指数分布族内均值估计校准测试的通用推断
应用统计
2025-10-29 v1
摘要
均值校准估计的校准在许多应用中是关键属性，尤其是在金融和精算决策领域。本文首先回顾了验证均值校准的经典方法，讨论了指数分布族（EDF）内的似然比检验（LRT）。随后，我们调查了通用推断框架用于检验均值校准。我们在 EDF 中开发了子抽样分割 LRT，提供普遍有效临界值的有限样本保证。我们检验了子抽样分割 LRT 的第一类错误、功效和 e-power，比较其与经典 LRT，并提出一种基于子抽样分割 LRT 的新检验统计量以提高校准检验的性能。数值分析验证，我们的方案是经典 LRT 具有吸引力的替代方案，能够在检测校准不良方面实现高功效。
引用
@article{arxiv.2510.23821,
title = {Universal Inference for Testing Calibration of Mean Estimates within the Exponential Dispersion Family},
author = {Łukasz Delong and Mario Wüthrich},
journal= {arXiv preprint arXiv:2510.23821},
year = {2025}
}
备注
34 pages