Stable Limit Theorems for Empirical Processes under Conditional Neighborhood Dependence
本文提出了多个随机变量之间的随机相依性的一个新概念,我们称之为条件邻域相依(CND)。假设有一个随机变量集合和一个sigma代数集合,其中这两个集合都被赋予邻域系统的同一个集合索引。当随机变量集合满足CND时,任意两个不相邻的随机变量集合是条件独立的,给定的σ代数的指数在这两个集合的一个邻域内.具有CND的随机变量包括具有条件依赖图的随机变量和一类具有全局马尔可夫性的马尔可夫随机场。CND属性对于建模由复杂的大型网络控制的横截面依赖性非常有用。本文提供了两个主要结果。第一个结果是CND下随机变量和的稳定的中心极限定理。第二个结果是当随机变量满足CND时,由满足一定括号熵条件的一类函数指标的经验过程稳定收敛的Donsker型结果.
2018-06-05 math.ST stat.TH
Inference for concave distribution functions under measurement error
University of Bergamo(贝加莫大学);Université Paris Nanterre(巴黎南泰尔大学)
本文提出了一种在测量误差下估计凹分布函数的方法,并构造了检验凹性假设的非参数检验,通过理论分析和模拟研究验证了其有效性。
2026-03-01 math.ST stat.TH
Gaussian approximation of suprema of empirical processes
本文提出了一种用高斯过程的上确界序列直接逼近一般经验过程的上确界的新方法,而不需要在超范数下逼近整个经验过程.我们证明了一个抽象的近似定理适用于各种各样的统计问题,如建设统一的置信带的功能。值得注意的是,在主要的近似定理的界限是非渐近的,该定理允许的功能,指数的经验过程是无界的,并有熵发散的样本量。近似定理的证明建立在一个新的耦合不等式的最大值的随机向量的总和,其证明依赖于一个有效的使用Stein的方法正常的近似,和一些新的经验过程技术。我们研究应用这个近似定理的本地和系列经验过程中产生的非参数估计通过内核和系列的方法,其中的功能类的变化与样本量和非Donsker。重要的是,我们的新技术是能够证明高斯近似的上确界类型的统计在弱正则性条件下,特别是关于带宽和级数函数的数量,在这些例子中。
2014-08-17 math.PR math.ST stat.TH
At the edge of Donsker's Theorem: Asymptotics of multiscale scan statistics
本文提出用乘法加权替代加法惩罚,通过弱收敛论证构建可行的多尺度检验,保留最优检测性质并扩展至非平稳非线性时间序列,应用于信号发现、回归拟合优度检验、多变点检测及伊比利亚半岛停电分析。
2025-06-05 math.ST stat.ME stat.TH
Weighted likelihood estimation under two-phase sampling
本文在两阶段分层不放回抽样下建立了加权似然估计的渐近理论。我们还考虑了几个变种的WLE涉及估计的权重和校准。在双重抽样和第二阶段不放回不放回抽样下,建立了一套经验过程工具,包括Glivenko-Cantelli定理、M-估计的收敛速度定理和逆概率加权经验过程的Donsker定理.利用这些一般结果,我们得到的渐近分布的有限维参数的WLE一般半参数模型中的一个冗余参数的估计是可估计的定期或非定期率。我们在具有右删失和区间删失的Cox模型中说明了这些结果和方法。我们比较的方法,通过他们的渐近方差下的不放回抽样和更常见的(和更容易分析)的伯努利采样的假设在第二阶段。
2013-04-08 math.ST stat.TH
Central limit theorem for the Sliced 1-Wasserstein distance and the max-Sliced 1-Wasserstein distance
Wasserstein距离在许多领域都是一个有吸引力的工具。但由于Wasserstein距离的高计算复杂性和经验估计中的维数灾难现象,人们提出了各种扩展Wasserstein距离来克服其缺点,如切片Wasserstein距离。它具有计算量小、无维数样本复杂度高的优点,但其分布极限结果较少。本文主要研究了Sliced 1-Wasserstein距离及其变体max-Sliced 1-Wasserstein距离。利用巴拿赫空间中的中心极限定理,得到了切片1-Wasserstein距离的极限分布.通过将经验max-Sliced 1-Wasserstein距离看作是以某个函数类为指标的经验过程的上确界,证明了在弱矩假设下该函数类是P-Donsker.此外,对于基于蒙特卡罗方法的切片p-Wasserstein距离计算,我们还探讨了在高概率情况下,需要多少随机投影才能保证误差较小。给出了不同条件下真实和经验概率测度之间期望max-Sliced 1-Wasserstein距离的上界,并给出了max-Sliced 1-Wasserstein距离的集中不等式.作为理论的应用,我们将其应用于两样本检验问题。
2022-09-04 math.ST stat.TH
Optimal use of auxiliary information : information geometry and empirical process
我们把有限期望集合中的辅助信息以最优信息几何的方式引入到经验测度中。这允许统一利用边信息的几种方法,并唯一地定义知情的经验测量。这些方法被证明共享相同的渐近性质。然后研究了真实信息下的知情经验过程。在最小假设条件下,建立了经验测度的Glivenko-Cantelli和Donsker定理,并量化了渐近一致方差缩减.此外,我们证明了知情的经验过程比经典的经验过程更集中的所有大$n$。最后,作为方差减少的一个例子,我们将其中一些结果应用于知情的经验分位数。
2021-07-01 math.ST stat.TH
Sup-norm adaptive simultaneous drift estimation for ergodic diffusions
考虑一类标量遍历扩散过程在$\sup$ -范数损失下基于连续观测估计漂移和不变密度的问题。假设未知漂移$b$属于未知阶数的非参数光滑函数类。我们提出了一种自适应的方法,允许构建漂移估计达到最小最大最优$\sup$ -范数收敛速度。此外,我们证明了经典不变密度核估计的Donsker定理,并建立了它的半参数有效性。最后,我们结合这两个结果,并提出了一个完全数据驱动的带宽选择过程,同时产生一个速率最优漂移估计和渐近有效的估计不变的扩散密度。我们研究的关键工具是经验扩散过程的一致指数不等式。
2018-08-31 math.ST stat.TH
Are Unobservables Separable?
在实证研究中,通常假设可观测量和不可观测量是可加性分离的,特别是当前者是内生的时。之所以这样做,是因为人们普遍认识到,当考虑到两者之间的相互作用时,就会出现识别和估计方面的挑战。从不可分离的IV模型出发,其中工具变量与不可观测量无关,我们发展了一种新的不可观测量分离性的非参数检验。检验统计量的大样本分布是非标准的,并且依赖于非参数IV残差的经验分布的新的Donsker型中心极限定理,这可能是独立的兴趣。使用2015年美国消费者支出调查的数据集,我们发现该测试拒绝了大多数商品恩格尔曲线的可分性。
2021-04-01 econ.EM math.ST stat.AP
Uniform limit theorems for wavelet density estimators
令$p_n(y)=\sum_k\hatα_kϕ(y-k)+\sum_{l=0}^{j_n-1}\sum_k\hat β_{lk}2^{l/2}ψ(2^ly-k)$为线性小波密度估计器,其中$ϕ$、$ψ$为父小波和母小波(具有紧支集),$\hatα_k$、$\hatβ_{lk}$为基于i.i.d.随机变量样本根据$\mathbb{R}$上的密度$p_0$和$j_n\in\mathbb{Z}$、$j_n\nearrow\infty$分布。证明了几个一致的极限定理:首先,得到了$\sup_{y\in\mathbb{R}}|p_n(y)-Ep_n(y)|$的几乎处处收敛速度,并建立了这个量的适当比例形式的对数律。这意味着,如果适当地选择$j_n$,则$\sup_{y\in\mathbb{R}}|p_n(y)-p_0(y)|$达到用于估计$p_0$的最佳几乎必然收敛速率。其次,一个统一的中心极限定理以及强不变性原则的分布函数的$p_n$,即随机过程$\sqrt{n}(F_n ^W(s)-F(s))=\sqrt{n}\int_{-\infty}^s(p_n-p_0),s\in\mathbb{R}$,被证明;和更一般地,统一的中心极限定理的过程$\sqrt{n}\int(p_n-p_0)f$,$f\in\mathcal{F}$,其他Donsker类$\mathcal{F}$的兴趣被认为是。作为一…
2009-08-31 math.PR math.ST stat.ME
Nonparametric Statistical Inference via Metric Distribution Function in Metric Spaces
本文在度量空间中引入度量分布函数,证明对应定理与 Glivenko-Cantelli 定理,并据此提出非欧几里得随机对象的同质性检验和相互独立性检验方法。
2023-10-22 math.ST stat.ME stat.TH
On Goodness of Fit Tests For Models of Neuronal Spike Trains Considered as Counting Processes
在对“时间变换”进行初等推导后,将计数过程映射到速率为1的齐次Poisson过程上,简要回顾了Ogata的拟合优度检验,并提出了一种新的检验方法--“Wiener过程检验”。这个测试是基于一个简单的应用Donsker定理的时间转换计数过程的间隔。用蒙特卡罗模拟研究了检验的有限样本性质。模拟以及真实数据上的性能。它认为,由于其良好的有限样本性质,新的测试是一个简单的和有用的补充绪方检验。此外,对使用一个单一的拟合优度检验给出了。
2009-09-15 q-bio.QM stat.AP
Directional differentiability for supremum-type functionals: statistical applications
我们证明了定义在任意集合或测度空间上的实函数的上确界所涉及的各种泛函都是Hadamard方向可微的。我们特别考虑了上确界范数、上确界、下确界和函数的振幅。这些映射的(通常是非线性的)导数在适当的假设下采用简单的表达式。作为应用,我们改进并推广了\cite{Raghavachari}中关于在备择假设下Kolmogorov-Smirnov型统计量极限分布的结果.类似的结果得到类似的统计与copula。我们还解决了一个公开的问题有关的伯克-琼斯统计提出的\cite{Jager-Wellner-2004}。最后,给出了Donsker函数类上最大平均差的渐近分布。
2019-12-17 math.ST stat.TH
One more approach to the convergence of the empirical process to the Brownian bridge
Donsker的一个定理断言,经验过程在分布上收敛于布朗桥。本文的目的是提供一个新的和简单的证明这一事实。
2008-03-21 math.PR math.ST stat.TH
Uniformly Valid Post-Regularization Confidence Regions for Many Functional Parameters in Z-Estimation Framework
在本文中,我们开发的程序来构建同时的置信带$\tilde p$潜在的无穷维参数后,一般矩条件下的模型选择,其中$\tilde p$是潜在的远大于可用数据的样本量,$n$。这使我们能够覆盖具有功能响应数据的设置,其中每个$\tilde p$参数都是一个功能。该过程基于满足一定正交条件的得分函数的构造。所提出的同时置信带依赖于高维向量的统一中心极限定理(而不是Donsker参数,因为我们允许$\tilde p \gg n$)。为了构建频带,我们采用了一个乘法器引导程序,这是计算效率高,因为它只涉及重新估计的得分函数(并不需要解决高维优化问题)。本文将一般理论应用于logistic环节分布回归模型中回归系数过程的推断,并详细分析了两种实现方法。模拟和实际数据的应用程序,以帮助说明结果的适用性。
2019-02-03 math.ST stat.ME stat.TH
On the bracketing entropy condition and generalized empirical measures
我们证明了一个Donsker和Glivenko-Cantelli定理序列的随机离散措施推广经验措施。这两个结果保持在标准条件下括号数的索引类的功能。作为一个副产品,我们得到了一个后验一致性和Bernstein-von Mises定理的Dirichlet过程之前,在拓扑结构的全变差,当观察空间是可数的。我们还获得了关于Durst-Dudley-Borisov定理的新信息
2016-09-26 math.ST stat.TH
A Coupled Flow Approach to Imitation Learning
Bar-Ilan University(巴伊兰大学)
针对模仿学习中状态分布难以显式建模的问题,提出基于耦合归一化流的CFIL算法,在单专家轨迹基准任务上达SOTA,且可扩展至多场景。
2023-04-29 cs.LG stat.ML
Complex sampling designs: uniform limit theorems and applications
在本文中,我们发展了一个一般的方法来证明整体和局部一致极限定理的Horvitz-Thompson经验过程所产生的复杂的抽样设计。对于Horvitz-Thompson经验过程和它的校准版本,证明了全局定理如Glivenko-Cantelli和Donsker定理,局部定理如局部渐近模和相关的比率型极限定理.还建立了其它变式及其条件形式的极限定理。我们的方法揭示了一个有趣的功能:导出Horvitz-Thompson经验过程的一致极限定理的问题本质上并不比建立相应的有限维极限定理的问题难。这些全球和当地的统一极限定理,然后适用于重要的统计问题,包括(i)$M$ -估计(ii)$Z$ -估计(iii)贝叶斯程序的频率论,所有加权似然,以说明其广泛的适用性。
2019-05-30 math.ST stat.TH
Improving Brownian approximations for boundary crossing problems
Donsker定理表明,随机游动在渐近意义上表现得像布朗运动。当随机游动第一次穿过非线性边界时,该结果可用于近似与该随机游动的时间和位置相关联的期望。在本文中,修正项的推导,以提高这些近似的精度。
2013-01-31 math.ST stat.TH
Bayesian Inference on Multivariate Medians and Quantiles
本文考虑了在Dirichlet过程先验下联合分布的多元中位数和多元分位数泛函的贝叶斯推断。由于,不像单变量分位数,多元中位数和多元分位数的确切后验分布是不能明确获得的,我们研究这些分布渐近。我们得到了多元$\ell_1$ -中位数关于一般$\ell_p$ -范数的Bernstein-vonMises定理,特别是证明了它的后验概率在$n^{-1/2}$ -速率下集中在它的真值附近,并且它的可信集具有渐近正确的频率论覆盖.特别是,渐近正态性的经验多元中位数一般$\ell_p$ -范数的结果也来自过程中的证明,从文献中的情况下$p=2$的结果扩展到一般的$p$。该技术涉及近似后狄利克雷过程的贝叶斯自助过程,并推导出一个条件Donsker定理。我们还获得了类似的结果的仿射等变版本的多变量$\ell_1$ -中位数的基础上的自适应变换和再变换技术。将所得结果推广到多元分位数的联合分布。通过仿真研究证实了渐近结果的准确性。我们还使用的结果,以获得贝叶斯可信区域的多元中位数费舍尔的虹膜数据,其中包括四个功能测量的三种植物物种。
2019-09-23 math.ST stat.TH