General Semiparametric Inference via Bootstrap Sampling
通过 Bootstrap 采样进行一般半参数推理
基本信息
- 批准号:0906497
- 负责人:
- 金额:$ 10万
- 依托单位:
- 依托单位国家:美国
- 项目类别:Standard Grant
- 财政年份:2009
- 资助国家:美国
- 起止时间:2009-07-01 至 2012-06-30
- 项目状态:已结题
- 来源:
- 关键词:
项目摘要
This award is funded under the American Recovery and Reinvestment Act of 2009 (Public Law 111-5). The research objectives of this project are first to prove the theoretical validity of the bootstrap method as a general inferential tool for the semiparametric models, and then invent a computationally attractive bootstrap inference procedure, called k-step bootstrap. Semiparametric modelling has provided an excellent framework for the modern complex data due to its flexibility to model some features of the data parametrically but without assuming anything for the other features. The bootstrap is the most popular data-resampling method used in statistical analysis, and has recently been applied to the semiparametric models arising from a wide variety of contexts. Therefore, the systematic theoretical studies on the bootstrap inferences for the semiparametric models are fundamentally important. In practice, the computational cost of the bootstrap inference procedure is particularly high for the semiparametric models. Thus, the investigator proposes an approximate bootstrap method, i.e. k-step bootstrap, and will show that this novel approach results in huge computational savings but without sacrificing any degree of inference accuracy. In addition, the investigator will develop a set of asymptotic results to elucidate the asymptotic structure of the semiparametric M-estimation, which is crucial for the future theoretical research. M-estimation refers to a general method of estimation including the maximum likelihood estimation as a special case.The primary impact of the proposed work is to lay solid theoretical foundation for the general semiparametric inferences via bootstrap sampling. In addition, the proposed k-step bootstrap approach is practically beneficial in several regards. For instance, the scientists who bootstrap a large data set will benefit, as the minimal computational cost needed in the k-step bootstrap to achieve the satisfactory inference accuracy will be precisely analyzed. However, the broader impacts of the proposed activities are multiple. For instance, a key aspect of this project is the integration of research and teaching, which will be achieved by proposing specific projects for students during the teaching of classes on semiparametric inferences and bootstrap computation. This pedagogical method also facilitates the participation of underrepresented groups of students.
该奖项是根据2009年《美国复苏与再投资法》(公法111-5)资助的。该项目的研究目标首先证明了Bootstrap方法的理论有效性,作为半参数模型的一般推论工具,然后发明了一种计算上有吸引力的Bootstrap推理程序,称为K-Step Bootstrap。 半参数建模为现代复杂数据提供了出色的框架,因为它的灵活性可以在参数上对数据的某些特征进行建模,但没有为其他功能假设任何东西。 Bootstrap是统计分析中使用的最流行的数据换采样方法,最近已应用于由多种环境引起的半参数模型。因此,关于半摩托模型的自举推断的系统理论研究在根本上很重要。在实践中,对于半参数模型而言,引导性推理过程的计算成本尤其高。因此,研究者提出了一种近似的引导方法,即k-step bootstrap,并将表明这种新颖的方法可带来巨大的计算节省,但没有牺牲任何推论准确性。此外,研究者将开发一组渐近结果,以阐明半参数M估计的渐近结构,这对于未来的理论研究至关重要。 M估计是指一般的估计方法,包括最大似然估计作为一种特殊情况。拟议工作的主要影响是通过自举抽样为一般半疗法推论奠定坚实的理论基础。此外,拟议的K-Step引导方法实际上在几个方面是有益的。例如,引导大型数据集的科学家将受益,因为将精确分析K-Step Bootstrap中所需的最低计算成本,以实现令人满意的推论精度。但是,拟议活动的更广泛影响是多重的。例如,该项目的一个关键方面是研究和教学的整合,这将通过在半疗法推断和自举计算的课程中为学生提出特定项目来实现。这种教学方法还促进了代表性不足的学生的参与。
项目成果
期刊论文数量(0)
专著数量(0)
科研奖励数量(0)
会议论文数量(0)
专利数量(0)
数据更新时间:{{ journalArticles.updateTime }}
{{
item.title }}
{{ item.translation_title }}
- DOI:
{{ item.doi }} - 发表时间:
{{ item.publish_year }} - 期刊:
- 影响因子:{{ item.factor }}
- 作者:
{{ item.authors }} - 通讯作者:
{{ item.author }}
数据更新时间:{{ journalArticles.updateTime }}
{{ item.title }}
- 作者:
{{ item.author }}
数据更新时间:{{ monograph.updateTime }}
{{ item.title }}
- 作者:
{{ item.author }}
数据更新时间:{{ sciAawards.updateTime }}
{{ item.title }}
- 作者:
{{ item.author }}
数据更新时间:{{ conferencePapers.updateTime }}
{{ item.title }}
- 作者:
{{ item.author }}
数据更新时间:{{ patent.updateTime }}
Guang Cheng其他文献
PDA-cross-linked beta-cyclodextrin: a novel adsorbent for the removal of BPA and cationic dyes.
PDA 交联 β-环糊精:一种用于去除 BPA 和阳离子染料的新型吸附剂。
- DOI:
10.2166/wst.2020.286 - 发表时间:
2020-06 - 期刊:
- 影响因子:2.7
- 作者:
Jianyu Wang;Guang Cheng;Jian Lu;Huafeng Chen;Yanbo Zhou - 通讯作者:
Yanbo Zhou
BadGD: A unified data-centric framework to identify gradient descent vulnerabilities
BadGD:一个以数据为中心的统一框架,用于识别梯度下降漏洞
- DOI:
10.48550/arxiv.2405.15979 - 发表时间:
2024 - 期刊:
- 影响因子:0
- 作者:
ChiHua Wang;Guang Cheng - 通讯作者:
Guang Cheng
Community-base Fault Diagnosis Using Incremental Belief Revision
使用增量置信修正进行基于社区的故障诊断
- DOI:
10.1109/nas.2009.24 - 发表时间:
2009 - 期刊:
- 影响因子:0
- 作者:
Yongning Tang;Guang Cheng;Zhiwei Xu;E. Al - 通讯作者:
E. Al
Identifying Video Resolution from Encrypted QUIC Streams in Segment-combined Transmission Scenarios
分段组合传输场景下加密QUIC流视频分辨率识别
- DOI:
10.1145/3651863.3651883 - 发表时间:
2024 - 期刊:
- 影响因子:0
- 作者:
Yuanjie Zhao;Hua Wu;Liujinhan Chen;Songtao Liu;Guang Cheng;Xiaoyan Hu - 通讯作者:
Xiaoyan Hu
RBAS: A Real-Time User Behavior Analysis System for Internet TV in Cloud Computing
RBAS:云计算下的互联网电视实时用户行为分析系统
- DOI:
10.1145/2935663.2935664 - 发表时间:
2016 - 期刊:
- 影响因子:0
- 作者:
C. Zhu;Guang Cheng;Xiaojun Guo;Yuxiang Wang - 通讯作者:
Yuxiang Wang
Guang Cheng的其他文献
{{
item.title }}
{{ item.translation_title }}
- DOI:
{{ item.doi }} - 发表时间:
{{ item.publish_year }} - 期刊:
- 影响因子:{{ item.factor }}
- 作者:
{{ item.authors }} - 通讯作者:
{{ item.author }}
{{ truncateString('Guang Cheng', 18)}}的其他基金
Conference: UCLA Synthetic Data Workshop
会议:加州大学洛杉矶分校综合数据研讨会
- 批准号:
2309349 - 财政年份:2023
- 资助金额:
$ 10万 - 项目类别:
Standard Grant
Collaborative Research: SaTC: CORE: Small: Differentially Private Data Synthesis: Practical Algorithms and Statistical Foundations
协作研究:SaTC:核心:小型:差分隐私数据合成:实用算法和统计基础
- 批准号:
2247795 - 财政年份:2023
- 资助金额:
$ 10万 - 项目类别:
Continuing Grant
I-Corps: Trustworthy Synthetic Data Generation
I-Corps:值得信赖的综合数据生成
- 批准号:
2317549 - 财政年份:2023
- 资助金额:
$ 10万 - 项目类别:
Standard Grant
Collaborative Research: Nonparametric Bayesian Aggregation for Massive Data
协作研究:海量数据的非参数贝叶斯聚合
- 批准号:
1712907 - 财政年份:2017
- 资助金额:
$ 10万 - 项目类别:
Continuing Grant
Collaborative Research: Semiparametric ODE Models for Complex Gene Regulatory Networks
合作研究:复杂基因调控网络的半参数 ODE 模型
- 批准号:
1418202 - 财政年份:2014
- 资助金额:
$ 10万 - 项目类别:
Standard Grant
CAREER: Bootstrap M-estimation in Semi-Nonparametric Models
职业:半非参数模型中的 Bootstrap M 估计
- 批准号:
1151692 - 财政年份:2012
- 资助金额:
$ 10万 - 项目类别:
Continuing Grant
相似国自然基金
非参数和半参数回归模型中的设定检验及其应用
- 批准号:72373007
- 批准年份:2023
- 资助金额:40 万元
- 项目类别:面上项目
基于微效协变量产生外部对照的半参数方法研究
- 批准号:82304253
- 批准年份:2023
- 资助金额:30 万元
- 项目类别:青年科学基金项目
半接双星参数测量和特殊样本识别方法研究
- 批准号:12303106
- 批准年份:2023
- 资助金额:30.00 万元
- 项目类别:青年科学基金项目
基于半参数单指数法和一阶自回归随机前沿法探究外部因素对企业生产率的影响
- 批准号:72301218
- 批准年份:2023
- 资助金额:30.00 万元
- 项目类别:青年科学基金项目
拓扑半金属材料界面的光子自旋霍尔效应的光传输非互易行为与调制机理及其在薄膜光学特性参数表征中的应用方法研究
- 批准号:52375547
- 批准年份:2023
- 资助金额:50 万元
- 项目类别:面上项目
相似海外基金
Does Tobacco Social Media Marketing Alter Adolescent Risk Perceptions and Use? Longitudinal Data-Adaptive Estimators and Causal Inference to Enhance Understanding
烟草社交媒体营销是否会改变青少年的风险认知和使用?
- 批准号:
10804979 - 财政年份:2023
- 资助金额:
$ 10万 - 项目类别:
Semiparametric Efficient and Robust Inference on High-Dimensional Data
高维数据的半参数高效鲁棒推理
- 批准号:
2310578 - 财政年份:2023
- 资助金额:
$ 10万 - 项目类别:
Standard Grant
Flexible causal inference methods for estimating longitudinal effects of air pollution on chronic lung disease
用于估计空气污染对慢性肺病纵向影响的灵活因果推理方法
- 批准号:
10427790 - 财政年份:2022
- 资助金额:
$ 10万 - 项目类别:
Optimizing care for older adults in the new treatment era for type 2 diabetes and heart failure: Strengthening causal inference through novel approaches and evidence triangulation
在 2 型糖尿病和心力衰竭的新治疗时代优化老年人护理:通过新方法和证据三角测量加强因果推理
- 批准号:
10449576 - 财政年份:2022
- 资助金额:
$ 10万 - 项目类别:
Flexible causal inference methods for estimating longitudinal effects of air pollution on chronic lung disease
用于估计空气污染对慢性肺病纵向影响的灵活因果推理方法
- 批准号:
10680381 - 财政年份:2022
- 资助金额:
$ 10万 - 项目类别: