 math.PR stat.ME
Statistics of the MLE and Approximate Upper and Lower Bounds - Part 1: Application to TOA Estimation
在非线性确定性参数估计中,由于门限和模糊现象的存在,极大似然估计(MLE)在中低信噪比下无法达到Cramer-Rao下界。为了评估在这些SNR水平下所实现的均方误差(MSE),我们提出了新的MSE近似(MSEA)和一个近似的上限,通过使用区间估计(MIE)的方法。MLE的平均值和分布也近似。MIE包括将未知参数的先验域划分为区间,并计算每个区间中估计量的统计量。此外,我们推导出一个近似下界(ALB)的基础上的泰勒级数展开的噪声和ALB家庭采用二进制检测原理。最后,以到达时间估计为例,验证了所提出的MSEA算法的准确性和近似界的严密性。
2014-05-19 stat.AP
Blume-Capel model: Estimation of a three stable state network for $-\bf 1$, $\bf 0$ and $\bf +1$ data
University of Amsterdam(阿姆斯特丹大学);Northeastern University - Portland Campus(东北大学波特兰校区)
本文提出扩展的Ising模型作为逆问题中估计参数的替代方法,该模型称为Blume-Capel模型,允许三个稳定状态,并通过模拟和均场结果展示其磁化性质,同时结合伪似然与Lasso实现参数恢复。
2026-04-10 physics.data-an stat.AP
Fast and stable multivariate kernel density estimation by fast sum updating
核密度估计和核回归是功能强大但计算昂贵的技术:给定$N$输入样本点,在$M$评估点处直接评估核密度估计需要二次$\mathcal{O}(MN)$运算,这对于大规模问题是禁止的。为此,已经提出了诸如利用快速傅立叶变换或快速高斯变换的分箱的近似方法来加速核密度估计。在这些快速方法中,快速求和更新方法是一种有吸引力的替代方案,因为它是一种精确的方法,并且其速度与输入样本和带宽无关。不幸的是,这种基于数据排序的方法在很大程度上仅限于单变量的情况。在本文中,我们重新审视的快速总和更新方法,并在几个方面进行了扩展。我们的主要贡献是将其扩展到一般输入数据和直线评估网格的一般多变量情况。其他贡献包括其扩展到更广泛的内核类,包括三角形,余弦和西尔弗曼内核,其与简约的加性多变量内核的组合,以及其与多变量数据集的快速近似k-近邻带宽的组合。多元回归和密度估计的数值试验证实了该方法的速度、精度和稳定性。我们希望这篇文章能重新引起人们对快速和更新方法的兴趣,并有助于解决大规模实际的密度估计和回归问题。
2018-10-22 stat.CO
Communication Lower Bounds for Statistical Estimation Problems via a Distributed Data Processing Inequality
Princeton University(普林斯顿大学);Toyota Technological Institute at Chicago(芝加哥丰田技术研究院);IBM Research Almaden(IBM阿尔马登研究中心)
我们研究了高维分布式统计估计问题的统计误差和通信成本之间的权衡。在分布式稀疏高斯均值估计问题中,每个$m$机器接收来自具有未知均值$θ$的$d$维高斯分布的$n$数据点,该均值被承诺为$k$ -稀疏的。机器通过消息传递进行通信,目的是估计平均值$θ$。我们提供了一个紧密的(对数因子)之间的权衡估计误差和机器之间通信的位数。这直接导致了分布式\textit{sparse linear regression}问题的下限:为了实现统计极大极小误差,总通信至少是$Ω(\min\{n,d\}m)$,其中$n$是每台机器接收的观测数,$d$是环境维度。通过允许多轮迭代通信模型,这些较低的结果改进了[Sha14,SD'14]。我们也给出了第一个最佳的同时协议在稠密的情况下,均值估计。作为我们的主要技术,我们证明了一个\textit{distributed data processing inequality},作为一般的数据处理不等式的推广,这可能是独立的兴趣和有用的其他问题。
2016-05-10 cs.CC cs.IT cs.LG
Estimation of stable distribution parameters from a dependent sample
现有的估计稳定分布参数的方法,如基于样本分位数、样本特征函数或最大似然的方法,一般都假设样本是独立的。很少有人注意到估计从一个依赖的样本。本文提出了一种基于样本分位数估计相依样本稳定分布参数的方法。估计被证明是渐近正态的。计算了稳定移动平均过程的渐近方差。从稳定的移动平均过程的模拟来证明这些估计。
2014-05-02 math.ST stat.TH
Estimation of Parameters of Stable Distributions
本文提出了一种基于广义矩量法(GMM)的稳定分布参数估计方法,并利用$0<α<2$估计稳定分布参数。我们不假设稳定分布是对称的。
2006-11-19 math.PR math.ST stat.TH
Estimation of the characteristic exponent of stable laws
本文提出了一种估计稳定律特征参数$α$的统计算法,并得到了其二次偏差的估计。该算法被应用于描述等离子体弦边缘区域的涨落感应通量。
2013-11-27 math.ST physics.plasm-ph stat.TH
One-Step R-Estimation in Linear Models with Stable Errors
线性模型的经典估计技术要么是不一致的,或执行相当差,下$α$稳定的误差密度,他们中的大多数甚至不是率最优的。本文提出了一种新颖的一步R-估计方法,并研究了其在稳定密度下的渐近性能。与传统的最小二乘方法不同,本文提出的R-估计量在整个稳定分布族下保持根- $n$一致(最优速率),而不考虑其不对称性和尾部指数.虽然由于缺乏稳定密度的封闭形式,参数稳定似然估计非常麻烦,但我们的方法允许我们构建达到与尾部指数$α$和偏度参数$b$的任何规定值$(α_0, \ b_0)$相关的参数效率界限的估计量,同时保持根- $n$一致性在任何$(α, \ b)$以及通常的轻尾密度下。该方法还避免了所有形式的多维argmin计算。仿真结果证实了其优良的有限样本性能。
2012-10-18 math.ST stat.ME stat.TH
Volatility and jump activity estimation in a stable Cox-Ingersoll-Ross model
本文研究 $α$-stable CIR 模型中波动率与跳跃活动度的参数估计,扩展 Mies (2020) 方法实现波动率、尺度与跳跃活动度参数的联合估计,并证明该估计量在对数因子内达到速率最优。
2024-07-31 math.ST stat.TH
Censoring heavy-tail count distributions for parameter estimation with an application to stable distributions
ETH Zurich(苏黎世联邦理工学院);Università della Svizzera italiana(瑞士意大利语大学);University of Siena(锡耶纳大学);Italian Naval Academy(意大利海军学院)
针对概率生成函数已知但概率质量函数无闭式或有限矩不存在的重尾计数分布,提出基于删失与矩准则的参数估计新方法,并可应用于稳定分布。
2024-09-16 math.ST stat.TH
Estimation of the multifractional function and the stability index of linear multifractional stable processes
在本文中,我们感兴趣的多分数稳定过程的自相似性指数$H$是一个时间的函数,换句话说,$H$成为时变的,和稳定性指数$α$是一个常数。使用$β$ -负幂变分($-1/2<β<0$),我们提出了估计的值的多分数函数$H$在一个固定的时间$t_0$和$α$的两种情况下:多分数布朗运动($α=2$)和线性多分数稳定运动($0<α<2$)。我们得到了我们的估计的一致性与收敛速率的基础过程。
2017-11-22 math.ST stat.TH
LAD estimation of locally stable SDE
Wroclaw University of Science and Technology(弗罗茨瓦夫科技大学);Graduate School of Mathematical Sciences, University of Tokyo(东京大学大学院数理科学研究科)
本文研究了高频率观测下局部α-稳定随机微分方程LAD估计的渐近混合正态性,探讨了ergodic和non-ergodic情况,提出了一种无需数值积分的显式目标函数,具有计算优势。
2026-11-17 math.ST stat.TH
Estimation of stability index for symmetric α-stable distribution using quantile conditional variance ratios
$α$ -稳定分布类在各种应用中有着广泛的应用,特别是对于重尾数据的建模。虽然$α$ -稳定分布已在实践中使用多年,但用于识别、测试和估计的新方法仍在改进,并且新方法正在被提出。新的统计方法的不断发展与现有算法的低效率有关,特别是当底层样本很小或底层分布接近高斯时。本文针对对称$α$ -稳定分布样本,提出了一种新的稳定指标估计算法。所提出的方法是基于分位数条件方差比。我们研究的统计特性,建议的估计程序和经验表明,我们的方法往往优于其他常用的估计算法。此外,我们表明,我们的统计提取独特的样本特征,可以与其他方法相结合,以完善现有的方法,通过ensamble方法。虽然我们的重点是对称的$α$稳定的情况下,我们证明,所考虑的统计是不敏感的偏度参数的变化,使我们的方法也可以用于一个更通用的框架。为了完整性,我们还展示了如何将我们的方法应用于与等离子体物理相关的真实数据。
2022-12-27 math.ST stat.ME stat.TH
Estimation for seasonal fractional ARIMA with stable innovations via the empirical characteristic function method
最大似然法虽然被广泛使用,但由于模型所依据的假设与观测数据的真实密度概率分布之间的不一致,可能是不稳健的。由于经验特征函数是经验分布函数的傅里叶变换,因此它保留了样本中的所有信息,但可以克服似然带来的困难。本文讨论了稳定季节分数ARIMA过程的ECF估计方法。在一定的假设下,我们证明了所得到的估计是一致的,渐近正态分布。为了比较的目的,我们还考虑了Ndongo等人(2010)开发的MCMC Whittle方法。这两种方法的性能进行了讨论,使用Monte Carlo模拟。
2012-12-12 math.ST stat.TH
Estimation of a pure-jump stable Cox-Ingersoll-Ross process
本文研究了纯跳跃稳定CIR过程的参数估计,提出基于似然近似的相合估计量,证明其渐近性质,并通过一步法改进初步估计量。
2024-02-12 math.PR math.ST stat.TH
Lag selection and estimation of stable parameters for multiple autoregressive processes through convex programming
Ruhr-Universität Bochum(波鸿鲁尔大学);UCLouvain(鲁汶大学)
高维时间序列由于其广泛的应用,已成为一个研究热点。特别是,几种方法和有限样本理论的个人稳定的自回归过程与已知的滞后已成为最近。相反,我们考虑多个稳定的自回归过程,共享一个未知的滞后。我们使用跨不同过程的信息来同时选择滞后和估计参数。我们证明了估计过程是稳定的,我们建立的预测误差率,可以超过我们的设置中的已知率。我们的见解的滞后选择和稳定性也感兴趣的情况下,个人自回归过程。
2023-03-03 cs.LG math.ST stat.ML
Optimum design via I-divergence for stable estimation in generalized regression models
广义回归模型中参数估计的最优设计是基于Fisher信息矩阵的标准化设计(参见Atkinson et al(2014)最近的一次阐述)。相应的最优性准则与这类模型中极大似然(ML)估计的渐近性质有关。然而,在有限样本试验中,ML估计的可辨识性、稳定性和唯一性可能存在问题,而这些问题并不反映在信息矩阵中。在Pázman和Pronzato(2014)中讨论了如何在标准非线性回归的实验设计阶段解决这些可估计性问题。在这里,我们希望将这种设计方法扩展到基于指数分布族的更一般的模型(二项分布、泊松分布、具有参数化方差的正态分布等)。其主要工具是信息(或Kullback-Leibler)散度,它与ML估计密切相关。
2015-07-27 math.ST stat.TH
A note on estimation of $α$-stable CARMA processes sampled at low frequencies
本文研究了等距采样对称$α$稳定CARMA过程的估计.模拟研究表明,Whittle估计量和Garc 'ıa等人(2011)提出的估计量是稳定CARMA过程参数的一致估计量。对于具有有限二阶矩的CARMA过程,Whittle估计是相合的且渐近正态分布。因此,在轻尾设置的CARMA过程的Whittle估计的性质是类似的ARMA过程的Whittle估计。然而,在本文中,我们证明,在一般情况下,对称$α$稳定的CARMA过程在低频率采样的惠特尔估计是不一致的,并强调为什么模拟研究表明别的东西。因此,与轻尾设置相比,重尾ARMA过程的Whittle估计的性质不能转移到重尾CARMA过程。我们也阐述了Garc 'ıa et al.(2011)中提出的估计量面临同样的问题。然而,稳定CAR(1)过程的Whittle估计是一致的。
2020-09-10 math.ST stat.TH
Regression estimation from an individual stable sequence
我们考虑从一个单独的(非随机)序列$(x_1,y_1),(x_2,y_2), ... \in \real \times \real$,这是稳定的意义上,对于每个间隔$A \subseteq \real$,(i)下的极限相对频率$A$ $x_1, x_2, ...$是由一个未知的概率分布$μ$,和(ii)的极限平均值的那些$y_i$与$x_i \in A$是由一个未知的回归函数$m(\cdot)$。一个计算简单的计划,估计$m(\cdot)$展示,并示出$L_2$一致的稳定序列$\{(x_i,y_i)\}$,使$\{y_i\}$有界,并有一个已知的上限的变化$m(\cdot)$的间隔的形式$(-i,i]$,$i \geq 1$。作为对这一结果的补充,证明了对于回归函数具有有限变差的稳定序列族,即使在$x_i \in [0,1]$和$y_i$是二值的限制下,也不存在相容的估计方案.
2007-10-12 cs.IT math.IT math.PR
Stochastic derivative estimation for max-stable random fields
我们认为预期的性能的基础上最大稳定的随机场,我们感兴趣的是他们的衍生物相对于这些领域的空间依赖参数。最大稳定场,如布朗-雷斯尼克场和史密斯场,在空间极值中非常流行。本文重点介绍了两种最流行的无偏随机导数估计方法:似然比方法(LRM)和无穷小扰动分析(IPA)。LRM要求最大稳定场的多元密度是显式的,IPA需要计算每个模拟值相对于参数的导数。我们提出了方便和易于处理的条件,确保LRM和IPA的有效性的情况下,布朗-Resnick和史密斯领域,分别。由于极大稳定场的结构,获得这样的条件是复杂的。然后,我们专注于风险和依赖的措施,这构成了几个框架,我们的理论结果可以是有用的。我们进行了模拟研究,结果表明,LRM和IPA在各种配置中表现良好,并提供了一个真正的案例研究,是有价值的保险业。
2020-11-03 math.ST q-fin.RM stat.ME
On estimation of quadratic variation for multivariate pure jump semimartingales
本文给出了多元对称$β$ -稳定Lévy过程、$β\in (0,2)$和某些纯跳半鞅的实现二次变差的渐近分析。主要的重点是推导的功能极限定理实现的二次变分和它的频谱。当原过程是对称$β$ -稳定的时,极限过程是矩阵值$β$-稳定的Lévy过程;而对于对称$β$ -稳定运动的积分,极限过程是条件$β$-稳定的.这些渐近结果主要与研究该问题的单变量版本的工作[5]有关。此外,我们将显示的影响,估计的特征值和特征向量的二次变异矩阵,这是一个有用的结果,主成分分析。最后,我们提出了一个一致的Lévy设置下的子采样过程,以获得置信区域。
2021-05-05 math.PR math.ST stat.TH
Lower Bounds for Locally Private Estimation via Communication Complexity
我们开发的下界估计下的本地隐私约束-包括差分隐私和放松近似或雷尼差分隐私-通过显示私人估计和通信限制估计问题之间的等价性。我们的研究结果适用于任意交互的隐私机制,他们也给尖锐的下界的所有级别的差分隐私保护,即隐私级别$\varepsilon \in [0, \infty)$的隐私机制。作为一个特殊的后果,我们的研究结果,我们表明,估计的平均值的有界或高斯随机向量在$d$尺寸尺度为$\frac{d}{n} \cdot \frac{d}{ \min\{\varepsilon, \varepsilon^2\}}$的最小极大均方误差。
2019-05-05 math.ST stat.TH
Lower bounds for volatility estimation in microstructure noise models
在本文中,我们推导出了在极小极大意义下的瞬时波动率估计的下界,如果扩散型部分不能直接观察到,但在一些额外的高斯噪声。三种不同的模型被认为是。我们的技术是基于多元正态随机变量的Kullback-Leibler散度的一般不等式和过程的谱分析。导出的下界确实是最优的。上界可以在Munk和Schmidt-Hieber [18]中找到。我们的主要发现是,高斯微观结构噪声分别为每个模型引入了额外程度的不适定性。
2010-02-16 math.ST stat.TH
Minimax estimation of norms of a probability density: I. Lower bounds
本文讨论了独立观测值的概率密度$d\geq 1$的$L_p$-范数$p\in (1,\infty)$的非参数估计问题。假设待估计的未知密度%属于各向异性Nikolskii空间中的球。我们采用极大极小方法,并推导出极大极小风险的下界。特别是,我们证明了估计程序的准确性基本上取决于$p$是否是整数或没有。此外,我们开发了一个通用的技术推导的下界的极小极大风险估计的非线性泛函的问题。所提出的方法适用于广泛的一类非线性泛函,并用于推导~ $L_p$ -范数估计的下界。
2020-08-25 math.ST stat.TH