适配优度的参数化概率密度函数
提出了一种非参数统计检验方法,用于判断给定样本是否来自目标密度函数,其中好度量采用使用再生核希尔伯特空间函数构造的发散度,检验统计量是基于目标密度和内核的对数梯度的经验估计的 V - 统计量,并使用野外引导过程估计空分布,适用于定量近似马尔可夫链蒙特卡罗方法的收敛、统计模型检验和评估非参数密度估计中的适配质量与模型复杂度。
Feb, 2016
本文针对非参数工具回归模型,提出了几种限制性规格检验。基于级数估计器,建立了测试统计量,允许对一般模型进行参数或非参数规格的测试,以及对回归向量外生性的测试。文中推导出了测试在正确规格下的渐近分布,并对任何另一种模型的一致性进行了展示。在局部替代假设的序列下,导出了测试的渐近分布。此外,建立了一类替代假设的统一一致性,其与零假设距离适当缩小随着样本大小的增加。蒙特卡罗研究检验统计量的有限样本性能。
Sep, 2019
文章提出了一个新的评估算法性能及公平性指标的贝叶斯框架 ——“不确定性事关框架”,可以用于稳定的偏见感知性能评估,并在 K 折交叉验证过程中进行了应用。实验结果表明,相比于经典的评估框架,该方法在信息和稳定性方面有更大的优势。
Feb, 2023
本文提出了一种逆优化模型,估计了线性优化的代价函数以及相应的拟合度度量,该度量具有类似于回归中 $R^2$ 的性质,并且在多项式时间内可计算;同时,该模型还可用于生产计划和癌症治疗中的模型估计和评估。
Nov, 2015
我们提出了一种新的适应性拟合优度检验方法,通过最小化假阴性率,学习最能表明观察样本与参考模型之间差异的测试特征来构建这些特征,我们采用了 Stein 法。该方法在计算成本上是线性的,并且在实验中的表现优于前期线性测试的表现,在高维度和可以利用模型结构的情况下,我们的合适性检验的表现远好于基于最大均值偏差的二次时间两样本检验,其中样本是从模型中抽取的。
May, 2017
我们提出了几种精确和近似的数学方法和开源软件来计算广义卡方分布的累积分布函数、概率密度函数和反函数累积分布函数,该分布在贝叶斯分类问题中出现。我们比较了这些方法与现有最佳方法之间的准确性和速度。
Apr, 2024
本文提出了一种新的差异度量统计量,该统计量基于 Stein 的恒等式和再生核希尔伯特空间理论相结合。我们将其应用于测试概率模型与观测值的拟合程度,并派生了一类新的强大的适用于复杂和高维分布的拟合优度检验,即使对于具有计算难度的常数归一化分布亦如此。我们全面研究了方法的理论和实证特性。
Feb, 2016
使用一种基于 Gelbrich 距离的普适方法以及先前的结构信息,针对风险衡量和投资组合优化问题建立模型并寻找最优解,结果表明该方法在理论和计算上优于现有模型,同时能高效地解决大部分类别的风险衡量问题。
Dec, 2021