Nonparametric Statistical Inference via Metric Distribution Function in Metric Spaces¶

作者: Xueqin Wang, Jin Zhu, Wenliang Pan, Junhao Zhu, Heping Zhang
主题: 非参数 / 半参数
相关性: 6/10
链接: https://doi.org/10.1080/01621459.2023.2277417

一、领域脉络与小综述¶

这个方向是什么¶

本文所处理的根本问题是：在一般度量空间（非欧几里得空间）中，如何为取值于该空间的随机对象定义一个"分布函数"（distribution function, DF），并以此为基础建立一套完整的非参数统计推断范式。在经典统计学中，累积分布函数（CDF）是连接概率测度与样本数据的枢纽：测度论中的 correspondence theorem 保证了 CDF 与概率测度的一一对应，Glivenko-Cantelli 定理保证了经验 CDF 的一致收敛，Donsker 定理则给出了经验过程的弱收敛（即中心极限定理的泛函版本）。这三者构成了一个"测度 → 分布函数 → 经验分布函数 → 统计推断"的闭环（论文 Figure 1 中的 directed closed loop）。然而，CDF 的定义依赖于实数的序结构和线性结构（左闭射线 \(\{x \le u\}\)），这些结构在一般度量空间中并不存在。随着数据形态的复杂化——对称正定（SPD）矩阵、黎曼流形上的形状、图结构、函数型数据——如何将这一经典范式推广到非欧几里得空间，是本文要解决的核心问题。

发展脉络（history）¶

本文的学术谱系可以梳理为三条线索：

线索一：度量空间中的分布函数与测度重建。 这是本文最核心的理论根基。经典结果（Halmos 1956）表明，在欧氏空间中，CDF 与 Borel 概率测度一一对应。本文的关键创新在于引入"度量分布函数"（MDF），其定义依赖于同心闭球族 \(\{\bar{B}(u, r)\}\) 而非左闭射线族。这一思路的直接先驱是 Federer (2014) 在几何测度论中提出的 directionally (ϵ,η,L)-limited 条件——该条件刻画了度量空间中"球族能否充分区分不同测度"的几何性质。本文的 Theorem 1 正是将 Federer 的几何条件与概率测度的重建问题联系起来：当度量满足该条件时，MDF 与概率测度一一对应。值得注意的是，这一对应关系并非无条件成立——Davies (1971) 给出了一个反例，说明存在紧度量空间和两个不同的 Borel 测度，它们在所有闭球上取值相同。这意味着 MDF 的 correspondence theorem 需要比欧氏空间更精细的条件。

线索二：度量空间中的非参数检验。 本文的检验统计量建立在 MDF 之上，其思想可追溯到 Székely 和 Rizzo 的 energy distance（Székely & Rizzo 2004; Székely, Rizzo & Bakirov 2007）以及 Pan 等人的 ball divergence（Pan et al. 2018）和 ball covariance（Pan et al. 2020）。这些方法都试图用距离（或球）来刻画分布之间的差异，从而摆脱对坐标系的依赖。本文的 MDF 框架将这类方法统一起来：同质性检验的 MCVM 统计量是 Cramér-von Mises 准则在度量空间的自然推广，而互独立性检验的 MA 统计量则遵循 Hoeffding (1948) 的"积分平方差"范式。值得注意的是，当 \(K=2\) 时，MA 统计量退化为 Pan et al. (2020) 的 ball covariance 的平方，这说明本文的框架是已有方法的推广而非并列。

线索三：经验过程的收敛理论。 本文的 Glivenko-Cantelli 定理（Theorem 3）和 Donsker 定理（Theorem 4）依赖于 VC 维理论和经验过程理论。关键的技术工具是 Wainwright (2019) 中关于球族 VC 维的结论（欧氏空间中闭球的 VC 维为 \(q+2\)），以及 Wellner 和 van der Vaart (2013) 中关于覆盖数和 bracketing entropy 的经典结果。本文的贡献在于将这些工具推广到一般度量空间，并给出了以覆盖数（covering number）表达的充分条件。

子线索聚类¶

测度重建与 correspondence theorem（Federer 2014; Davies 1971; Halmos 1956）——回答"MDF 能否唯一确定概率测度"的问题。
距离/球基的非参数检验（Székely & Rizzo 2004; Pan et al. 2018, 2020; Böttcher et al. 2019）——回答"如何用度量结构构造检验统计量"的问题。
经验过程的收敛性与 VC 理论（Wainwright 2019; Wellner & van der Vaart 2013）——回答"经验 MDF 何时一致收敛、何时弱收敛"的问题。
度量空间中的统计建模（Dubey & Müller 2019 的 Fréchet 方差分析；Lin & Müller 2021 的树空间；Petersen et al. 2021 的 Wasserstein 空间）——回答"非欧数据有哪些实际应用场景"的问题。

这个方向在追问的核心问题¶

测度重建的充分条件：在什么几何条件下，MDF 能唯一确定概率测度？directionally limited 条件是否必要？能否放宽？
经验过程的收敛速度：EMDF 的 Glivenko-Cantelli 收敛速度是多少？在高维或无穷维度量空间中，收敛速度如何随维数退化？
检验的功效与最优性：基于 MDF 的检验统计量在局部备择下的功效如何？是否达到 minimax 最优？
计算可行性：MDF 涉及对连续参数 \((u,v)\) 的球族求值，实际计算中如何离散化？是否存在计算复杂度可控的近似算法？

⚠️ 作者的 framing（这是作者的说法）¶

作者将本文定位为"在度量空间中建立统计推断的基石"：通过引入 MDF，将经典 DF 的三个核心性质（correspondence、Glivenko-Cantelli、Donsker）推广到一般度量空间，从而"为度量空间数据的统计推断奠定理论基础"。作者特别强调 MDF 的无需调参（free of tuning parameters）和仅依赖度量（metric-only）的特性，将其与需要嵌入或坐标化的方法（如流形学习、核方法）区分开。作者还暗示 MDF 框架的统一性：同质性检验、独立性检验、以及潜在的回归和聚类问题都可以纳入同一框架。

值得注意的淡化：作者在引言中列举了"嵌入到 Hilbert 空间"这一常见策略，但并未深入讨论其与 MDF 框架的优劣对比。嵌入方法（如核嵌入、距离嵌入）通常具有更成熟的理论（如 RKHS 理论）和更高效的计算，而 MDF 的优势在于无需选择嵌入映射。这一对比被作者有意无意地淡化了。

张力¶

未见明显的对立引用。但存在一个值得注意的内部张力：Theorem 1 的 correspondence theorem 需要 directionally limited 条件，而 Davies (1971) 的反例表明该条件不能省略。然而，作者在 Theorem 3 的 Glivenko-Cantelli 定理中使用的条件（覆盖数条件）与 directionally limited 条件之间的关系并未明确讨论——前者是熵条件，后者是几何条件，二者是否等价或可互相推导，文中未给出答案。这为后续研究留下了空间。

二、最核心、最简单的例子 / 数学问题¶

第一步：符号、模型、可观测数据¶

在展开任何技术细节之前，先把记号一次性立清楚：

\((M, d)\)：一个度量空间。\(M\) 是集合，\(d: M \times M \to [0, \infty)\) 是度量（距离函数），满足对称性、三角不等式和 \(d(u,v)=0 \iff u=v\)。本文假设 \((M,d)\) 是 Polish 空间（完备可分度量空间），以保证测度论工具可用。
\(\mu\)：\(M\) 上的 Borel 概率测度。这是要推断的对象（未知的总体分布）。
\(X\)：取值于 \(M\) 的随机对象，\(X \sim \mu\)。\(X_1, \dots, X_n\) 是 i.i.d. 样本——这是可观测数据，每个 \(X_i\) 是 \(M\) 中的一个点。
\(\bar{B}(u, r)\)：以 \(u \in M\) 为中心、\(r \ge 0\) 为半径的闭球：\(\bar{B}(u, r) = \{v \in M : d(u,v) \le r\}\)。这是 MDF 定义的核心几何对象。
\(F^M_\mu(u, v)\)：概率测度 \(\mu\) 的度量分布函数（MDF），定义为
\[F^M_\mu(u, v) = \mu\left(\bar{B}(u, d(u,v))\right) = \mathbb{E}[\delta(u, v, X)],\]
其中 \(\delta(u, v, x) = \prod_{k=1}^K I\{x_k \in \bar{B}(u_k, d_k(u_k, v_k))\}\) 是"\(x\) 是否落在以 \(u\) 为中心、\(v\) 为边界的闭球内"的指示函数。注意：MDF 有两个自变量 \((u,v)\)，这与经典 CDF 的单自变量不同——\(u\) 是球心，\(v\) 决定半径。
\(F^M_{\mu,n}(u, v)\)：经验度量分布函数（EMDF），将 \(\mu\) 替换为经验测度 \(\mu_n = \frac{1}{n}\sum_{i=1}^n \delta_{X_i}\)：
\[F^M_{\mu,n}(u, v) = \frac{1}{n}\sum_{i=1}^n \delta(u, v, X_i).\]
这是可计算的量，是 MDF 的估计量。
\(\mathcal{F}\)：指示函数族 \(\mathcal{F} = \{\delta(u,v,\cdot) : u, v \in M\}\)。EMDF 的收敛性质归结为 \(\mathcal{F}\) 的 VC 维或覆盖数。
\(K\)：乘积度量空间的因子数。当 \(K=1\) 时，\(M\) 是单一度量空间；当 \(K \ge 2\) 时，\(M = \prod_{k=1}^K M_k\) 是乘积空间，用于处理多元或联合分布。
\(\mu_k\)：第 \(k\) 个因子的边际分布，\(\mu_k = \mu \circ \pi_k^{-1}\)，其中 \(\pi_k\) 是投影映射。
MCVM：Metric Cramér-von Mises，同质性检验统计量。
MA：Metric Association，互独立性检验统计量。

数据生成机制：\(X_1, \dots, X_n \overset{i.i.d.}{\sim} \mu\)，其中 \(\mu\) 是 \(M\) 上的未知 Borel 概率测度。研究者能观测到的是 \(M\) 中的 \(n\) 个点 \(X_1, \dots, X_n\)，以及 \(M\) 上的度量 \(d\)（假设已知）。想要但观测不到的是 \(\mu\) 本身（以及与之相关的参数，如均值、方差、分位数等）。MDF 的作用是充当"可观测的桥梁"：通过 EMDF 估计 MDF，再利用 correspondence theorem 反推 \(\mu\) 的信息。

第二步：最小内核¶

把论文的所有技术细节剥掉，支撑整篇论文的最小内核是这样一个问题：

在一般度量空间中，能否仅用"闭球"这一几何对象，唯一地确定一个概率测度？如果能，如何从样本中一致地估计这个"球分布"？

最简特例：\(M = \mathbb{R}\)（实数轴），\(d(u,v) = |u-v|\)（欧氏距离）。

在这个特例下，MDF 退化为：

\[F^M_\mu(u, v) = \mu\left(\{x : |x-u| \le |v-u|\}\right) = \mu\left([2u-v, v]\right) \quad (\text{若 } u \le v).\]

当 \(u \to -\infty\) 时，\([2u-v, v] \to (-\infty, v]\)，于是 \(F^M_\mu(u,v) \to F_\mu(v)\)——即经典 CDF。因此，经典 CDF 是 MDF 在 \(u \to -\infty\) 时的极限情形。MDF 可以看作"以任意点 \(u\) 为中心、\(v\) 为边界的球内概率"，而经典 CDF 是"以 \(-\infty\) 为中心"的特殊情形。

为什么这个特例能说明核心思想？

Correspondence theorem 的退化：在 \(\mathbb{R}\) 中，经典 CDF 与测度一一对应（Lebesgue-Stieltjes 积分）。MDF 的 correspondence theorem（Theorem 1）说的是：在更一般的度量空间中，如果度量满足 directionally limited 条件，那么"所有闭球的测度"这一集合信息足以唯一确定测度。在 \(\mathbb{R}\) 中，这一条件自动满足（因为闭球就是闭区间，而闭区间族生成 Borel \(\sigma\)-代数）。
Glivenko-Cantelli 的退化：在 \(\mathbb{R}\) 中，经验 CDF 一致收敛到真实 CDF（经典 Glivenko-Cantelli 定理）。MDF 的 Glivenko-Cantelli 定理（Theorem 3）说的是：在一般度量空间中，经验 MDF 在某种度量下一致收敛到真实 MDF。在 \(\mathbb{R}\) 中，这退化为经典结果。
检验统计量的退化：在 \(\mathbb{R}\) 中，MCVM 统计量退化为经典的 Cramér-von Mises 统计量，MA 统计量退化为 Hoeffding 独立性检验的积分形式。

这个最小内核的数学本质是什么？

论文在数学上干的事情是：将经典 DF 理论中"射线族 \(\{(-\infty, u]\}\)"这一特定生成元，替换为一般度量空间中的"闭球族 \(\{\bar{B}(u,r)\}\)"，并证明这一替换不破坏三个关键性质——测度对应、一致收敛、弱收敛。难点在于：

射线族是有序的（\(\{(-\infty, u]\}\) 随 \(u\) 单调递增），而球族是无序的（\(\{\bar{B}(u,r)\}\) 随 \((u,r)\) 是二维偏序）。这导致经典证明中依赖单调性的技巧（如 Dini 定理、单调收敛）不再适用。
射线族是半环（semi-ring），而球族一般不构成半环——两个球的交集不一定是球。这使得测度论中的唯一性论证（Carathéodory 延拓定理）不能直接套用，需要引入 directionally limited 条件来弥补。
经验过程的收敛：在 \(\mathbb{R}\) 中，经验 CDF 的收敛可以归结为 \(\mathbb{R}\) 上单调函数的收敛理论；在一般度量空间中，需要依赖 VC 维或覆盖数来控制系统复杂度。

一句话总结最小内核：本文证明了"闭球族"在满足一定几何条件时，可以替代"射线族"作为分布函数的生成元，从而将经典非参数统计推断的整个框架（对应定理 + Glivenko-Cantelli + Donsker）推广到一般度量空间。

三、这篇论文做了什么¶

三句话¶

研究了什么问题：在一般度量空间中，如何定义"分布函数"并以此为基础建立非参数统计推断（同质性检验和互独立性检验）的理论框架。
核心工具/方法：引入度量分布函数（MDF）\(F^M_\mu(u,v) = \mu(\bar{B}(u, d(u,v)))\)，证明其在 directionally limited 条件下的测度对应定理（Theorem 1-2），并建立经验 MDF 的 Glivenko-Cantelli 性质（Theorem 3）和 Donsker 性质（Theorem 4）。
主要结论：MDF 在满足一定几何条件的度量空间（包括有限维 Banach 空间、有界截面曲率的黎曼流形、固定叶数的二叉系统发育树空间）中与概率测度一一对应；基于 MDF 构造的 MCVM 同质性检验和 MA 互独立性检验是一致且有效的，并在模拟和真实数据（ADNI、ADHD-200）中展现出优于或媲美现有方法的性能。

关键设定与假设¶

在第二节最小记号的基础上，补全完整设定：

设定 1（乘积度量空间）：\(M = \prod_{k=1}^K M_k\)，每个 \((M_k, d_k)\) 是 Polish 度量空间。\(M\) 上的度量定义为 \(d(u,v) = \|(d_1(u_1,v_1), \dots, d_K(u_K,v_K))\|_p\)（\(p \ge 1\)）。这一设定允许处理多元随机对象（如多个脑区的数据）。
设定 2（MDF 定义）：对 \(\forall u, v \in M\)，\(F^M_\mu(u,v) = \mu\left(\prod_{k=1}^K \bar{B}(u_k, d_k(u_k,v_k))\right)\)。注意：\(u\) 是球心，\(v\) 决定每个因子上的半径。当 \(K=1\) 时退化为单变量情形。
假设 A（directionally limited）：度量 \(d\) 在 \(\text{supp}\{\mu\} \cup \text{supp}\{\nu\}\) 上是 directionally (ϵ,η,L)-limited 的。这是 Theorem 1 的核心条件，其直观含义是：在局部范围内，从任意点出发的"方向"数量有限，从而球族不会过于复杂。该条件排除了 Davies (1971) 的反例。
假设 B（覆盖数条件）：\(\int_0^\infty \sqrt{\log N(\epsilon, M, t)} \, dt < \infty\)，其中 \(N(\epsilon, M, t)\) 是覆盖数。这是 Theorem 3（Glivenko-Cantelli）和 Theorem 4（Donsker）的熵条件，用于控制函数类 \(\mathcal{F}\) 的复杂度。
假设 C（密度存在性）：Theorem 4 要求 \(F^M_\mu(u,v)\) 关于 \(v\) 的密度存在且有界（条件 2 中的 \(f(u,r)\) 有界）。这是 Donsker 性质的技术性条件。

相比已有文献的放宽/强化： - 相比 Pan et al. (2020) 的 ball covariance（仅适用于 \(K=2\) 且要求度量空间具有特定结构），本文的 MA 统计量适用于任意 \(K \ge 2\) 的乘积度量空间，且不要求度量具有线性结构。 - 相比 Dubey & Müller (2019) 的 Fréchet 方差分析（要求 Fréchet 均值存在且唯一），本文的 MCVM 检验不依赖 Fréchet 均值的估计，因此对重尾或非唯一均值的情形更稳健。 - 相比 Székely & Rizzo 的 energy distance（要求度量具有负定型性质，即条件负定），本文的 MDF 框架仅要求度量满足 directionally limited 条件，适用范围更广。

主要结果¶

理论结果：

Theorem 1（基本对应定理）：若 \(d\) 在 \(\text{supp}\{\mu\} \cup \text{supp}\{\nu\}\) 上 directionally limited，则 \(F^M_\mu = F^M_\nu\)（在 \(\text{supp}\{\mu\} \times \text{supp}\{\mu\}\) 上）当且仅当 \(\mu = \nu\)。直觉：闭球族的信息足以区分任意两个不同的概率测度。必要条件：directionally limited 条件不可省略（Davies 1971 反例）。
Theorem 2（乘积空间对应定理）：将 Theorem 1 推广到乘积度量空间，条件是每个因子度量 \(d_k\) 在 \(\pi_k(\text{supp}\{\mu\})\) 上 directionally limited。意义：为多元非欧数据的独立性检验奠定基础。
Theorem 3（Glivenko-Cantelli 性质）：在覆盖数条件下，\(\sup_{u,v \in M} |F^M_{\mu,n}(u,v) - F^M_\mu(u,v)| \to 0\) a.s.。意义：EMDF 一致收敛到 MDF，保证了基于 EMDF 的估计和检验的相合性。
Theorem 4（Donsker 性质）：在覆盖数条件和密度有界条件下，经验 MDF 过程 \(\sqrt{n}(F^M_{\mu,n} - F^M_\mu)\) 弱收敛到高斯过程。意义：为构造渐近有效的检验提供理论基础。

方法结果：

MCVM 同质性检验：检验 \(H_0: \mu_1 = \cdots = \mu_K\)。统计量为
\[\text{MCVM}(\mu_1,\dots,\mu_K) = \sum_{k=1}^K p_k^2 \int (F^M_{\mu_k}(u,v) - F^M_\mu(u,v))^2 \, d\mu_k(u) d\mu_k(v),\]
其中 \(\mu = \sum p_k \mu_k\) 是混合分布。估计量 \(\widehat{\text{MCVM}}\) 用 EMDF 替换 MDF 得到。Proposition 1 证明了：(a) 在 Theorem 1 条件下，MCVM \(= 0\) 当且仅当 \(H_0\) 成立；(b) 估计量一致收敛；(c) 在原假设下 \(n \cdot \widehat{\text{MCVM}}\) 弱收敛到 \(\sum_{l=1}^\infty \lambda_l Z_l^2\)（加权卡方分布）。
MA 互独立性检验：检验 \(H_0: \mu = \mu_1 \otimes \cdots \otimes \mu_K\)。统计量为
\[\text{MA}(\mu, \otimes_{k=1}^K \mu_k) = \int \left(F^M_\mu(u,v) - \prod_{k=1}^K F^M_{\mu_k}(u_k,v_k)\right)^2 \, d\mu(u) d\mu(v).\]
Proposition 2 证明了类似的性质。当 \(K=2\) 时，MA 退化为 Pan et al. (2020) 的 ball covariance 的平方。

实证结果：

模拟研究：在欧几里得空间（多元正态）、球面（von Mises-Fisher）、SPD 矩阵流形（Wishart）三种设定下，MCVM 和 MA 检验的 Type-I error 控制在名义水平附近，Power 随样本量 \(n\) 增大趋于 1。与 energy distance (ED) 和 Fréchet variance analysis (FVA) 的对比显示：在均值差异设定下 ED 略优，在方差差异设定下 MCVM 更优；在 SPD 流形上 MCVM 对 Wishart 分布尺度参数的差异检测优于 FVA。
ADNI 数据：检验 APOE ε4 携带者与非携带者的海马体形状差异。MA 检验在 ε4 上给出显著结果（p=0.004），而 TM 检验不显著（p=0.023 但 Holm 校正后不显著）。作者认为 MA 检验对局部形状差异更敏感。
ADHD-200 数据：检验功能连接组（FC）与性别、惯用手的联合独立性。MA 检验拒绝 FC 与性别、惯用手的联合独立（p=0.017），而 TM 检验不显著（p=0.206）。作者认为 MA 检验能捕捉高阶依赖。

证明路线与技术技巧¶

整体路线（以 Theorem 1 为例）：

第一步：化归为球族生成代数。定义 \(\mathcal{A}\) 为所有闭球的集合，\(\sigma(\mathcal{A})\) 为由 \(\mathcal{A}\) 生成的 \(\sigma\)-代数。若 \(\sigma(\mathcal{A}) = \mathcal{B}(M)\)（Borel \(\sigma\)-代数），则两个测度在 \(\mathcal{A}\) 上一致蕴含它们在 \(\mathcal{B}(M)\) 上一致（由 \(\pi\)-\(\lambda\) 定理）。因此，问题归结为证明闭球族生成的 \(\sigma\)-代数等于 Borel \(\sigma\)-代数。
第二步：用 directionally limited 条件证明开集可被球族逼近。directionally limited 条件的核心作用是：对任意 \(a \in M\) 和 \(\epsilon > 0\)，存在有限个方向，使得从 \(a\) 出发沿这些方向的"楔形区域"可以覆盖 \(a\) 的邻域。这保证了任意开集可以被有限个闭球的并集从内部逼近。
第三步：利用测度正则性。Polish 空间上的 Borel 测度是正则的（内正则、外正则），因此开集的测度可以被闭集逼近，闭集的测度可以被球族逼近。结合第二步，得到 \(\mu\) 和 \(\nu\) 在任意开集上一致，从而 \(\mu = \nu\)。

关键跳跃点：

难点 1：球族不是半环。在欧氏空间中，射线族 \(\{(-\infty, u]\}\) 构成半环，可以直接用 \(\pi\)-\(\lambda\) 定理。但球族的交集不是球，不能直接套用。作者通过 directionally limited 条件绕过了这一障碍——该条件保证了球族"足够丰富"，以至于可以生成整个 Borel \(\sigma\)-代数。
难点 2：无穷维空间的紧致性缺失。在无穷维 Hilbert 空间中，闭球不紧，导致覆盖论证失效。作者通过假设测度集中在有限维子空间（Corollary 1 的稀疏条件）来规避。
难点 3：Donsker 性质的证明。Theorem 4 需要证明经验过程 \(\{\sqrt{n}(F^M_{\mu,n}(u,v) - F^M_\mu(u,v)) : u,v \in M\}\) 的弱收敛。作者使用 VC 维理论：先证明 \(\mathcal{F}\) 的 VC 维有限（在 directionally limited 条件下），然后应用 Ossiander 的 bracketing entropy 条件或 Dudley 的 chaining 论证。

技术技巧点名：

VC 维理论：用于控制函数类 \(\mathcal{F}\) 的复杂度，是 Theorem 3 和 4 的核心工具。欧氏空间中闭球的 VC 维为 \(q+2\)（Wainwright 2019, Example 4.14），本文将其推广到一般度量空间。
Bracketing entropy / chaining：用于证明经验过程的弱收敛。作者在 Theorem 4 的证明中使用了覆盖数积分条件 \(\int_0^\infty \sqrt{\log N(\epsilon, M, t)} \, dt < \infty\)，这是典型的 chaining 论证。
测度正则性 + \(\pi\)-\(\lambda\) 定理：用于从球族上的测度一致性推导出测度相等。
排列检验（permutation test）：在实证部分用于计算 \(p\)-值，避免依赖渐近分布的精确性。
谱分解（spectrum-based test）：作者在补充材料中提出了一种基于特征值估计的检验方法，用于近似 \(\sum \lambda_l Z_l^2\) 的分布，避免排列检验的计算成本。

🔎 结论是否比证明窄¶

是的，存在若干处：

Theorem 1 的"当且仅当"表述：定理陈述为"\(F^M_\mu = F^M_\nu\) 当且仅当 \(\mu = \nu\)"，但证明中实际需要 directionally limited 条件在 \(\text{supp}\{\mu\} \cup \text{supp}\{\nu\}\) 上成立。如果两个测度的支撑集不同，条件需要在并集上成立，这比在各自支撑集上成立更强。作者在定理陈述中未明确这一点。
Theorem 3 的收敛速度：定理只给出了几乎处处一致收敛（Glivenko-Cantelli 性质），但未给出收敛速度。在欧氏空间中，经典结果给出 \(O(n^{-1/2})\) 的收敛速度（Dvoretzky-Kiefer-Wolfowitz 不等式）；本文未提供类似的速度界，这限制了其在构造置信区间等需要精确收敛速度的场景中的应用。
Theorem 4 的 Donsker 性质：定理要求密度 \(f(u,r)\) 存在且有界（条件 2），但未说明该条件在何种度量空间和测度下自然成立。对于离散测度或奇异测度，该条件不满足，Donsker 性质可能不成立。
MCVM 检验的零分布：Proposition 1(c) 给出了 \(n \cdot \widehat{\text{MCVM}}\) 的渐近分布为 \(\sum \lambda_l Z_l^2\)，但 \(\lambda_l\) 依赖于未知的 \(\mu\)，实际使用中需要估计。作者在补充材料中提出了谱方法，但未给出 \(\lambda_l\) 估计的收敛速度或置信区间。
MA 检验的"互独立"表述：Proposition 2 声称 MA 检验能检测"互独立"，但 MA 统计量定义为联合 MDF 与边际 MDF 乘积的积分差。对于 \(K>2\)，这个量只能检测"联合分布等于边际乘积"这一特定形式的独立性，不能检测更一般的条件独立关系。作者在结论部分未明确这一限制。

四、开放问题¶

以下开放问题均扎根于论文的具体语句：

directionally limited 条件的必要性（扎根于 Theorem 1 和 Davies 1971 的引用）：Davies 的反例表明该条件对 correspondence theorem 是必要的，但作者未讨论该条件是否也是充分的——即是否存在不满足 directionally limited 但仍有 correspondence 的度量空间？更一般地，能否给出 correspondence 成立的充要条件？这是一个纯测度论问题，可能涉及度量空间的几何与拓扑的深层联系。
收敛速度的刻画（扎根于 Theorem 3 的陈述）：Theorem 3 只给出了 Glivenko-Cantelli 性质（一致收敛），未给出收敛速度。在欧氏空间中，Dvoretzky-Kiefer-Wolfowitz 不等式给出 \(O(n^{-1/2})\) 的速度；在一般度量空间中，收敛速度可能依赖于度量空间的维数或覆盖数。能否给出类似的速度界？这直接关系到基于 EMDF 的置信区间构造。
Donsker 性质的充分条件（扎根于 Theorem 4 的条件 2）：Theorem 4 要求密度 \(f(u,r)\) 存在且有界，但未说明该条件在何种度量空间和测度下自然成立。对于离散测度或奇异测度，Donsker 性质是否仍然成立？能否用更弱的条件（如熵条件）替代密度条件？
检验功效的 minimax 最优性（扎根于 Proposition 1 和 2 的陈述）：论文证明了 MCVM 和 MA 检验的一致性，但未讨论其功效是否达到 minimax 最优。在欧氏空间中，经典的 Cramér-von Mises 检验在特定备择下具有最优性；在度量空间中，最优性是否成立？这需要建立检验问题的 minimax 下界。
计算复杂度与近似算法（扎根于 MDF 的定义）：MDF 的定义涉及对所有 \(u,v \in M\) 的球族求值，实际计算中需要对连续参数离散化。在高维或无穷维空间中，离散化的网格点数随维数指数增长。是否存在基于随机采样或低差异序列的近似算法，能在保证精度的同时控制计算复杂度？这与您熟悉的 U-统计量计算中的张量网络方法可能有联系——MDF 的估计量本质上是一个关于样本的 \(U\)-统计量（或 \(V\)-统计量），其计算复杂度可能通过类似 einsum 的张量收缩来优化。
与 Fréchet 均值和深度的关系：论文在引言中提到了 Fréchet 方差分析（Dubey & Müller 2019），但未深入讨论 MDF 与 Fréchet 均值/方差的关系。MDF 是否能为 Fréchet 均值的估计提供新的工具？MDF 与统计深度（statistical depth，如 Dai & Lopez-Pintado 2022）之间是否存在联系？这是一个潜在的理论交叉点。

提示：若要确认上述某条是否为真 gap，建议去读同子领域近期约 5 篇论文的引言——例如搜索 "metric distribution function"、"ball covariance"、"Fréchet inference" 等关键词。如果多篇论文的引言都指向同一个未解决问题，那大概率是共识性 gap；如果各篇论文对同一问题的处理方式互相矛盾，那可能是机会所在。

Maintained by 陈星宇 · Homepage · Source on GitHub