論文の概要: Asymptotics of the Empirical Bootstrap Method Beyond Asymptotic
Normality
- arxiv url: http://arxiv.org/abs/2011.11248v1
- Date: Mon, 23 Nov 2020 07:14:30 GMT
- ステータス: 処理完了
- システム内更新日: 2022-09-22 01:43:50.215959
- Title: Asymptotics of the Empirical Bootstrap Method Beyond Asymptotic
Normality
- Title(参考訳): 漸近正規性を超えた経験的ブートストラップ法の漸近性
- Authors: Morgane Austern, Vasilis Syrgkanis
- Abstract要約: 実験的なブートストラップ推定器の限界分布は, 安定条件下では一定であることを示す。
本稿では,ブートストラップ法を用いて,カバレッジ保証付き信頼区間を構築するための3つの方法を提案する。
- 参考スコア(独自算出の注目度): 25.402400996745058
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: One of the most commonly used methods for forming confidence intervals for
statistical inference is the empirical bootstrap, which is especially expedient
when the limiting distribution of the estimator is unknown. However, despite
its ubiquitous role, its theoretical properties are still not well understood
for non-asymptotically normal estimators. In this paper, under stability
conditions, we establish the limiting distribution of the empirical bootstrap
estimator, derive tight conditions for it to be asymptotically consistent, and
quantify the speed of convergence. Moreover, we propose three alternative ways
to use the bootstrap method to build confidence intervals with coverage
guarantees. Finally, we illustrate the generality and tightness of our results
by a series of examples, including uniform confidence bands, two-sample kernel
tests, minmax stochastic programs and the empirical risk of stacked estimators.
- Abstract(参考訳): 統計的推論のための信頼区間を形成する最もよく使われる手法の1つは経験的ブートストラップであり、特に推定器の制限分布が不明な場合に最適である。
しかし、そのユビキタスな役割にもかかわらず、その理論的性質は漸近的でない正規推定器ではよく理解されていない。
本稿では, 安定条件下では, 経験的ブートストラップ推定器の限界分布を確立し, 漸近的に一貫した条件を導出し, 収束速度を定量化する。
さらに、ブートストラップ法を用いて、カバレッジ保証付き信頼区間を構築する3つの方法を提案する。
最後に、一様信頼帯、二サンプル核テスト、ミンマックス確率プログラム、スタック推定器の経験的リスクなどを含む一連の例によって、結果の一般化と厳密性を示す。
関連論文リスト
- Distribution Estimation under the Infinity Norm [19.997465098927858]
我々は$ell_infty$ノルムの下で離散確率分布を推定するための新しい境界を示す。
我々のデータ依存収束保証は、現在知られている結果に対して最大極大推定器を著しく改善する。
論文 参考訳(メタデータ) (2024-02-13T12:49:50Z) - Likelihood Ratio Confidence Sets for Sequential Decision Making [51.66638486226482]
確率に基づく推論の原理を再検討し、確率比を用いて妥当な信頼シーケンスを構築することを提案する。
本手法は, 精度の高い問題に特に適している。
提案手法は,オンライン凸最適化への接続に光を当てることにより,推定器の最適シーケンスを確実に選択する方法を示す。
論文 参考訳(メタデータ) (2023-11-08T00:10:21Z) - Score Matching-based Pseudolikelihood Estimation of Neural Marked
Spatio-Temporal Point Process with Uncertainty Quantification [59.81904428056924]
我々は、不確実な定量化を伴うmarkPsを学習するためのスコアMAtching推定器であるSMASHを紹介する。
具体的には,スコアマッチングによるマークPsの擬似的類似度を推定することにより,正規化自由度を推定する。
提案手法の優れた性能は、事象予測と不確実性定量化の両方において広範な実験によって実証される。
論文 参考訳(メタデータ) (2023-10-25T02:37:51Z) - Estimation Beyond Data Reweighting: Kernel Method of Moments [9.845144212844662]
モーメントのカーネル法(KMM)と呼ばれる最大平均誤差に基づく経験的確率推定器を提供する。
条件付きモーメント制限タスクにおいて,本手法が競合性能を達成することを示す。
論文 参考訳(メタデータ) (2023-05-18T11:52:43Z) - Near-optimal inference in adaptive linear regression [60.08422051718195]
最小二乗法のような単純な方法でさえ、データが適応的に収集されるときの非正規な振る舞いを示すことができる。
我々は,これらの分布異常を少なくとも2乗推定で補正するオンラインデバイアス推定器のファミリーを提案する。
我々は,マルチアームバンディット,自己回帰時系列推定,探索による能動的学習などの応用を通して,我々の理論の有用性を実証する。
論文 参考訳(メタデータ) (2021-07-05T21:05:11Z) - Quantifying Uncertainty in Deep Spatiotemporal Forecasting [67.77102283276409]
本稿では,正規格子法とグラフ法という2種類の予測問題について述べる。
我々はベイジアンおよび頻繁な視点からUQ法を解析し、統計的決定理論を通じて統一的な枠組みを提示する。
実際の道路ネットワークのトラフィック、疫病、空気質予測タスクに関する広範な実験を通じて、異なるUQ手法の統計計算トレードオフを明らかにする。
論文 参考訳(メタデータ) (2021-05-25T14:35:46Z) - Time-uniform central limit theory and asymptotic confidence sequences [34.00292366598841]
信頼シーケンス (CSs) は、時間とともに一様に有効である信頼区間のシーケンスである。
CSは任意の停止時間に有効な推論を提供し、データに対する「覗き見」の罰則を課さない。
我々の研究は「漸近的なCS」の定義を与え、弱いCLTのような仮定しか必要としない普遍的なCSを導出することでギャップを埋める。
論文 参考訳(メタデータ) (2021-03-11T05:45:35Z) - CoinDICE: Off-Policy Confidence Interval Estimation [107.86876722777535]
強化学習における高信頼行動非依存のオフ政治評価について検討する。
様々なベンチマークにおいて、信頼区間推定が既存の手法よりも厳密で精度が高いことが示されている。
論文 参考訳(メタデータ) (2020-10-22T12:39:11Z) - Estimating means of bounded random variables by betting [39.98103047898974]
本稿では、境界観測から未知の平均を推定する古典的な問題に対して、信頼区間(CI)と時間一様信頼シーケンス(CS)を導出する。
本稿では,Chernoff法を一般化し改良したものと考えられる濃度境界を導出する一般手法を提案する。
我々は、これらのアイデアを、置換せずにサンプリングに拡張する方法を示し、また、非常に研究された問題である。
論文 参考訳(メタデータ) (2020-10-19T17:22:03Z) - Nonparametric Score Estimators [49.42469547970041]
未知分布によって生成されたサンプルの集合からスコアを推定することは確率モデルの推論と学習における基本的なタスクである。
正規化非パラメトリック回帰の枠組みの下で、これらの推定器の統一的なビューを提供する。
カールフリーカーネルと高速収束による計算効果を享受する反復正規化に基づくスコア推定器を提案する。
論文 参考訳(メタデータ) (2020-05-20T15:01:03Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。