Modelling handball outcomes using univariate and bivariate approaches
针对手球进球数相对 Poisson 分布低离散的问题,本文通过建模分差,提出 Skellam 回归、零膨胀及其他整数分布模型,并用 copulas 构建刻画上下半场的双变量模型,在德国 Bundesliga 数据上验证其潜力。
2024-04-05 stat.AP stat.ME
Estimation procedures for a semiparametric family of bivariate copulas
在本文中,我们提出了简单的估计方法致力于一个半参数家庭的二元copula。这些Copula可以通过估计它们的单变量母函数来简单地估计。我们利用这一结果来估计相关的措施,协会以及copula的高概率区域。这些程序都说明了模拟和真实数据。
2011-04-01 stat.ME
Depth-based Runs Tests for Bivariate Central Symmetry
McWilliams(1990)引入了一个基于游程的非参数方法来检验关于原点(等价地,关于任意指定中心)的单变量对称性。他的程序首先根据观测值的绝对值对它们重新排序,然后当得到的符号序列中的游程数量太少时拒绝空值。这个测试是普遍一致的,具有很好的鲁棒性,但不幸的是,仅限于单变量设置。本文将McWilliams方法推广到二元中心对称性的检验中。所提出的测试首先根据它们在样本的对称化版本中的统计深度对观测值进行重新排序,然后当单纯运行的原始概念太小时拒绝空值。我们的测试是仿射不变的,并具有良好的鲁棒性。特别是,它们不需要任何有限矩假设。我们导出了它们的极限零分布,从而建立了它们的无渐近分布。我们通过蒙特卡罗实验研究了它们的有限样本性质,并给出了一些结论。
2014-01-10 stat.ME
Modeling Stock Returns and Volatility Using Bivariate Gamma Generalized Laplace Law
University of Nevada, Reno(内华达大学雷诺分校)
本文提出双变量伽马广义拉普拉斯分布模型,通过最大似然估计简化估计过程,并展示其在金融数据中的应用。
2026-04-30 math.PR math.ST q-fin.ST
Bivariate change point detection: joint detection of changes in expectation and variance
提出了一种变点检测方法。本文考虑一个单变量独立随机变量序列,其期望值和方差均为分段常数,除此之外,其分布可以周期性变化。我们的目标是检测期望和方差的变化点。为此,我们提出了一个统计测试的原假设无变化点和算法的变化点检测。两者都是基于一个双变量移动和方法,共同评估的均值和经验方差。与单独的单变量方法相比,联合考虑有助于改善推断。我们有信心地推断变化的强度和类型。非参数方法支持对不同数据的分析。此外,多尺度方法解决了变化点和影响中的复杂模式。我们通过理论结果和仿真研究证明了性能。讨论了配套的R包jcp(可在CRAN上获得)。
2021-06-21 math.ST stat.ME stat.TH
On a bivariate Birnbaum-Saunders distribution parameterized by its means: features, reliability analysis and application
Birnbaum-Saunders模型已被广泛用于正偏态数据的建模。本文引入了一个以均值为参数的二元Birnbaum-Saunders分布。我们提出了一些性质的单变量和双变量Birnbaum-Saunders模型。讨论了模型参数的极大似然估计和修正矩估计及其相关推论。仿真研究进行评估的性能的极大似然和修改的时刻估计。讨论了置信区间的概率覆盖。最后,一个现实世界的数据分析进行说明所提出的模型。
2018-04-28 stat.ME
Bivariate vine copula based regression, bivariate level and quantile curves
本文利用基于vine copula的二元回归模型的水平曲线构建二元条件分位数,提出一种对称处理双响应变量的图结构模型,有效避免了传统回归缺陷,并在天气数据中验证了联合建模的优势。
2023-07-03 math.ST stat.ME stat.ML
A sub-asymptotic model for bivariate threshold exceedances
UCLouvain(天主教鲁汶大学);Laboratoire des Sciences du Climat et de l’Environnement (IPSL, CNRS, CEA, UVSQ)(气候与环境科学实验室(IPSL,CNRS,CEA,UVSQ))
本文提出了一种灵活的亚渐近参数模型,用于建模双变量阈值超额,能够捕捉广泛的尾部依赖行为,并在保留单变量GP尾部时作为极限情况。
2026-04-14 stat.ME
Bivariate binomial conditionals distributions with positive and negative correlations: A statistical study
本文讨论了一个条件为一元二项分布,边缘不为二项且负相关的二元分布。一些有用的结构性质,即边缘,时刻,生成函数,随机排序的分布进行了研究。给出了负相关、边际超离差、和的分布以及条件给定和的简单证明。的分布示出的多参数指数家庭的一员,一些自然的,但有用的后果也概述。拟议的分布倾向于Ghosh等人(2020)最近研究的条件泊松分布。最后,该分布拟合到两个二元计数数据集,具有固有的负相关性,以说明其适用性。
2023-01-08 stat.ME
On the Estimation of bivariate Conditional Transition Rates
针对多状态模型中二元条件转移率缺乏一致估计量的问题,提出适用于删失数据的估计量并揭示其与二元生存函数估计理论的联系,为人寿保险数学等生存分析应用提供支持。
2024-08-29 math.ST stat.ME stat.TH
Novel Stein-type Characterizations of Bivariate Count Distributions with Applications
School of Mathematics, South China University of Technology(华南理工大学数学学院);Department of Mathematics and Statistics, Helmut Schmidt University(赫尔穆特·施密特大学数学与统计系)
本文提出双变量计数分布的新型Stein型特征化方法,并通过复杂矩表达式推导、拟合检验和对称性检验等应用展示其实际价值。
2026-07-23 stat.ME
A Bivariate Poisson-Gamma Distribution: Statistical Properties and Practical Applications
本研究提出结合单变量连续与离散分布的双变量泊松-伽马条件分布,探究其未被研究过的结构与统计推断问题,采用极大似然估计结合模拟与真实数据分析,为统计建模和分布理论领域做贡献。
2025-03-19 math.ST stat.ME stat.TH
A Novel Bivariate Generalized Weibull Distribution with Properties and Applications
本文提出了一种新的二元广义 Weibull 分布族,推导了其统计性质与 copula,采用极大似然和贝叶斯方法估计参数,并通过模拟和实际数据验证了其有效性。
2021-07-26 math.ST stat.ME stat.TH
Modeling with a Large Class of Unimodal Multivariate Distributions
在本文中,我们引入了一类新的多元单峰分布,Khintchine的表示的动机。首先,我们提出了一个单变量模型,其支持覆盖所有的实直线上的单峰分布。通过使用多元高斯copula,所提出的单峰分布类可以自然地扩展到高维。在单变量和多变量设置下,我们提供MCMC算法来执行关于模型参数和预测密度的推断。用单变量和双变量的例子,并从一个真正的数据集的变量说明的方法。
2015-06-24 stat.ME
Bivariate Analysis of Birth Weight and Gestational Age Depending on Environmental Exposures: Bayesian Distributional Regression with Copulas
在这篇文章中,我们分析了围产期数据与出生体重(BW)作为主要有趣的反应变量。遗传年龄(GA)通常是一个重要的协变量,并包括在多项式形式。然而,与这种单变量回归相反,建议对BW和GA进行双变量建模,以区分对每一个、对两者以及它们之间的影响。而不是一个参数的二元分布,我们应用条件copula回归,其中的边缘分布的BW和GA(不一定是相同的形式)可以独立估计,其中的依赖结构建模条件的协变量分别从这些边缘。在所得到的分布回归模型中,两个边缘和copula参数的所有参数都是观测特定的。除了生物统计和产科信息外,还包括饮用水污染和产妇吸烟数据,作为环境协变量。虽然高斯分布适用于BW,但三参数Dagum分布更好地模拟了倾斜的GA数据。克莱顿copula表现优于Gumbel和对称高斯copula,表明较低的尾部依赖性(当两个变量都很低时,依赖性更强),尽管BW和GA之间的这种非线性依赖性令人惊讶地弱,并且只受剖腹产的影响。一个非线性趋势的BW GA检测到一个经典的单变量模型,是多项式的GA的效果。两个模型对BW均值的线性影响相似,而我们的分布copula回归也揭示了协变量对所有其他参数的影响。
2021-10-31 stat.AP stat.ME
On the Ristic-Balakrishnan distribution: bivariate extension and characterizations
在过去的几十年里,一个显着的发展已经取得了一些众所周知的寿命分布的各种策略的增强。这些新开发的模型在模拟各种现实生活现象方面取得了相当大的成功。受此启发,Ristic & Balakrishnan(2012)开发了一类特殊的单变量分布(参见Ristic- Balakrishnan(2012))。因此,我们把这类分布称为RB-G分布族。RB-G族具有与G分布相同的参数加上附加的正形状参数a。从一个给定的G分布可以得到几个RB-G分布。对于a = 1,基线G分布是RB-G族的基本范例,具有朝向具有各种形状的情况的连续交叉。在这篇文章中,我们将重点关注这个族的特征,并讨论二元RB-G分布族的一些结构性质,这些性质在Ristic和Balakrishnan(2012)中没有详细讨论。
2017-11-01 stat.ME
Modified Bivariate Weibull Distribution Allowing Instantaneous and Early Failures
在可靠性和寿命数据分析中,韦布尔分布被广泛应用,通过改变参数的值来适应更多的数据特征。在可靠性和寿命测试实验中,我们经常观察到许多零或接近零的数据点。我们称这种现象为几乎瞬时失效。许多研究人员修改了常用的单变量参数模型,如指数,伽玛,威布尔,和对数正态分布,以适当地适应这种数据具有瞬时故障的观察。研究人员还发现,双变量相关寿命测试数据在特定点附近有许多观测值,而其余观测值遵循某种连续分布。这种情况定义为对于这种双变量响应具有早期失效的响应。如果该点是原点,那么我们称这种情况为响应的几乎瞬时失败。在这里,我们提出了一个修改的二元韦布尔分布,允许早期失效的二元均匀分布和二元韦布尔分布相结合。假设边缘分布为两个参数韦布尔分布,利用二维copula构造二元韦布尔分布。我们推导了修正的二元韦布尔分布的一些性质,主要是联合概率密度函数、生存(可靠性)函数和危险(失效率)函数。模型的未知参数估计使用极大似然估计(MLE)技术结合机器学习聚类算法。数值例子提供使用模拟数据来说明和测试所提出的方法的性能。该方法也适用于实际数据,并与现有的方法来模拟这种数据在文献中进行比较。
2022-06-03 stat.ME
A Bivariate Power Generalized Weibull Distribution: a Flexible Parametric Model for Survival Analysis
我们关注的是双变量生存数据的灵活参数分析。在其他地方,我们赞扬了“功率广义威布尔”(PGW)分布作为单变量参数生存分析的一个有吸引力的工具的优点:它是一个易于处理的,简约的,模型,可解释允许各种各样的危险形状,当适应(给一个适应的PGW,或APGW,分布),涵盖了各种重要的特殊/限制情况。在这里,我们还观察到一个脆弱的PGW分布与一个值的参数,控制分布的选择在家庭和PGW分布与一个较小的值相同的参数之间的关系。我们利用这种脆弱性的关系,提出了一个二元共享脆弱性模型与PGW边缘分布:这些边际原来是由所谓的BB 9或“功率方差函数”copula连接。因此,在当前的背景下,这种特定的copula选择是很自然的。然后,我们适应的二元PGW分布,反过来,以适应APGW边缘。我们提供了一些双变量PGW和APGW模型的理论特性,并通过一个涉及众所周知的视网膜病变数据集的说明性示例显示了后者在实际工作中的潜力,该分析被证明是直接实施的,并且在其结果中提供了信息。本文的新颖之处在于将特定成分适当地组合成一个连贯而成功的整体。
2019-01-10 stat.ME
Copula-like inference for discrete bivariate distributions with rectangular supports
本文研究矩形支撑二元离散分布的类 copula 分解,给出分解条件,并建立离散 copula 的估计、检验及基于 $I$-投影可微性的渐近理论。
2024-06-17 stat.ME
Copula-Based Bivariate Kumaraswamy-Teissier Distributions: Modeling Temperature-Rainfall Dependence and Compound Extremes
本研究提出两种基于Copula的双变量Kumaraswamy-Teissier分布,用于建模气温与降水的依赖关系,经模拟和喜马拉雅地区数据验证,其拟合效果优于现有模型,可量化复合极值风险。
2026-09-07 stat.ME
Approximation of bivariate densities with compositional splines
针对二元概率密度的尺度特性与零积分约束问题,提出一种满足零积分性质的新型成分样条基,证明其与Bayes Hilbert空间基的一一对应关系,推导密度分解形式,经仿真验证后应用于地球化学数据。
2024-05-19 stat.ME
Skewed Multivariate Birnbaum-Saunders Distributions
单变量Birnbaum-Saunders分布已被非常有效地用于模拟疲劳材料的失效时间和模拟寿命数据。在这篇文章中,我们定义了一个倾斜版本的Birnbaum-Saunders分布在多变量设置,并推导出它的几个属性。所提出的偏态多变量模型是一个绝对连续分布,其边缘是单变量Birnbaum-Saunders分布。讨论了参数的极大似然估计,确定了Fisher信息矩阵。还介绍了广义Birnbaum-Saunders分布的一个斜双变量版本。我们提供了一个应用程序的真实数据,说明了所提出的多变量模型的实用性。
2012-04-27 stat.ME
Clustering of bivariate satellite time series: a quantile approach
聚类在统计学和机器学习中受到了广泛的关注,其目的是开发能够从原始数据中获取信息以执行探索性分析的统计模型和自主算法。已经开发了几种技术来对采样的单变量向量进行聚类,仅考虑整个周期的平均值,因此它们不能充分探索潜在的分布以及数据的其他特征,特别是在存在结构化时间序列的情况下。我们提出了一个基于模型的聚类技术,它是基于分位数回归,允许我们在不同的分位数水平聚类二元时间序列。我们使用非对称拉普拉斯分布来模拟集群内的密度,这使得我们可以考虑数据分布的不对称性。我们通过模拟研究评估所提出的技术的性能。然后,该方法适用于集群时间序列观察到的全球彩色卫星数据有关的营养状况指数,其目的是评估其时间动态,以确定均匀的地区,在营养状况,在海湾的加贝斯。
2022-07-24 stat.AP stat.ME
Adaptive estimation for the nonparametric bivariate additive model in random design with long-memory dependent errors
研究了随机设计和长记忆误差下的非参数二元可加回归估计,构造了基于小波级数的自适应阈值估计。当未知函数及其单变量可加分量属于Besov空间时,该方法获得了渐近近最优的收敛速度。我们考虑两种噪声结构下的问题:(1)同方差高斯长记忆误差和(2)异方差高斯长记忆误差。在同性长记忆误差的情况下,估计是完全自适应的长记忆参数。在异方差长记忆的情况下,估计可能不是自适应的,除非异方差是多项式形式的长记忆参数。无论哪种情况,只有当长记忆足够强时,收敛速度才取决于长记忆参数,否则,收敛速度与i.i. d下的收敛速度相同。错误.所提出的方法被扩展到一般的$r$ -维加法的情况下,与$r>2$,和相应的收敛速度是免费的维数灾难。
2022-05-22 math.ST stat.ME stat.TH
Bivariate inverse Gaussian degradation processes with shared random effects and an application to fatigue cracks
Indian Statistical Institute(印度统计研究所);Indian Institute of Management Udaipur(乌代布尔印度管理学院);McMaster University(麦克马斯特大学)
提出一种基于广义伽马共享脆弱性的双变量逆高斯退化模型,灵活选择脆弱性分布,通过模拟和疲劳裂纹数据验证了其优越的拟合性能。
2026-06-03 stat.AP stat.ME
Multi-purpose open-end monitoring procedures for multivariate observations based on the empirical distribution function
我们提出了非参数开放式序贯检验程序,可以检测到所有类型的变化,在当代分布函数可能的多变量观测。它们的渐近性质的理论研究下平稳和平稳的替代品。蒙特卡罗实验表明,在连续的单变量,双变量和三变量的情况下,他们良好的有限样本行为。一个简短的数据例子结束了这项工作。
2022-11-12 stat.ME
Pointwise Data Depth for Univariate and Multivariate Functional Outlier Detection
针对传统函数型数据深度单值表征不足的问题,提出基于逐点深度分布与成对深度相关性的单/双变量函数型异常值检测方法,经模拟和光伏数据集验证性能优于传统方法。
2023-11-05 stat.ME
Nonlinear Modal Interval Regression for Bivariate Data Analysis
Graduate School of Information Sciences, Tohoku University(东北大学大学院信息科学研究院);Graduate School of Medical Sciences, Nagoya City University(名古屋市立大学大学院医学研究科)
提出一种非线性模态区间回归方法,通过核密度估计和平滑样条分位数损失,稳健估计条件模态区间,在数值实验和新生儿激素数据中表现出更高精度和稳定性。
2026-02-27 stat.ME
Testing for Publication Bias in Diagnostic Meta-Analysis: A Simulation Study
本研究通过模拟的方法研究了几种统计检验在诊断性荟萃分析中检测发表偏倚的性能。虽然双变量模型应用于汇总诊断荟萃分析中主要研究的数据,但诊断准确性的单变量指标更适合检测发表偏倚。与早期的研究相反,早期的研究仅关注诊断比值比或其对数($\lnω$),这些测试与四种不同的诊断准确性单变量测量相结合。对于检验和单变量测量的每种组合,在不同条件下检查第一类错误率和统计功效。结果表明,在诊断荟萃分析中,不推荐使用基于线性回归或等级相关的检验,因为无论采用何种单变量测量,第一类错误率都被夸大或把握度太低。相比之下,修整和填充与$\lnω$的组合即使在极端情况下(至少当每项荟萃分析的研究数量足够大时),也具有非膨胀或仅轻微膨胀的第一类错误率和中到高功效。因此,我们建议在诊断性荟萃分析中应用修剪和填充结合$\lnω$检测漏斗图不对称性。请引用发表在Statistics in Medicine(https://doi.org/10.1002/sim.6177)上的这篇论文。
2022-11-22 stat.ME