Learning Robust Treatment Rules for Censored Data
本文针对截尾生存数据，提出了两种分别以截断平均生存时间和缓冲生存概率为目标的鲁棒治疗规则学习准则，开发了基于采样的差凸算法并进行了理论与实证验证。
🔢 Category
math.ST
161 篇论文
Vecchia Gaussian Processes: on probabilistic and statistical properties
本文系统研究了 Vecchia 高斯过程近似在概率与统计层面的性质，通过提出基于范数集的选择策略并揭示其与多项式插值的联系，证明了该近似在非参数回归模型中能达到最优极小极大后验收缩率，并辅以数值实验验证。
Impact of existence and nonexistence of pivot on the coverage of empirical best linear prediction intervals for small areas
本文通过理论推导与模拟实验，揭示了小区域经验最佳线性预测区间覆盖误差的阶数取决于枢轴量的存在性，并首次提出利用双重参数自助法在缺乏枢轴量时修正覆盖误差，从而将误差阶数从提升至。
Offline Dynamic Inventory and Pricing Strategy: Addressing Censored and Dependent Demand
本文提出了一种基于离线数据的创新算法，通过构建高阶马尔可夫决策过程并结合生存分析技术，有效解决了在需求具有依赖性和 censoring（截断）特性的动态库存与定价问题，从而估计出最大化长期利润的最优策略。
Empirical Orlicz norms
本文定义了基于随机样本的经验 Orlicz 范数作为总体 Orlicz 范数的自然估计量，在最小假设下推导了其大数定律并扩展至回归模型，同时给出了中心极限定理的充分条件，并揭示了在正态分布等特定情形下该范数具有非标准的 收敛速率及稳定分布极限，且证明了在一般情形下不存在统一的收敛速率。
Universality of General Spiked Tensor Models
该论文证明了在噪声仅具有有限四阶矩而非高斯分布的假设下，非对称秩一张量模型的最大似然估计量在渐近谱分布、奇异值及模式对齐等方面仍表现出与高斯情形一致的普适性。
Universal Shuffle Asymptotics, Part II: Non-Gaussian Limits for Shuffle Privacy -- Poisson, Skellam, and Compound-Poisson Regimes
本文作为“通用洗牌渐近性”系列的第二部分，刻画了当局部随机化器趋于集中导致经典高斯极限失效的临界情形，证明了在特定缩放比例下，洗牌机制的隐私极限分别收敛于泊松、Skellam 及复合泊松分布，从而与第一部分共同构建了涵盖高斯、临界非高斯及超临界无隐私三种机制的完整渐近理论框架。
Unbalanced Optimal Transport Dictionary Learning for Unsupervised Hyperspectral Image Clustering
该论文提出了一种利用非平衡 Wasserstein 重心进行字典学习的方法，以克服现有基于 Wasserstein 空间的方法在平衡光谱分布时模糊类别并牺牲抗噪性的问题，从而实现更鲁棒的高光谱图像无监督聚类。
A Diffusion Analysis of Policy Gradient for Stochastic Bandits
该论文研究了 臂随机多臂老虎机中策略梯度的连续时间扩散近似，证明了在特定学习率下可实现对数级遗憾，并构造了仅含对数级臂的实例以证明若学习率过大则遗憾将呈线性增长。
An operator-level ARCH Model
本文提出了一种适用于一般可分希尔伯特空间的算子级 ARCH 模型，该模型能够刻画条件协方差算子的完整演化，并建立了其平稳性、矩存在性及参数估计的一致性理论，同时通过模拟和高频日内收益数据应用验证了其实际效用。
Methods for Identifying Minimal Sufficient Statistics
本文指出判定最小充分统计量的经典比例准则在一般情况下因 Radon-Nikodym 导数版本选择问题而失效，进而提出了一种在已知充分性前提下稳健且易于验证的新准则，并扩展了相关方法的应用范围，同时通过反例揭示了另一判别准则同样需要附加假设。
Surrogate-Assisted Targeted Learning for Delayed Outcomes under Administrative Censoring
本文提出了一种针对行政删失下延迟结局的替代辅助靶向最小损失估计量，该方法通过替代桥接表示避免了逆概率加权的不稳定性，具备渐近线性和双重稳健性，并在模拟与实证研究中展现了优异的有限样本性能。
Strong Gaussian approximation for U-statistics in high dimensions and beyond
该论文在温和假设下建立了高维非退化 U 统计量的强高斯逼近理论，通过提出新的鞅极大不等式与高维独立和强逼近相结合的技术，实现了无需界或自助法即可推导泛函高斯极限，并成功应用于高维变化点检测与重尾分布下的自归一化检验。
Ranking Reasoning LLMs under Test-Time Scaling
该论文正式化了测试时扩展下的密集基准排名问题，推出了开源库 Scorio 以实施多种统计排名方法，并通过在多个数学基准上的实验验证了这些方法在不同预算下对贝叶斯金标准的可靠性。
ForwardFlow: Simulation only statistical inference using deep learning
该论文提出了一种名为 ForwardFlow 的基于深度学习的纯模拟统计推断框架，通过训练一个包含坍缩层的分支神经网络，直接从模拟数据中求解参数估计的逆问题，从而在无需解析似然函数的情况下实现有限样本精确性、对数据污染的鲁棒性以及算法近似能力。
On positive definite thresholding of correlation matrices
本文研究了在保持相关矩阵正定性的前提下构造特定零值函数的问题，证明了秩为的相关矩阵若采用保持半正定性的软阈值算子，必然导致特征空间的几何坍缩，从而限制了可恢复信号的保真度。
Axiomatic characterisation of generalized -estimators
该论文利用对称性、（强）内性以及渐近幂等性等关键性质，结合阿贝尔子半群的分离定理，对广义估计量及常规估计量（即估计量）进行了公理化刻画。
Theoretical Foundations of Conformal Prediction
本书旨在通过统一的语言、图示和教学视角，系统梳理并阐释共形预测及相关分布无关推断技术的核心理论基础与证明策略，以填补该领域重要研究成果分散在各类论文中导致的理解空白。
The level of self-organized criticality in oscillating Brownian motion: -consistency and stable Poisson-type convergence of the MLE
本文针对具有自组织临界性参数的离散观测振荡布朗运动，在填充渐近框架下证明了其最大似然估计具有阶一致性，并揭示了由于转移密度在处不连续而导致的似然函数分裂及估计量逐步收敛等非常规现象，最终利用半鞅结构推导出了基于局部时强度的稳定泊松型收敛极限分布。
Omnibus goodness-of-fit tests for univariate continuous distributions based on trigonometric moments
本文提出了一种基于概率积分变换数据三角矩的新颖拟合优度检验，通过充分利用三角统计量的协方差结构，使检验统计量在存在 nuisance 参数时仍收敛于 分布，并提供了涵盖 11 种常用连续分布族的统一实现方案，经模拟验证具有准确的显著性水平和强大的检验功效。