Asymptotic Intermediate Efficiency of the Chi-square and Likelihood Ratio Goodness of Fit Tests
考虑了一个绝对连续分布对一组分组为等概率区间的观测值的拟合优度的检验问题,以及对一组逼近假设的备选方案序列的检验问题。我们的研究重点是由于Inglot(1999)的卡方和对数似然比检验的渐近中间效率(AIE)。假设组的数量随着观测的数量而增加。
2019-02-21 math.ST stat.TH
Likelihood ratio tests under model misspecification in high dimensions
研究高维块对角协方差矩阵的似然比检验,证明其渐近行为在更大分布类下不变,具有抗模型误设稳健性,并扩展至多协方差矩阵相等检验。
2024-07-31 math.ST stat.TH
Central Limit Theorems for Classical Likelihood Ratio Tests for High-Dimensional Normal Distributions
对于从p-变量正态分布中获得的大小为n的随机样本,我们考虑了高维环境中其均值协方差阵的经典似然比检验(LRT)。这些检验统计量已在多变量分析中得到广泛研究,并且当n趋于无穷大且p保持固定时,它们在零假设下的极限分布被证明是χ 2分布。在本文中,我们考虑高维情形,其中p和n都趋于无穷大,且p=n/y在(0,1]中.证明了在此假设下的似然比检验统计量在分布上收敛于具有显式均值和方差的正态分布。我们进行模拟研究表明,似然比检验使用我们的中心极限定理优于那些使用传统的卡方近似分析高维数据。
2013-06-02 math.ST stat.TH
Bounds for the asymptotic distribution of the likelihood ratio
本文给出了当数据是独立同分布随机元的实现时,似然比统计量的卡方距离的一个显式界。据我们所知,这是第一个明确的界限,这是在文献中。边界取决于样本的样本个数以及参数空间的维数。我们用三个例子来说明这个界限:来自指数分布的样本,来自正态分布的样本,以及逻辑斯谛回归。
2018-06-10 math.ST stat.TH
Sensor fusion for bimodal generalized likelihood ratio test with unknown noise variances
在本文中,我们解决传感器融合的问题。我们制定了联合检测问题,使用一般的线性观测模型和模态间的独立性假设的噪声。推导了基于广义似然比原理的融合结构,并计算了信号存在和零假设下的检验统计量分布表达式。为了获得这些结果,我们开发了一种基于Meijer G函数理论的联合检测算法分析方法。
2013-09-04 math.ST stat.TH
On testing the class of symmetry using entropy characterization and empirical likelihood approach
该研究基于熵提出对称分布的新刻画,并构建刀切经验似然及调整刀切经验似然比对称性检验,模拟表明其优于现有方法且适用于真实数据。
2025-05-13 math.ST stat.TH
Rational Maximum Likelihood Estimators of Kronecker Covariance Matrices
本文针对具有 Kronecker 协方差结构的多元正态模型,发现在样本量与因子维度互质的特殊设定下,似然方程代数次数为 1,从而得出极大似然估计量的显式有理公式,并证明了该特殊设定外的部分逆命题。
2024-06-02 math.ST stat.TH
Quasi-likelihood ratio test for jump-diffusion processes based on adaptive maximum likelihood inference
针对多维跳扩散过程同步估计的计算与精度难题,提出基于既有联合拟对数似然的自适应拟似然方法,证明估计量与检验统计量的渐近性质,并通过数值模拟验证其行为。
2025-02-24 math.ST stat.TH
Nonparametric maximum likelihood estimation under a likelihood ratio order
基于独立样本的两个单变量分布的比较是统计学中的一个基本问题,在各种科学学科中都有应用。在许多情况下,我们可以假设这两个分布是随机有序的,这意味着直观地说,来自一个分布的样本往往比来自另一个分布的样本大。在经济学、生物医学和其他领域中出现的一种随机序是似然比序,也称为密度比序,其中两个分布的密度函数之比是单调非递减的。本文在似然比阶下,导出并研究了个体分布及其密度比的非参数极大似然估计。我们的工作适用于离散分布,连续分布,和混合连续-离散分布。我们证明了在某些情况下的估计分布依分布收敛,我们说明了我们的结果,使用数值实验和分析的生物标志物预测细菌感染的儿童全身炎症反应综合征。
2021-07-07 math.ST stat.ME stat.TH
Smoothed weighted empirical likelihood ratio confidence intervals for quantiles
到目前为止,基于似然的区间估计的分位数还没有研究在文献中的区间删失情况2数据和部分区间删失数据,在这种情况下,使用平滑没有被认为是任何类型的删失数据。本文在统一的框架下,针对不同类型的删失数据,包括右删失数据、双删失数据、区间删失数据和部分区间删失数据,构造了分位数的平滑加权经验似然比置信区间(WELRCI)。推导了加权经验对数似然比的四阶展开式,建立了WELRCI的理论覆盖精度方程,该方程一般保证至少一阶精度。特别是,对于右删失数据,我们表明,覆盖精度至少是$O(n^{-1/2})$和我们的模拟研究表明,与经验似然为基础的方法相比,在WELRCI中使用的平滑一般提供了一个较短的置信区间具有可比的覆盖精度。对于区间删失数据,有趣的是发现在调整率$n^{-1/3}$下,加权经验对数似然比的渐近分布完全不同于经验似然法所得的渐近分布,并且所得的WELRCI在现有的比较模拟研究中表现良好.
2008-10-23 math.ST stat.TH
A Note on the Likelihood Ratio Test in High-Dimensional Exploratory Factor Analysis
本文研究高维探索性因子分析中似然比检验卡方近似失效的问题,推导其保持有效的充要条件,并给出实践可用的定量判断准则。
2021-02-12 math.ST stat.TH
Small-sample likelihood inference in extreme-value regression models
我们处理Barreto- Souza和Vasconcellos(2011)引入的一类一般极值回归模型。我们的目标是得到一个调整后的似然比统计量,近似分布为\c{hi} 2,具有较高的准确度。虽然调整后的统计量需要更多的计算工作量比未经调整的对应,它表明,调整项有一个简单的紧凑的形式,可以很容易地实现在标准的统计软件。此外,我们比较了三个经典的测试(似然比,Wald,得分),梯度测试,最近提出的Terrell(2002年),调整后的似然比检验在本文中得到的有限样本性能。我们的模拟倾向于后者。我们的结果的应用。关键词:极值回归;梯度试验; Gumbel分布;似然比检验;非线性模型;评分测试;小样本调整; Wald试验。
2012-08-13 math.ST stat.TH
A note on the asymptotic distribution of the Likelihood Ratio Test statistic under boundary conditions
本文澄清边界参数似然比检验中两类渐近分布结果的分歧,并提出启发式修正,使闭式结果可用于负相关情形。
2025-08-29 math.ST stat.TH
Asymptotic law of likelihood ratio for multilayer perceptron models
我们考虑回归模型,涉及多层感知器(MLP)与一个隐藏层和高斯噪声。假设数据由真实的MLP模型生成,并且通过最大化模型的似然来估计MLP的参数。当真实模型的隐单元数已知时,极大似然估计(MLE)和似然比(LR)统计量的渐近分布易于计算,并收敛于一个$χ^2$律.然而,如果隐单元的数目被高估,模型的Fischer信息矩阵是奇异的,极大似然估计的渐近行为是未知的。本文讨论了这种情况,并给出了LR统计量的精确渐近律。也就是说,如果MLP的参数位于一个合适的紧集,我们证明了LR统计量是由一类极限得分函数索引的高斯过程的平方的上确界。
2010-11-28 math.ST stat.TH
Likelihood Asymptotics in Nonregular Settings: A Review with Emphasis on the Likelihood Ratio
该综述系统梳理边界、不可识别或奇异信息及变点三类非正则问题,重点讨论似然比统计量的大样本性质、解析工具与软件实现。
2023-04-26 math.ST stat.ME stat.TH
Strong consistency of the maximum likelihood estimator for finite mixtures of location-scale distributions when penalty is imposed on the ratios of the scale parameters
在位置-尺度分布的有限混合分布中,如果参数没有约束或惩罚,则极大似然估计不存在,因为似然是无界的。为了避免这个问题,我们考虑一个惩罚的可能性,其中的惩罚是一个函数的比例的最小值的尺度参数和样本量。证明了惩罚极大似然估计是强相合的。我们还分析了惩罚的最大似然估计的一致性,惩罚施加在尺度参数本身。
2008-02-08 math.PR math.ST stat.TH
Bootstrap Consistency for Empirical Likelihood in Density Ratio Models
School of Management, University of Science and Technology of China(中国科学技术大学管理学院);Department of Statistics, The University of British Columbia(不列颠哥伦比亚大学统计系)
本文证明了密度比模型下经验似然Bootstrap估计量的极限分布与总体一致,将逐点收敛推广至弱收敛,为分位数和支配指数的重采样推断奠定理论基础,并通过模拟验证其准确性。
2025-10-23 math.ST stat.TH
Empirical Likelihood Ratio Test with Distribution Function Constraints
本文研究了具有分布函数约束的非参数假设检验问题。经验似然比检验在检验矩等式约束问题中得到了广泛的应用。然而,一些检测问题不能使用矩(in)等式来描述。我们提出了一个分布函数约束以及经验似然比检验。该检测器适用于各种各样的鲁棒参数/非参数检测问题。由于分布函数约束提供了对原假设的更精确描述,因此该检验优于具有矩约束的经验似然比检验以及许多流行的拟合优度检验,例如稳健的Kolmogorov-Smirnov检验和Cramér-von Mises检验。从通信系统与现实世界的噪声样本的例子来展示他们的性能。具体而言,当原假设嵌套在备择假设中时,所提出的检验显著优于稳健的Kolmogorov-Smirnov检验和Cramér-von Mises检验。当我们假设没有噪声不确定性时,重复相同的示例。通过这样做,我们能够声称,在我们的情况下,有必要包括噪声分布的不确定性。此外,所提出的测试的渐近最优性。
2016-04-30 math.ST stat.TH
Sieve empirical likelihood ratio tests for nonparametric functions
广义似然比统计量已在范,张和张[安。29(2001)153-193]作为检验关于非参数函数的非参数假设的普遍适用的方法。基于随机误差分布在某个参数族中的假设,构造了似然比统计量。我们扩展他们的工作的情况下,误差分布是完全不确定的,通过新提出的筛经验似然比(SELR)测试。该方法也适用于测试的条件估计方程的随机误差分布。结果表明,所提出的SELR统计量服从渐近重标χ^2分布,且标度常数和自由度与冗余参数无关.这说明范、张、张[Ann. Statistist. 29(2001)153-193]继续在更宽松的模型和更大类别的技术下成立。该检验的渐近功效也被推导出来,它实现了非参数假设检验的最优速率。与广义似然比方法相比,该方法具有两个优点:它只需要指定一些条件估计方程,而不需要指定随机误差的整个分布,并且该方法可以自动适应包括异方差在内的未知误差分布。进行模拟研究,以评估我们提出的程序经验。
2005-03-29 math.ST stat.TH
Asymptotic Distributions for Likelihood Ratio Tests for the Equality of Covariance Matrices
本文研究了协方差矩阵相等性的对数似然比检验,推导了维度$p$或样本数$k$趋于无穷时的中心极限定理,提出了不受$p$和$k$取值影响且可由卡方分布良好逼近的调整检验统计量,并通过数值模拟验证了其性能。
2023-05-19 math.ST stat.TH
Universal Inference with Composite Likelihoods
Wasserman等人(2020,PNAS,第117卷,第117页)16880-16890)使用基于分裂数据似然比的统计量构建了估计器不可知和有限样本有效置信集和假设检验。我们证明,同样的方法扩展到使用分裂数据复合似然比,以及,从而建立通用的方法进行多变量推理时,数据生成过程中只知道边缘和条件之间的关系的坐标。还考虑了始终有效的顺序推理。
2020-09-23 math.ST stat.TH
Higher-order asymptotic normality of approximations to the modified signed likelihood ratio statistic for regular models
修正的带符号似然比统计量的近似值渐近标准正态,误差为$n^{-1}$阶,其中$n$为样本量。这一事实的证明通常需要将模型的充分统计量写成$(\hatθ,a)$,其中$\hatθ$是模型参数$θ$的最大似然估计量,$a$是从属统计量。对于许多模型,这种情况很难或不可能验证。然而,统计数据本身的计算不需要这个条件。本文的目的是提供条件下,这些统计量是渐近正态分布的顺序$n^{-1}$,而不作任何假设的充分统计量的模型。
2007-11-22 math.ST stat.TH
Adjusted likelihood inference in an elliptical multivariate errors-in-variables model
本文给出了变量有误差多元线性回归模型的似然比检验的一个修正形式。允许误差项服从椭圆分布类中的多元分布,其中多元正态分布作为特例。我们推导出一个修改后的似然比统计,卡方分布具有很高的准确度。我们的结果推广了Melo和Ferrari(Advances in统计分析,2010,94,75-87)中的结果,允许在多变量误差模型中对感兴趣的参数进行向量赋值。我们报告了一个模拟研究表明,所提出的测试显示优越的有限样本的行为相对于标准的似然比检验。
2011-08-04 math.ST stat.TH
Regression model selection via log-likelihood ratio and constrained minimum criterion
对数似然比似然比在模型选择中应用广泛,但在模型选择中应用较少。我们开发了一个基于对数似然比的方法,通过关注被似然比检验认为合理的模型集来选择回归模型。我们表明,当样本量较大且检验的显著性水平较小时,集合中的最小模型是真实模型的概率很高,因此,我们选择了这个最小模型。检验的显著性水平用作该方法的参数。我们考虑了三个水平的这个参数在模拟研究中,并比较这种方法与赤池信息准则和贝叶斯信息准则,以证明其良好的精度和适应性,以不同的样本量。我们还应用这种方法来选择南非心脏病数据集的逻辑斯谛回归模型。
2021-09-25 math.ST stat.ME stat.TH
Computation of Power Loss in Likelihood Ratio Tests for Probability Densities Extended by Lehmann Alternatives
本文计算了似然比检验中检验由第一个Lehmann选择扩展的概率密度的原始参数时的功效损失。
2007-04-11 math.PR math.ST stat.ME
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
Quasi-independence models with rational maximum likelihood estimator
我们对具有有理极大似然估计的双向独立拟独立模型(或具有结构零点的独立模型)进行了分类。我们给出了与该模型相关联的二部图上的极大似然估计是有理的一个充要条件。在这种情况下,我们给出了一个明确的公式的MLE在此图的组合特征。我们还利用Horn均匀化证明了对于一般的对数线性模型$\mathcal{M}$,只要把它限制在$\mathcal{M}$的充分统计量的锥面上,它就具有有理极大似然估计.
2020-10-27 math.CO math.ST stat.TH
Likelihood ratio tests for many groups in high dimensions
本文研究了当组数随维数和样本量收敛于无穷大时,多组模型的似然比检验的渐近分布.我们推导出各种检验统计量的对数的中心极限定理,并将我们的结果与从中心极限定理使用两步程序获得的近似值进行比较:首先考虑固定的组数,并假设样本量和维数收敛到无穷大,其次调查所得的分布,如果组数收敛到无穷大。
2019-07-15 math.ST stat.ME stat.TH
A composite likelihood ratio approach to the analysis of correlated binary data in genetic association studies
似然函数表示数据和概率模型背景下的统计证据。相当多的理论表明,不同参数值的证据强度可以从似然曲线上不同点的似然比来解释。然而,似然函数可能是未知的或难以计算;例如,对于多代大家庭中具有二元结果的遗传关联研究。复合似然是一个方便的替代使用真正的可能性,在这里,我们表明复合似然有有效的证据解释。我们表明,复合似然,具有强大的调整,有两个大样本的性能属性,使可靠的评估相对证据的不同值的似然曲线:(1)复合似然函数将支持真值的假值由任意大的因素;(2)有利于假值的概率比真值的概率高,是小而有界的。使用广泛的模拟研究,并在大型复杂谱系中阅读障碍的遗传关联分析中,我们表明复合方法产生了有效的统计推断。结果进行比较,使用广义估计方程的分析,并显示类似的推断得到,虽然复合方法的结果在一个完整的可能性解决方案,提供额外的补充信息。
2016-11-16 math.ST stat.AP stat.TH
The exact distribution of the conditional likelihood-ratio test in instrumental variables regression
本文推导了工具变量回归中条件似然比检验在弱工具和多内生变量下的精确渐近分布,以集中矩阵所有特征值为条件,相比现有上界方法显著提高了检验功效,并提供了计算方法与数值验证。
2025-09-07 econ.EM math.ST stat.TH
Asymptotic normality and analysis of variance of log-likelihood ratios in spiked random matrix models
本手稿研究信号检测的似然比检验在一些加标随机矩阵模型,包括但不限于高斯混合和加标Wishart协方差阵。我们直接处理这些模型中的多尖峰情况,并在信号分量上使用灵活的先验,允许跨尖峰的依赖性。当信噪比低于一定的阈值时,我们得到了对数似然比的渐近正态性。此外,我们表明,对数似然比的方差可以渐近分解为统计量的集合,我们称之为二分符号周期的总和。
2018-04-02 cs.IT math.IT math.PR
Likelihood ratio type two-sample tests for current status data
我们引入完全非参数双样本检验来检验原假设,即样本来自相同的分布,如果值只是间接地通过当前状态删失。该测试是基于似然比原则,并允许观察分布是不同的两个样本,在这种情况下,与早期的建议。给出了确定临界值的Bootstrap方法,并建立了渐近理论.一个模拟研究,使用韦布尔分布,在这种情况下,与其他非参数检验的功率的测试的功率行为进行比较。
2013-07-11 math.ST stat.AP stat.TH
Conditional Likelihood Ratio Test with Many Weak Instruments
London School of Economics(伦敦政治经济学院);Hitotsubashi University(一桥大学)
本文扩展了Moreira(2003)提出的条件似然比检验,以处理误差方差未知且存在许多弱工具变量的工具变量回归模型。传统检验在估计误差方差时失去精确相似性且渐近无效,本文提出改进的临界值函数,证明在许多弱工具变量渐近下检验渐近有效。
2022-10-14 econ.EM math.ST stat.TH
Concave regression: value-constrained estimation and likelihood ratio-based inference
我们提出了一个似然比统计形成的假设检验和置信区间的非参数估计的单变量回归函数,基于形状限制的凸性(或者,凸性)。处理似然比统计量需要研究满足原假设的估计量,即研究满足进一步等式约束的凹最小二乘估计量。我们在这里研究这个原假设最小二乘估计(NLSE),并使用它来研究我们的似然比统计量。NLSE是一个凸规划的解,我们找到了一组不等式和等式约束来表征该解。我们还研究了相应的限制版本的凸规划的基础上观察一个布朗运动漂移。极限问题的解是一个随机过程。我们研究了极限问题的解的最优性条件,发现它们与有限样本问题的解的最优性条件相匹配。这使我们能够显示极限随机过程产生的(有限样本)NLSE的极限分布。我们推测,似然比统计量是渐近关键的,这意味着它有一个极限分布,没有冗余参数估计,这使得它成为一个非常有效的工具,这个困难的推理问题。我们提供了这个猜想的部分证明,我们也提供了模拟证据,有力地支持这个猜想。
2018-09-10 math.ST stat.ME stat.TH
On the choice of the splitting ratio for the split likelihood ratio test
本文针对 universal inference 框架中 split likelihood ratio test 因临界值保守导致势损失的问题,在局部备择假设下引入非中心分裂卡方分布族,据此数值考察并提出了不同维度复合假设检验下数据分裂比例的最优选择。
2022-11-24 math.ST stat.ME stat.TH
Jackknife empirical likelihood ratio test for log symmetric distribution using probability weighted moments
针对对数对称分布的拟合检验需求,基于概率加权矩提出对数对称性拟合优度检验及更易实施的刀切经验似然比检验,推导了统计量渐近分布,经模拟和数据集验证了方法有效性。
2024-10-05 math.ST stat.ME stat.TH
Differential Equations for Gaussian Statistical Models with Rational Maximum Likelihood Estimator
该研究建立了具有有理MLE的多元高斯统计模型与一阶非线性PDE解的一一对应,重新解读已知模型并发现新模型,还关联双有理几何的homaloidal多项式,为该类模型分类提供新思路。
2025-09-02 math.AG math.ST stat.TH
Jackknife Empirical Likelihood Ratio Test for Cauchy Distribution
针对正态分布难以捕捉资产大幅波动的问题,本文提出基于刀切经验似然(JEL)与调整刀切经验似然(AJEL)的柯西分布拟合优度检验,经蒙特卡洛模拟验证有限样本性能,并通过两个真实数据集展示应用。
2025-07-30 math.ST stat.OT stat.TH
Estimating divergence functionals and the likelihood ratio by convex risk minimization
我们开发和分析$M$ -估计方法的分歧泛函和似然比的两个概率分布。我们的方法是基于一个非渐近变分表征的$f$ -分歧,这使得估计分歧的问题,通过凸经验风险优化来解决。由此产生的估计是简单的实现,只需要标准的凸规划的解决方案。我们提出了这些估计的一致性和收敛性分析。仅在密度比的条件下,我们证明了我们的估计在一定的条件下可以获得最优的似然比和发散泛函的极小极大率。我们推导出一个有效的优化算法来计算我们的估计,并通过模拟说明其收敛性和实际可行性。
2009-04-22 cs.IT math.IT math.ST
Semiparametric empirical likelihood inference with estimating equations under density ratio models
密度比模型(DRM)为组合来自多信源的信息提供了一个灵活而有用的平台。在本文中,我们考虑的统计推断下的两个样本DRM的额外的参数定义通过和/或额外的辅助信息表示为估计方程。研究了DRMs中未知参数的最大经验似然估计(MELE)的渐近性质,并建立了经验似然比(ELR)统计量的卡方极限分布.我们表明,渐近方差的MELE的未知参数不减少,如果一个估计方程下降。获得类似的性质的推断的累积分布函数和分位数的每个涉及的人口。我们还提出了一个ELR测试的有效性和有用性的辅助信息。仿真研究表明,正确指定的估计方程的辅助信息的结果更有效的估计和更短的置信区间。两个真实数据的例子被用来说明。
2021-02-25 math.ST stat.ME stat.TH
Composite Likelihood Inference by Nonparametric Saddlepoint Tests
复合似然函数类为复杂统计模型的近似推理提供了一个灵活而强大的工具,当完全似然函数无法指定或无法计算时,可以使用它进行近似推理。然而,当考虑关于多维参数的假设检验时,复合似然方法的强度变暗,因为似然比、Wald和得分型检验统计量的有限样本行为与Godambe信息矩阵相关联。因此,Godambe信息的不准确估计转化为不准确的p值。在本文中,它是如何准确的推断,可以通过使用一个完全非参数鞍点检验统计量来自复合得分函数。所提出的统计量是渐近卡方分布的二阶相对误差,并不依赖于Godambe信息。通过仿真研究证明了该方法的有效性。
2013-06-23 math.ST stat.ME stat.TH
Extension of Likelihood Ratio Analysis Method to Skorokhod $M_1$ Topology (with Application to Poissonian Smooth Change-Point Model)
Univ. Lille(里尔大学);CNRS, UMR 8524 — Laboratoire Paul Painlevé(法国国家科学研究中心,联合研究实验室8524——保罗·潘勒韦实验室);Seenovate
将似然比分析方法推广至Skorokhod $M_1$拓扑,处理极限似然比过程不连续的模型,并应用于快速机制下的泊松平滑变点模型,证明极大似然估计量具有与纯变点模型相同的渐近行为。
2026-09-15 math.PR math.ST stat.TH
Quantum local asymptotic normality based on a new quantum likelihood ratio
我们开发了一个理论的局部渐近正态性在量子域的基础上一个新的量子模拟的对数似然比。这个公式适用于任何满足温和光滑条件的量子统计模型。作为应用,我们证明了Holevo界对于局部移位参数的渐近可收敛性。
2013-11-08 math.ST quant-ph stat.AP
A Likelihood-Ratio Test for Verifying Weak Stochastic Transitivity
Hitotsubashi University(一桥大学)
本文提出一种似然比检验,用于验证弱随机传递性不成立的原假设,证明其尺寸收敛性和功效性质,并通过模拟验证其有效性。
2026-09-09 math.ST stat.ME stat.TH
Asymptotic Normality of Log Likelihood Ratio and Fundamental Limit of the Weak Detection for Spiked Wigner Matrices
本文证明在秩一尖峰Wigner模型中,低于最优阈值时对数似然比收敛于高斯分布,并据此计算似然比检验误差极限,同时推广至尖峰IID模型。
2024-12-18 math.PR math.ST stat.ML
Learning Likelihood Ratios with Neural Network Classifiers
针对数据/模拟驱动模型似然比计算困难的问题,本研究利用似然比技巧,通过实证对比不同损失函数与输出参数化的神经网络分类器在高斯分布及高能物理模拟数据集上的似然比近似性能。
2024-01-08 hep-ph physics.data-an stat.AP
Profile likelihood ratio tests for parameter inferences in generalized single-index models
提出了一种用于广义单指标模型中指标系数推断的剖面似然比检验。其主要特点包括其简单的实施,对参数化的不变性,并表现出大大低于标准的Wald测试在有限样本设置的偏见。此外,R例程进行的轮廓似然比检验被证明是超过两个数量级的速度比最近提出的广义似然比检验的基础上核回归。各种模拟和数据分析的例子证明了该方法的优点。
2017-06-26 stat.ME
Partial Penalized Likelihood Ratio Test under Sparse Case
这项工作是关注测试的低维参数的兴趣与发散的维数据和变量选择的稀疏情况下,其余的。利用部分惩罚似然方法,得到了部分惩罚似然比检验统计量的一致性检验,并在一定的正则条件下,得到了它在原假设和局部选择为$n^{-1/2}$的条件下的渐近分布.同时,部分惩罚似然估计的预言性质也成立。提出的部分惩罚似然比检验统计量在规模和功效方面优于完全惩罚似然比检验统计量,并且表现得与经典的似然比检验统计量一样好。此外,该方法得到的变量选择结果以及检验的p值。数值模拟和前列腺癌数据的分析证实了我们的理论研究结果,并证明了有前途的性能,提出的部分惩罚似然假设检验和变量选择。
2014-11-19 stat.ME
Approximating Likelihood Ratios with Calibrated Discriminative Classifiers
在许多科学领域中,广义似然比检验已成为统计推断的常用工具。同时,使用模拟器(或生成模型)来描述将基础理论和测量装置的参数$θ$与高维观测$\mathbf{x}\in \mathbb{R}^p$联系起来的复杂过程已经变得越来越普遍。然而,仿真器往往不提供一种方法来评估的似然函数为一个给定的观察$\mathbf{x}$,这激发了一类新的似然自由推理算法。在本文中,我们证明了似然比是不变的一类特定的降维映射$\mathbb{R}^p \mapsto \mathbb{R}$。作为一个直接的后果,我们表明,判别分类器可以用来近似的广义似然比统计时,只有一个生成模型的数据是可用的。这导致了一种新的基于机器学习的方法来进行无可能性推理,该方法与近似贝叶斯计算互补,并且不需要模型参数的先验。人工问题的实验结果与已知的精确似然说明了所提出的方法的潜力。
2016-03-18 physics.data-an stat.AP stat.ML
Comparison of the likelihood ratios of two diagnostic tests subject to a paired design: confidence intervals and sample size
本文针对配对设计下两种二分类诊断检验的似然比比较问题,提出六种近似置信区间并通过模拟评估其覆盖率与平均长度,同时给出样本量确定方法,并应用于冠心病诊断。
2024-07-31 stat.OT
Online Centralized Non-parametric Change-point Detection via Graph-based Likelihood-ratio Estimation
Centre Borelli, ENS Paris-Saclay, Université Paris-Saclay(巴黎萨克雷大学巴黎萨克雷高等师范学院博雷利中心)
考虑图中的每个节点都要生成一个数据流,该数据流是同步的,并且可以近实时地观察到。在变化点$τ$,在节点$C$的子集处发生变化,这影响其相关联的节点流的概率分布。在本文中,我们提出了一种新的基于核的方法来检测$τ$和本地化$C$,基于直接估计的似然比之间的变化和变化前的节点流的分布。我们的主要工作假设是图上的似然比估计的平滑性,即期望连接的节点具有相似的似然比。所提出的方法的质量证明了广泛的实验合成的情况下。
2023-01-12 cs.LG stat.ML
On divergences tests for composite hypotheses under composite likelihood
众所周知,在某些情况下,计算似然函数并不容易,因为数据集可能很大或者模型太复杂。在这种情况下,通过乘以变量的受试者的似然性得到的复合似然性可能是有用的。将经典的似然比检验统计量推广到复合似然框架中,作为解决复合似然背景下检验问题的一个过程。本文引入并研究了一类新的复合似然检验统计量:复合发散检验统计量,用于解决简单原假设或复合原假设的检验问题。为此,我们介绍和研究的限制最大合成似然估计的渐近分布。
2016-03-01 stat.ME
Computational and Numerical Properties of a Broadband Subspace-Based Likelihood Ratio Test
本文研究似然比检验结合多项式子空间投影在宽带阵列数据中检测微弱瞬态信号,证明该方法能白化信号关键部分、缩短时间窗口,并在计算和数值上优于直接应用的方法。
2024-09-27 eess.SP stat.ME
Training Neural Networks for Likelihood/Density Ratio Estimation
University of Patras(帕特雷大学);Rutgers University(罗格斯大学)
工程和统计学中的各种问题需要计算两个概率密度的似然比函数。在经典方法中,假设这两个密度是已知的或属于某个已知的参数族。在数据驱动的版本中,我们将此要求替换为从感兴趣的密度中采样的数据的可用性。对于检测和假设检验中最著名的问题,我们通过提供基于神经网络的似然比或其变换的估计来开发解决方案。这项任务需要定义适当的优化,可以用于网络的训练。这项工作的主要目的是提供一个简单而统一的方法来定义这样的优化问题,保证解决方案确实是所需的功能。我们的研究结果扩展到覆盖估计的似然比的条件密度和估计的统计中遇到的本地方法。
2019-11-05 cs.LG eess.SP stat.ML