Bernoulli — Vol 32 Issue 2 · 2026-05-18¶

共 34 篇 · Bernoulli

因果推断 (causal_inference, 1 篇)¶

1. 10.3150/25-bej1909 — Causal inference on process graphs: Causal structure and effect identification¶

作者: Nicolas-Domenic Reiter, Jonas Wahl, Andreas Gerhardus, Jakob Runge
期刊/来源: Bernoulli
分类: vol 32 · issue 2
相关性 0/10 · novelty: new_theory
摘要: 在结构向量自回归（SVAR）过程设定下，本文研究从频域谱密度出发进行因果发现与因果效应识别的问题，允许存在外生潜变量混杂。将SVAR的定性因果结构表示为有限有向过程图，并在频域下进行紧凑参数化。证明过程图上的d-分离和t-分离信息可由谱密度上的代数约束一般性地刻画。针对可能受潜变量混杂的频域因果效应，引入了“有理可识别性”（rational identifiability）概念。证明图上的潜因子半跋涉准则可用于判断给定混杂效应是否可通过谱密度矩阵元素的有理运算进行识别。对您有用：将因果识别理论从截面图推广到纵向/时间序列的频域过程图，潜因子半跋涉准则为处理潜变量混杂提供了新图论工具，直接契合您对因果识别与纵向因果推断的兴趣，且SVAR设定对经济理论应用也有参考价值。
关键技术: structural vector autoregression, process graph, spectral density, rational identifiability, latent factor half-trek criterion, frequency domain causal effects
为什么对您有用: 直接推进了纵向/时间序列设定下的因果识别理论（primary interest: causal inference - identification, longitudinal），引入的潜因子半跋涉准则为处理潜变量混杂提供了新图论工具，且SVAR模型在经济理论（secondary interest）中应用广泛。

高维统计 / 随机矩阵 (high_dim_rmt, 2 篇)¶

1. 10.3150/25-bej1924 — The asymptotic properties of the extreme eigenvectors of high-dimensional generalized spiked covariance models¶

作者: Zhangni Pu, Xiaozhuo Zhang, Jiang Hu, Zhidong Bai
期刊/来源: Bernoulli
分类: vol 32 · issue 2
相关性 9/10 · novelty: weaker_assumption
摘要: 在高维广义 spiked 协方差矩阵模型下（p/n → c > 0），研究样本极值特征向量的渐近性质，放松了总体协方差矩阵块对角结构及尖峰特征值/四阶矩有界的经典假设。利用随机矩阵理论（RMT），推导了样本极值特征向量在某些投影下的收敛性与极限分布。该技术工具在尖峰特征值与非尖峰特征值量级差异显著时依然稳健有效，突破了传统 spiked 模型对特征值分离条件的限制。基于所得的极限分布，文章提出了针对协方差矩阵特征空间的假设检验统计量。对您而言，该文在 RMT 高维推断中放松了关键正则性假设，且直接关联您关注的假设检验与高维统计方向，其特征空间检验统计量的构造思路具有迁移价值。
关键技术: random matrix theory, generalized spiked covariance model, eigenvector asymptotic distributions, hypothesis testing for eigenspaces, unbounded spiked eigenvalues
为什么对您有用: 直接推进您在“高维统计（随机矩阵理论）”与“数理统计（假设检验）”交叉方向的研究；放松了 spiked 模型中块对角与有界矩的强假设，提供了更一般的高维特征空间检验方法，对处理重尾或强信号高维数据的推断有直接借鉴意义。

2. 10.3150/25-bej1900 — Detecting spectral breaks in spiked covariance models¶

作者: Nina Dörnemann, Debashis Paul
期刊/来源: Bernoulli
分类: vol 32 · issue 2
相关性 8/10 · novelty: new_theory
摘要: 在高维 spiked covariance 模型下（总体协方差为单位阵的固定秩扰动），研究序贯样本协方差矩阵的最大特征值随时间演化的轨迹，设定维度与样本量之比 p/n → y ∈ (0,1)。将序贯样本协方差矩阵视为矩阵值随机过程，当总体 spiked eigenvalues 超过 BBP 相变阈值时，证明了对应样本特征值随机过程的弱收敛性，并揭示其极限过程一般是非高斯的。基于此极限理论，针对协方差结构中 spiked eigenvalues 幅度突变的变点检测问题，提出了两种基于中心化序贯特征值的极大值统计量。推导了这两种检验统计量的极限零分布，并在固定备择假设下证明了检验的相合性。对您而言，该文将 RMT 的随机过程弱收敛与高维假设检验结合，直接推进了您在 RMT 与 hypothesis testing 交叉方向上的兴趣。
关键技术: spiked covariance model, weak convergence of stochastic processes, BBP phase transition, random matrix theory, change-point detection, maximal statistic
为什么对您有用: 直接连接您在 high-dimensional statistics (Random matrix theory) 和 mathematical statistics (hypothesis testing) 的核心兴趣；提供了 spiked model 下特征值轨迹的非高斯极限理论，可为您在高维协方差变点检验或序贯监测提供理论工具与 sharper rate 参考。

非参数 / 半参数 (nonparam_semipara, 12 篇)¶

1. 10.3150/25-bej1925 — Contraction rates and projection subspace estimation with Gaussian process priors in high dimension¶

作者: Elie Odin, François Bachoc, Agnès Lagnoux
期刊/来源: Bernoulli
分类: vol 32 · issue 2
相关性 7/10 · novelty: new_theory
摘要: 在高维贝叶斯非参数回归与密度估计中，目标是估计仅依赖 $\mathbb{R}^d$ 中 $d^$ 维子空间（$d^<d$）的函数参数 $f$，假设 $f$ 具有 $\beta$ 阶光滑度。已知重标度 GP 先验在固定 $d$ 下可实现光滑度自适应与近 minimax 收缩率 $n^{-\beta/(2\beta+d^)}$，但乘性常数随 $d$ 增长可能趋于爆炸。本文首次允许环境维度 $d$ 随 $n$ 增长，结合 Tokdar (2011) 的维度自适应与 Jiang (2021) 的变量选择论证，导出仍保持后验一致性与 minimax 收缩率的 $d$ 的最大增长阶，并讨论该增长阶的最优性。此外，在 $d^$ 已知假设下，证明了对 $f$ 的一致估计可导出对子空间投影的一致估计。对您有用：该文将高维非参数收缩率分析与维度增长结合，直接推进了 nonparametric theory 中 minimax rate 在 $d$ 依赖下的精细刻画，且高维设定下的常数依赖分析对 high-dimensional statistics 中的 rate sharpness 研究有参考价值。
关键技术: Gaussian process priors, posterior contraction rates, minimax rate, subspace projection estimation, dimension adaptation, hierarchical Bayesian model
为什么对您有用: 直接关联您在 nonparametric theory 中对 minimax rate 的兴趣，提供了 $d$ 随 $n$ 增长时后验收缩率的精细刻画；同时高维常数依赖分析对 high-dimensional statistics 中的 rate sharpness 与假设放松有借鉴意义。

2. 10.3150/25-bej1907 — Addressing both variable selection and misclassified responses with parametric and semiparametric methods¶

作者: Hui Guo, Grace Y. Yi, Boyu Wang
期刊/来源: Bernoulli
分类: vol 32 · issue 2
相关性 6/10 · novelty: new_method
摘要: 本文研究二元分类中响应变量存在误分类时的变量选择问题，设定依赖验证数据来校正测量误差。提出了参数化与半参数化两种变量选择程序以适应误分类效应，其中半参数化方法避免了对误分类机制的完全参数化假设。通过选择适当的惩罚函数与正则化参数，严格证明了所得估计量具有 oracle 性质（即变量选择相合且参数估计渐近正态有效）。理论结果为误分类下的变量选择提供了严格的有效性论证，数值模拟进一步验证了有限样本下的表现。对您有用：该半参数化处理误分类的框架可迁移至流行病学因果推断中处理测量误差的设定，且 oracle 性质的理论推导对您关注的高维变量选择与半参数效率交叉领域有直接参考价值。
关键技术: semiparametric method, misclassification correction, oracle property, penalized variable selection, validation data
为什么对您有用: 半参数化处理误分类的框架可迁移至流行病学因果推断中处理测量误差的设定，且 oracle 性质的理论推导对您关注的高维变量选择与半参数效率交叉领域有直接参考价值。

3. 10.3150/25-bej1887 — Nonparametric logistic regression with deep learning¶

作者: Atsutomo Yara, Yoshikazu Terada
期刊/来源: Bernoulli
分类: vol 32 · issue 2
相关性 5/10 · novelty: weaker_assumption
摘要: 在非参数 logistic 回归设定下，由于 KL 散度易发散，传统基于 excess risk 的 MLE 收敛性分析常需强假设；本文在较温和的正则条件下研究 NPMLE 的收敛性。作者提出一种简单统一的分析框架，绕过 KL excess risk，直接在 Hellinger 距离下推导 NPMLE 的收敛速率。将此框架应用于全连接深度神经网络，证明其 NPMLE 的 Hellinger 收敛速率接近 minimax 最优速率。该工作提供了比现有研究更直接、假设更弱的证明路径。对您有用：直接关联您 primary interest 中的非参数理论，提供了在弱假设下 NPMLE 的近 minimax 收敛率证明框架，对非参数条件概率估计的理论分析有直接参考价值。
关键技术: nonparametric maximum likelihood estimator, Hellinger distance, minimax optimal rate, deep neural network approximation, excess risk analysis
为什么对您有用: 直接关联您 primary interest 中的非参数理论，提供了在弱假设下绕过 KL 散度发散问题、直接基于 Hellinger 距离证明 NPMLE 近 minimax 收敛速率的统一框架，对非参数条件概率估计的理论分析有直接参考价值。

4. 10.3150/25-bej1916 — Decompounding under general mixing distributions¶

作者: Denis Belomestny, Ekaterina Morozova, Vladimir Panov
期刊/来源: Bernoulli
分类: vol 32 · issue 2
相关性 2/10 · novelty: weaker_assumption
摘要: 本文研究复合模型 X=ξ₁+…+ξ_N 的去复合问题，目标是在已知 N 的分布（放松了传统的 Poisson 假设，允许一般混合分布）下，从 X 的观测样本中非参数重构 ξ 的密度。作者提出了一种非参数密度估计量，推导了其收敛速率，并在合适的分布函数类下证明了该速率的 minimax 最优性。最后通过模拟实验验证了算法的数值表现。对您而言，该文在放松混合分布假设下推导非参数估计 minimax rate 的理论框架，对您关注的非参数理论及收敛速率分析具有直接参考价值。
关键技术: nonparametric density estimation, decompounding, minimax optimal rate, characteristic function inversion, general mixing distribution
为什么对您有用: 直接关联您 primary interest 中的非参数理论，提供了在一般混合分布下非参数密度估计的 minimax 收敛速率证明，对处理复杂卷积结构的非参数推断具有方法学借鉴意义。

5. 10.3150/25-bej1899 — Monotone measure-transportation maps in Hilbert spaces, with statistical applications¶

作者: Alberto González-Sanz, Marc Hallin, Bodhisattva Sen
期刊/来源: Bernoulli
分类: vol 32 · issue 2
相关性 2/10 · novelty: new_theory
摘要: 在可分 Hilbert 空间中研究单调测度传输映射的存在性与唯一性，设定无需矩假设，仅要求概率测度 P 不赋予 Lipschitz 超曲面质量。证明存在凸函数梯度 ∇ψ 将 P 推前至 Q；在无穷维下，若 ∇ψ 定义域边界的 P 测度为零（有限维或 Q 有界支撑时自动满足），则唯一性成立。建立传输映射在紧正则集上的一致收敛稳定性，并由此导出可分 Hilbert 空间中最优二次传输代价波动的 CLT。基于 transport 定义 Hilbert 空间数据的 center-outward 秩与分位数，证明该秩是分布无关且最大辅助的，分位数函数完全刻画底层分布。将其应用于非参数分布无关假设检验与分位区域构建，这是非局部紧空间中首个满足上述性质的秩与分位概念。对您有用：为无穷维数据的非参数假设检验提供了严格基础，对您在非参数/半参数理论及假设检验方向的研究具有直接的理论借鉴价值。
关键技术: measure transportation, McCann's theorem, center-outward ranks and quantiles, distribution-free testing, Hilbert space CLT, maximal ancillary
为什么对您有用: 直接推进了无穷维空间中的非参数理论与分布无关假设检验，为您在非参数/半参数理论及假设检验方向的研究提供了全新的测度传输工具与渐近结果。

6. 10.3150/25-bej1901 — Bernstein-type inequalities for Markov chains and Markov processes: A simple and robust proof¶

作者: De Huang, Xiangyuan Li
期刊/来源: Bernoulli
分类: vol 32 · issue 2
相关性 2/10 · novelty: weaker_assumption
摘要: 本文研究一般（非可逆）离散时间马尔可夫链的 Bernstein 型偏差不等式，核心设定仅要求链满足迭代 Poincaré 不等式。作者提出了一种初等且鲁棒的证明方法，相比现有文献放松了对马尔可夫链可逆性及谱隙的严苛要求。该不等式给出了马尔可夫链样本均值偏离期望的指数尾概率界，是经验过程理论中的基础工具。方法进一步自然地推广至连续时间马尔可夫过程，展现了良好的普适性。主要理论结果为在弱依赖条件下获得了最优的 Bernstein 型集中不等式。对您有用：该不等式可作为您在半参数效率理论或高维统计中处理相依数据（如纵向因果推断或马尔可夫抽样）时推导收敛速率和经验过程极大值界的核心概率工具。
关键技术: Bernstein-type inequality, iterated Poincaré inequality, non-reversible Markov chains, concentration inequality, continuous-time Markov processes
为什么对您有用: 集中不等式是半参数理论与高维统计中经验过程的基础工具；该结果放松了可逆性假设，为您在纵向因果推断或 MCMC 抽样等相依数据设定下推导估计量的收敛速率与极大值界提供了更普适的概率引理。

7. 10.3150/25-bej1886 — Volatility and jump activity estimation in a stable Cox-Ingersoll-Ross model¶

作者: Elise Bayraktar, Emmanuelle Clément
期刊/来源: Bernoulli
分类: vol 32 · issue 2
相关性 2/10 · novelty: sharper_rate
摘要: 本文研究由标准布朗运动与非对称α-稳定Lévy过程驱动的α-稳定CIR模型中，波动率与跳跃活动度（α∈(1,2)）的参数估计问题。核心难点在于扩散成分与无限变差跳跃的叠加，使得传统估计难以达到速率有效。基于过程的高频观测，扩展Mies (2020)的方法，提出了波动率、尺度与跳跃活动度参数的联合估计量。理论证明该估计量在对数因子意义下达到速率最优。对您而言，本文在无限变差跳跃干扰下推导速率最优界的技术，可为半参数/非参数效率理论中处理复杂干扰项与最优收敛率提供数学参考。
关键技术: high-frequency observations, rate optimality, stable Lévy process, jump activity estimation, Cox-Ingersoll-Ross model
为什么对您有用: 本文属于数理统计与效率理论范畴，其在对数因子下达到速率最优的证明思路，对您在非参数/半参数理论中追求 sharper rate 或 minimax rate 有方法论上的借鉴意义。

8. 10.3150/25-bej1919 — Optimal matching problem on the Boolean cube¶

作者: Shi Feng
期刊/来源: Bernoulli
分类: vol 32 · issue 2
相关性 2/10 · novelty: new_theory
摘要: 在 Boolean cube {0,1}^d 上，研究 n 个 i.i.d. 均匀样本的经验测度与总体均匀测度之间期望 Wasserstein 距离的上下界问题。沿 Bobkov (2021) 的 Fourier 分析框架，将匹配问题转化为 Fourier 系数的控制问题，并结合大偏差理论给出速率估计。主要结果给出了期望 Wasserstein 距离关于样本量 n 与维度 d 的最优收敛速率上下界，填补了离散结构上 optimal matching rate 的理论空白。对您而言，Wasserstein 距离收敛速率是 nonparametric theory 的基础量，但 Boolean cube 设定较为特殊，直接迁移到连续 semiparametric 框架有限；Fourier 分析与大偏差的组合技术可作方法学参考。
关键技术: Fourier analysis on Boolean cube, large deviations theory, Wasserstein distance, optimal matching problem, empirical measure convergence rates
为什么对您有用: 与您 primary interest 中的 nonparametric theory 相关——Wasserstein 距离收敛速率是经验过程与非参数统计的基础量；但 Boolean cube 离散设定与您关注的连续 semiparametric/efficiency 框架距离较远，主要收益在于 Fourier 分析技术思路的借鉴。

9. 10.3150/25-bej1890 — Nonparametric Bayesian intensity estimation for covariate-driven inhomogeneous point processes¶

作者: Matteo Giordano, Alisa Kirichenko, Judith Rousseau
期刊/来源: Bernoulli
分类: vol 32 · issue 2
相关性 0/10 · novelty: new_theory
摘要: 本文研究在观测域随面积增长（growing domain asymptotics）的设定下，带有协变量的非齐次泊松点过程强度函数的非参数贝叶斯估计。协变量的引入使得能够从远距离位置借用信息，从而实现基于单次实现的一致推断。全局损失下的最优后验收缩率（posterior contraction rates）通过结合标准贝叶斯非参数先验条件与平稳过程泛函的集中不等式（concentration inequalities）来控制随机协变量依赖损失函数而获得。逐点损失下的局部收缩率则基于 Pólya tree 先验理论的最新进展，通过利用协变量诱导的随机几何结构扩展到当前多元设定而推导得出。该工作对您有用，因为它在非参数理论（特别是后验收缩率与集中不等式）上有深入推导，且点过程强度估计方法可直接迁移至天文统计（星系空间分布）或流行病学（疾病空间制图）的数据分析中。
关键技术: posterior contraction rates, inhomogeneous Poisson point process, Pólya tree priors, concentration inequalities, growing domain asymptotics, covariate-driven intensity
为什么对您有用: 深入发展了非参数理论中的后验收缩率与集中不等式技术，且其协变量驱动的点过程模型可直接应用于天文统计或流行病学的空间数据分析。

10. 10.3150/25-bej1918 — Estimating invertible processes in Hilbert spaces, with applications to functional ARMA processes¶

作者: Sebastian Kühnert, Gregory Rice, Alexander Aue
期刊/来源: Bernoulli
分类: vol 32 · issue 2
相关性 0/10 · novelty: new_theory
摘要: 本文在一般可分 Hilbert 空间中研究可逆泛函时间序列的定义算子估计问题，目标算子在白噪声创新假设下刻画了过程的可逆表示。作者在覆盖一大类泛函时间序列的温和正则条件下，构造了一致估计量并给出显式渐近误差界，收敛速率由算子光滑度与特征值衰减速度共同决定。核心工具是 Hilbert 空间中算子的谱截断估计，利用特征值衰减控制截断偏差与方差项的权衡。结果直接适用于 Hilbert 空间值因果线性过程（包括任意阶泛函 MA、AR、ARMA 模型）的算子一致性速率估计。对您而言，Hilbert 空间算子估计的渐近界推导与特征值衰减分析思路可迁移至 semiparametric theory 中无穷维参数的效率界讨论。
关键技术: Hilbert space operator estimation, spectral truncation, eigenvalue decay rate, functional ARMA processes, invertible process representation, consistency rate analysis
为什么对您有用: Hilbert 空间中算子估计的渐近误差界与特征值衰减分析，与 semiparametric theory 中无穷维参数估计的收敛速率理论有方法学重叠，可借鉴其截断偏差-方差权衡的思路。

11. 10.3150/25-bej1917 — Parametrization, prior independence, and the semiparametric Bernstein-von Mises theorem for the partially linear model¶

作者: Christopher D. Walker
期刊/来源: Bernoulli
分类: vol 32 · issue 2
相关性 0/10 · novelty: weaker_assumption
摘要: 在部分线性回归模型 Y=Xβ+f(Z)+ε 下，本文研究低维参数 β 的半参数 Bernstein-von Mises (BvM) 定理，目标是在对 β 与无穷维 nuisance f 施加独立先验时，证明后验渐近正态且方差达到半参数效率下界。核心创新是提出一种可行的重新参数化方案，使模型参数化反映半参数结构（即未知 f 导致的信息损失），从而避免以往半参数 BvM 定理中因信息损失而需满足的苛刻先验不变性条件。该重新参数化允许研究者对模型参数直接假设独立先验，同时自动修正信息损失的影响。定理在均匀小波级数先验与 Matérn 高斯过程先验下得到严格验证。对您而言，该文将半参数效率界与贝叶斯后验推断直接打通，其重新参数化技巧对半参数模型（如 proximal CI）中处理 nuisance 参数先验设定具有方法论借鉴价值。
关键技术: semiparametric Bernstein-von Mises theorem, partially linear model reparametrization, prior invariance condition relaxation, uniform wavelet series prior, Matérn Gaussian process prior, semiparametric efficiency bound
为什么对您有用: 直接连接您 primary interest 中的半参数理论与效率理论：通过重新参数化绕过先验不变性条件，为半参数 BvM 定理提供了更弱的假设框架，该技巧可迁移至 proximal CI 等含无穷维 nuisance 的因果推断模型中处理先验设定问题。

12. 10.3150/25-bej1920 — Robust functional data analysis: From sparse to dense designs¶

作者: Lingxuan Shao, Fang Yao
期刊/来源: Bernoulli
分类: vol 32 · issue 2
相关性 0/10 · novelty: new_theory
摘要: 在稀疏到稠密采样设计的离散观测函数数据设定下，本文研究具有重尾、偏态或污染分布过程的稳健函数数据分析问题。提出基于 M-location 的稳健函数均值方法，并引入稳健主成分分析（PCA）进行降维。理论上，基于混合离散观测数据的稳健均值和特征函数估计量达到了与非稳健方法相同的收敛速率。此外，对随样本量增加而索引递增的特征函数估计，本文建立了其收敛率，为后续高维建模奠定基础。该文对您在非参数理论中处理重尾函数数据及特征函数收敛率的分析有直接借鉴意义，其 M-估计量理论可迁移至因果推断中稳健均值的估计。
关键技术: robust functional data analysis, M-location estimator, robust functional PCA, convergence rate for eigenfunctions, sparse and dense functional designs
为什么对您有用: 涉及非参数理论中的 M-估计与特征函数收敛率，对您在非参数/半参数理论及高维降维方向有直接参考价值；其稳健性框架可迁移至因果推断中处理异常值或重尾数据。

效率理论 / Debiased ML (efficiency_dml, 1 篇)¶

1. 10.3150/25-bej1882 — Functional estimation in high-dimensional and infinite-dimensional models¶

作者: Vladimir Koltchinskii, Minghao Li
期刊/来源: Bernoulli
分类: vol 32 · issue 2
相关性 9/10 · novelty: new_theory
摘要: 本文研究在高维和无限维模型中，基于 i.i.d. 观测估计平滑泛函 f(θ(P)) 的问题，其中参数 θ(P) 取值于 Banach 空间。作者利用初始估计量、样本分割以及泛函的适当阶数 Taylor 展开，构造了泛函估计量 T_f。对于光滑度为 s≥1 的泛函，推导了 T_f 的 L_p 误差上界，并证明其对样本量 n、参数复杂度及光滑度 s 的依赖具有最优性。文章进一步研究了该估计量的渐近正态性与渐近有效性。应用实例涵盖高维指数族泛函估计及无限维次高斯模型下的协方差算子泛函估计。对您有用：该文将高阶 Taylor 展开偏差校正与渐近效率结合，直接推进您在 efficiency theory (semiparametric efficiency bounds) 和 high-dimensional statistics 的研究，其高阶展开技巧对理解 debiased ML 机制有重要参考价值。
关键技术: functional estimation, sample splitting, higher-order Taylor expansion, asymptotic efficiency, high-dimensional exponential family, covariance operator estimation
为什么对您有用: 直接推进您在 efficiency theory (semiparametric efficiency bounds) 和 high-dimensional statistics 方向的研究；其基于高阶 Taylor 展开的偏差校正方法对理解 debiased ML 和高维/无限维泛函推断具有直接的理论借鉴意义。

数理统计 / 假设检验 (hypothesis_testing, 4 篇)¶

1. 10.3150/25-bej1911 — Locally sharp goodness-of-fit testing in sup norm for high-dimensional counts¶

作者: Subhodh Kotekal, Julien Chhor, Chao Gao
期刊/来源: Bernoulli
分类: vol 32 · issue 2
相关性 8/10 · novelty: sharper_rate
摘要: 本文研究高维计数数据（大类别数的Poisson数据和高维多项分布）在 sup norm 下的 goodness-of-fit 检验问题，目标是在局部最小最大框架下刻画检验的分离速率。作者发现局部最小最大分离速率表现出显著的异质性，且由零分布下类别速率的精细衰减行为决定。上界通过基于样本最大值的检验统计量获得，下界证明则通过将原始的异方差零分布归约为由速率衰减决定的辅助同方差零分布来实现。在特定的渐近设定下，本文进一步识别了分离速率的精确常数，从而得到了局部尖锐的结果。对您有用：该文将高维假设检验的局部最小最大理论推进到 sup norm 和精确常数层面，直接契合您在 mathematical statistics (hypothesis testing) 和 high-dimensional statistics 上的核心兴趣，其下界归约技巧对高维非参数检验的率最优性研究有重要借鉴意义。
关键技术: local minimax separation rate, sup norm goodness-of-fit, high-dimensional multinomial, heteroskedastic to homoskedastic reduction, sample maximum test, sharp constants
为什么对您有用: 直接契合您在 mathematical statistics (hypothesis testing) 和 high-dimensional statistics 的核心兴趣；其局部最小最大分离速率的精确刻画及异方差到同方差的下界归约技巧，对高维非参数检验的率最优性研究具有重要借鉴价值。

2. 10.3150/25-bej1914 — Covariance change point localisation and inference in fragmented functional data¶

作者: Gengyu Xue, Haotian Xu, Yi Yu
期刊/来源: Bernoulli
分类: vol 32 · issue 2
相关性 4/10 · novelty: new_theory
摘要: 在碎片化函数数据（每条曲线仅在随机短片段的离散格点上观测）的序列设定下，研究协方差函数变点的定位与推断问题，假设协方差函数序列分段常数、变点位置未知。提出碎片化函数动态规划（FFDP）算法实现变点估计，证明其具有一致的变点定位速率；进一步通过局部精细化步骤，在最小跳跃量趋于零和固定两种情形下分别导出变点估计量的极限分布，这是碎片化函数数据变点文献中首次出现的极限分布结果。作为副产品，给出含变点区间上协方差函数估计量的非渐近误差界，并在新可识别性条件下量化了片段内采样格点大小的影响。对您而言，变点推断的极限分布理论与非渐近界技术可直接迁移至您关注的假设检验与数学统计方向，尤其是序列依赖结构下的推断问题。
关键技术: dynamic programming for change point localisation, local refinement for limiting distributions, non-asymptotic concentration bounds, fragmented functional covariance estimation, piecewise constant covariance model
为什么对您有用: 变点推断的极限分布与非渐近界技术直接关联您 primary interest 中的假设检验与数学统计理论；碎片化观测下的可识别性条件与估计误差分析可为高维/非参数设定下的类似推断问题提供技术借鉴。

3. 10.3150/25-bej1904 — Empirical Bayes large-scale multiple testing for high-dimensional binary outcome data¶

作者: Yu-Chien Bo Ning
期刊/来源: Bernoulli
分类: vol 32 · issue 2
相关性 0/10 · novelty: new_theory
摘要: 本文研究高维稀疏二值结果数据的大规模多重检验问题，目标是在稀疏假设下控制错误发现率（FDR）。作者提出基于 spike-and-slab 后验的经验贝叶斯检验程序，发现使用默认共轭先验的 ℓ-value 程序在估计 FDR 时过于保守。为此引入两种新程序以实现准确的 FDR 控制，并建立了严密的频率派理论结果。这是首个在高维二值数据多重检验中获得一致 FDR 控制结果的工作。对您有用：该工作直接推进了高维假设检验理论，其 spike-and-slab 经验贝叶斯与严密频率界结合的思路可为您的高维统计与假设检验研究提供新视角。
关键技术: empirical Bayes, spike-and-slab posterior, false discovery rate (FDR), multiple testing, uniform FDR control
为什么对您有用: 直接契合您的高维统计与假设检验主兴趣，提供了高维二值数据下首个一致 FDR 控制的严密频率理论结果，其修正保守 ℓ-value 的方法对高维推断有直接参考价值。

4. 10.3150/25-bej1889 — A general maximal projection approach to uniformity testing on the hypersphere¶

作者: Jaroslav I. Borodavka, Bruno Ebner
期刊/来源: Bernoulli
分类: vol 32 · issue 2
相关性 0/10 · novelty: new_theory
摘要: 本文研究 d 维单位超球面上的均匀性检验问题，基于最大投影提出了一种统一的检验框架。该方法将经典的 Rayleigh 和 Bingham 检验纳入统一视角，并与多元偏度和峰度度量建立联系。在原假设下，利用 Banach 空间值随机过程的极限定理推导了检验统计量的极限分布，并结合球面调和函数理论给出了模拟极限过程的策略。研究证明了该检验在相邻备择假设和固定备择假设下的相合性，并首次在球面均匀性检验中推导了局部 Bahadur 效率。这对您有用：直接推进了数学统计中的假设检验与非参数理论，局部 Bahadur 效率分析切中您的效率理论兴趣，且月球陨石坑数据应用符合您的天体统计次级兴趣。
关键技术: maximal projection, uniformity testing on hypersphere, Banach space valued stochastic processes, spherical harmonics, local Bahadur efficiency
为什么对您有用: 直接对应您 primary interest 中的数学统计假设检验与非参数理论，其局部 Bahadur 效率分析切中效率理论方向；同时月球陨石坑数据集的应用符合您 astrostats 的 secondary interest。

统计计算 / 算法 (stat_computing, 3 篇)¶

1. 10.3150/25-bej1894 — Principles of statistical inference in online problems¶

作者: Man Fung Leung, Kin Wai Chan
期刊/来源: Bernoulli
分类: vol 32 · issue 2
相关性 6/10 · novelty: new_method
摘要: 本文研究在线统计推断中长期方差估计面临的统计与计算效率两难问题，提出核权重二次型分解及在线推断原则。基于该分解，刻画了高效的在线长期方差估计量，渐近理论与模拟均表明其 MSE 一致低于现有方法。讨论了 mini-batch 与自动更新等实用增强技术以处理快速流数据与最优参数调优。将所提方差估计量应用于在线分位数回归、在线变点检测、MCMC 收敛诊断及随机逼近，计算成本与有限样本性质均有显著改善。对您有用：该工作在统计计算（在线算法、流数据）与效率理论（在线估计量的 MSE 最优性）交叉处提出新原则，对您关注的统计计算数值方法与效率理论有直接参考价值。
关键技术: online long-run variance estimation, kernel weight decomposition, quadratic form, mini-batch updates, online change point detection, stochastic approximation
为什么对您有用: 该工作在统计计算（在线算法、流数据）与效率理论（在线估计量的 MSE 最优性）交叉处提出新原则，对您关注的统计计算数值方法与效率理论有直接参考价值。

2. 10.3150/25-bej1912 — Dimension-free relaxation times of informed MCMC samplers on discrete spaces¶

作者: Hyunwoong Chang, Quan Zhou
期刊/来源: Bernoulli
分类: vol 32 · issue 2
相关性 6/10 · novelty: new_theory
摘要: 本文研究离散空间上 informed Metropolis-Hastings 算法的收敛速度，目标是在高维模型选择设定下给出与维度无关的松弛时间（relaxation time）条件。核心方法是利用高维统计理论建立充分条件，允许后验多峰，使一类 informed MH 的松弛时间不依赖于问题维度。证明通过两条独立技术路线完成：multicommodity flow 方法与 single-element drift condition 分析，后者给出略紧的混合时间界。理论结果适用于广泛离散参数空间统计问题，并通过理论与数值例子验证。对您而言，若关注高维离散空间 MCMC 算法的收敛保证与 drift/flow 技术工具，本文的维度无关界与证明手法可作统计计算方向的参考。
关键技术: informed Metropolis-Hastings, multicommodity flow method, single-element drift condition, dimension-free relaxation time, Bayesian model selection
为什么对您有用: 与您 primary interest 中的统计计算（算法）方向相关：提供了高维离散空间 MCMC 采样器的维度无关收敛界及 drift/flow 两种证明工具，可迁移至其他离散空间算法分析。

3. 10.3150/25-bej1891 — Simulating conditioned diffusions on manifolds¶

作者: Marc Corstanje, Frank van der Meulen, Moritz Schauer, Stefan Sommer
期刊/来源: Bernoulli
分类: vol 32 · issue 2
相关性 2/10 · novelty: new_method
摘要: 本文研究流形 M 上条件扩散过程的模拟问题，目标是在 Doob's h-transform 框架下构造给定终点 x_T 的扩散轨迹，但 h 函数通常无闭式解。为此，作者将欧氏空间中的 guided process 推广至流形，用基于流形热核的近似函数替代未知的 h。针对流形标架丛上带漂移的布朗运动，文章严格证明了条件过程与 guided process 定律的等价性，并给出了可计算的 Radon-Nikodym 导数。进一步，该工作证明对于与 M 微分同胚的任意流形 N，无需已知 N 上的热核即可构造相应的 guided process。数值实验在环面和庞加莱圆盘上验证了模拟算法，并展示了基于离散观测的贝叶斯参数估计。对您在统计计算（数值方法与算法）方面的兴趣有直接参考价值，其流形上的模拟与推断方法也可迁移至具有流形约束的天文空间数据分析。
关键技术: Doob's h-transform, guided processes, heat kernel on manifolds, frame bundle, Radon-Nikodym derivative, Bayesian parameter estimation
为什么对您有用: 直接关联您在统计计算（数值方法与算法）方面的兴趣；流形上的扩散模拟与贝叶斯推断方法也为处理具有流形结构的数据（如天文空间统计）提供了潜在的数值计算工具。

其他 (other, 11 篇)¶

1. 10.3150/25-bej1898 — Stein’s method of moments on the sphere¶

作者: Adrian Fischer, Robert E. Gaunt, Yvik Swan
期刊/来源: Bernoulli
分类: vol 32 · issue 2
相关性 5/10 · novelty: new_method
摘要: 本文在 i.i.d. 设定下，利用 Stein 特征化为三种经典球面分布（Fisher-Bingham、von Mises-Fisher 和 Watson）构造了新的矩类型参数估计量。核心机制是通过 Stein 方程将参数与分布矩联系，从而得到显式估计量，避免了 MLE 的复杂迭代计算。理论结果表明，这些新估计量具有接近 MLE 的渐近效率，为经典极大似然和 score matching 估计提供了有竞争力的替代方案。模拟研究与手写数字球面潜在表示的真实数据验证了其实用性。对您可能有用：虽然本文聚焦参数估计，但基于 Stein 方程构造近似有效估计量的思路，对您在 efficiency theory 方向探索半参数正交得分与影响函数构造具有启发价值。
关键技术: Stein characterization, method of moments, asymptotic efficiency, spherical distributions, score matching
为什么对您有用: 涉及 efficiency theory（近渐近有效）与 mathematical statistics（Stein 方法构造估计量），虽然属于参数设定，但 Stein 方程构造有效得分的思路可迁移至半参数效率理论中的正交得分构造。

2. 10.3150/25-bej1892 — Probabilistic cellular automata with local transition matrices: Synchronization, ergodicity, and inference¶

作者: Erhan Bayraktar, Fei Lu, Mauro Maggioni, Ruoyu Wu, Sichen Yang
期刊/来源: Bernoulli
分类: vol 32 · issue 2
相关性 2/10 · novelty: new_theory
摘要: 在环形图上的有限状态局部交互马尔可夫链（概率元胞自动机）设定下，目标是推断局部转移矩阵并刻画其同步与遍历性质。作者首先建立了局部转移矩阵使系统达到同步或遍历的充分必要条件。针对多轨迹、单长轨迹及无轨迹信息的集成序列三种数据类型，提出了新型最小二乘估计量来推断局部转移矩阵。在适当的可识别性条件下，证明了这些估计量的渐近正态性，并给出了估计精度的非渐近界。对您而言，该文对交互马尔可夫链推断的渐近正态性与非渐近界证明属于严格数理统计范畴，可为处理复杂依赖结构数据的推断理论提供方法借鉴。
关键技术: probabilistic cellular automata, interacting Markov chain, least squares estimation, asymptotic normality, non-asymptotic bounds
为什么对您有用: 虽然不属于因果推断或高维统计，但其对交互马尔可夫链推断的渐近正态性与非渐近界证明属于严格数理统计范畴，可为处理复杂依赖结构数据的推断理论提供参考。

3. 10.3150/25-bej1895 — Diffusion processes as Wasserstein gradient flows via stochastic control of the volatility matrix¶

作者: Bertram Tschiderer
期刊/来源: Bernoulli
分类: vol 32 · issue 2
相关性 1/10 · novelty: new_theory
摘要: 本文研究 ℝⁿ 上具有相同不变测度但波动率矩阵不同的时齐扩散过程，探讨其时间边际分布的 Wasserstein 梯度流性质。在欧氏设定下，当波动率矩阵为单位阵时，作者证明时间边际分布在二次 Wasserstein 空间中沿熵梯度流演化，恢复了 Jordan-Kinderlehrer-Otto 对 Fokker–Planck 方程的梯度流刻画。在黎曼度量设定下，当波动率矩阵为度量张量的逆时，扩散过程成为由该度量诱导的 Wasserstein 空间中的梯度流。核心证明工具结合了对扩散系数的随机控制与时间反转技术。理论结果与 Lisini 基于度量理论及 Fathi 的大偏差理论相联系。对您而言，虽然本文偏概率与最优传输理论，但其对扩散过程波动率矩阵的随机控制与梯度流刻画，可为统计计算中基于扩散的采样算法设计或流形上的非参数推断提供几何与动力学视角的参考。
关键技术: Wasserstein gradient flow, Fokker-Planck equation, stochastic control of volatility, time-reversal technique, Riemannian metric tensor
为什么对您有用: 虽然本文核心为概率论与最优传输，但 Wasserstein 梯度流与扩散过程的刻画对统计计算中的采样算法设计及流形上的非参数推断有潜在的几何与动力学启发。

4. 10.3150/25-bej1893 — Moderate deviation principles for a reaction diffusion model in non-equilibrium¶

作者: Linjie Zhao
期刊/来源: Bernoulli
分类: vol 32 · issue 2
相关性 1/10
摘要: ```json { "topic": "other", "summary_zh": "本文研究非平衡态下反应扩散模型（对称排斥过程与Glauber动力学的叠加）偏离流体力学极限的中偏差原理（MDP）。在初始分布为常数密度的乘积测度（非平衡测度）的设定下，证明了重新标度的密度涨落场满足中偏差原理。核心证明工具是Jara与Menezes提出的"main lemma"技术，用于处理非平衡态下粒子系统的涨落分析。该工作属于概率论与数学物理中交互粒子系统/流体力学极限的方向，与统计推断方法论关联较弱。对您而言，若关注概率论中moderate deviation技术在统计假设检验或高维推断中的迁移应用，可作背景参考，但直接关联有限。", "key_techniques": [ "moderate deviation principle", "hydrodynamic limits", "symmetric exclusion process", "Glauber dynamics", "density fluctuation field", "non-equilibrium product measure" ], "why_relevant": "与您的主要兴趣方向（因果推断、高维统计、效率理论等）直接关联很弱；仅当您对mod

5. 10.3150/25-bej1888 — A fractional stochastic differential equation with discontinuous diffusion driven by fBm with Hurst parameter less than 1∕2¶

作者: Johanna Garzón, Jorge A. León, Jorge Lozada, Soledad Torres
期刊/来源: Bernoulli
分类: vol 32 · issue 2
相关性 1/10 · novelty: new_theory
摘要: 本文研究由 Hurst 参数 H<1/2 的分数布朗运动驱动的、扩散系数不连续的随机微分方程（SDE）解的存在性与唯一性。核心机制是采用 León (2020) 提出的 Stratonovich 积分的扩展形式来处理粗糙路径下的随机积分，从而在 H<1/2 的设定下建立解的适定性。该结果填补了已有文献中仅针对 H>1/2 情况的理论空白。该文属于纯概率论与随机分析范畴，与您关注的统计推断、半参数效率或高维统计等核心方向关联较弱，仅在对 fBm 驱动的过程进行模拟计算时可能有极间接的参考价值。
关键技术: fractional Brownian motion, stochastic differential equation, Stratonovich integral extension, discontinuous diffusion coefficient, existence and uniqueness
为什么对您有用: 本文属于纯随机分析理论，与您的核心兴趣（因果推断、高维统计、效率理论等）无直接关联；仅在统计计算中模拟粗糙路径过程时有极间接的参考价值。

6. 10.3150/25-bej1926 — Tame sparse exponential random graphs¶

作者: Suman Chakraborty, Remco van der Hofstad, Frank den Hollander
期刊/来源: Bernoulli
分类: vol 32 · issue 2
相关性 1/10 · novelty: new_theory
摘要: 在稀疏二项随机图框架下，本文研究包含大量三角形顶点的概率的精确估计，其对数概率估计精确到二阶。基于此估计，提出以三角形顶点数为充分统计量的指数随机图模型(ERGM)，通过调节单一参数可高概率地诱导任意给定比例的三角形顶点。进一步推导了该模型下边数的大偏差原理(LDP)，并作为副产品提出调节参数的一致估计量。核心工具为稀疏图上的大偏差理论与组合概率方法。该文属于随机图概率论方向，与您的主要兴趣直接关联较弱，但大偏差原理与一致估计的数学统计视角或对 mathematical statistics 子方向有参考价值。
关键技术: large deviation principle, exponential random graph model, sparse binomial random graph, consistent estimation, triangle vertex counting
为什么对您有用: 大偏差原理与一致估计量属于 mathematical statistics 范畴，但本文核心为随机图概率论，与您 primary interests 的直接交集有限；若关注网络数据的假设检验或估计理论，可作背景参考。

7. 10.3150/25-bej1897 — Scaling limit for the cover time of the λ-biased random walk on a binary tree with λ<1¶

作者: David A. Croydon
期刊/来源: Bernoulli
分类: vol 32 · issue 2
相关性 0/10 · novelty: new_theory
摘要: 本文研究深度为 n 的二叉树上 λ-偏向随机游走的覆盖时间（cover time）在 λ<1 时的 n→∞ 尺度极限。λ-偏向随机游走是连续时间 Markov 链，非根非叶节点以 λ 倍概率跳向父节点而非子节点。作者证明了覆盖时间的分布极限可由 Cantor 集上的跳跃过程描述，该 Cantor 集可视作树的渐近边界。此结果补全了此前 λ≥1 情形的已知结论。该工作属于纯概率论与随机过程方向，与您列出的核心兴趣（因果推断、高维统计、效率理论等）无直接方法学交叉。
关键技术: scaling limit, cover time, biased random walk on trees, Cantor set boundary, distributional convergence
为什么对您有用: 本文属纯概率论方向，与您的 primary/secondary interests 无直接关联；仅在随机过程收敛性这一极宽泛层面有微弱联系，阅读收益有限。

8. 10.3150/25-bej1922 — First contact percolation¶

作者: Benedikt Jahnel, Lukas Lüchtrath, Anh Duc Vu
期刊/来源: Bernoulli
分类: vol 32 · issue 2
相关性 0/10
摘要: { "topic": "other", "summary_zh": "本文研究 $\mathbb{Z}^d$ 上的 first contact percolation 模型，将经典 first passage percolation 的随机边权替换为以随机闭集表示的接触时间，感染沿递增接触时间序列传播。在平稳接触时间下，通过关联经典 first passage percolation 模型，建立了 shape theorem；在周期性接触时间（反映日内重复模式）下，证明了极限形状对日内接触分布具有 universality，并对日内接触数递增情形给出 Poisson 逼近。比较三种校准为每日期望接触数为 1 的模型后发现，随机性越小感染传播速度越快。证明核心依赖 coupling 与 subergodicity 论证。该文属于概率论/随机几何方向，与您关注的因果推断或高维统计推断方法论无直接关联。", "key_techniques": [ "first passage percolation", "random closed sets", "shape theorem", "coupling arguments", "subergodicity", "Poisson approximation" ], "why_

9. 10.3150/25-bej1908 — Multitype branching processes in random environments with not strictly positive expectation matrices¶

作者: Vilma Orgoványi, Károly Simon
期刊/来源: Bernoulli
分类: vol 32 · issue 2
相关性 0/10 · novelty: minor
摘要: 本文研究随机环境中多类型分支过程（MBPRE）的几乎必然存活概率，在期望矩阵不满足严格正则性条件下，建立与 Lyapunov 指数正负性相关的存活/灭绝判据。经典结果要求期望矩阵严格正，本文放松该假设，证明当 Lyapunov 指数为正时存活概率仍为正、为负时存活概率为零。核心工具是随机矩阵乘积的 Lyapunov 指数理论与非正矩阵情形下的谱分析。应用方面，结果用于分类直线上重叠随机自相似集的 Lebesgue 测度正性。该文属于概率论方向，与您关注的 RMT 在高维统计推断中的应用场景不同，Lyapunov 指数技术或可参考但直接关联较弱。
关键技术: Lyapunov exponent, random matrix products, multitype branching processes, non-positive expectation matrices, self-similar sets
为什么对您有用: 涉及随机矩阵乘积与 Lyapunov 指数，与您 primary interest 中的 RMT 有远端技术重叠，但本文聚焦概率论/分形而非高维统计推断，直接收益有限。

10. 10.3150/25-bej1913 — Long time TV-Wℓ1 type propagation of chaos for mean field interacting particle system¶

作者: Xing Huang, Fen-Fen Yang, Chenggui Yuan
期刊/来源: Bernoulli
分类: vol 32 · issue 2
相关性 0/10 · novelty: new_theory
摘要: 本文研究由 Lévy 噪声驱动的平均场交互粒子系统的长时间 TV-Wℓ1 型混沌传播（propagation of chaos, PoC），其中 TV 为全变差距离、Wℓ1 为 L1-Wasserstein 距离，核心假设为非交互漂移项在长距离下具有耗散性（dissipative）。通过耦合（coupling）方法，作者建立了具有正则化效应的 PoC 一般性结果，并将该结果分别应用于由 Brown 运动和 α(α>1)-稳定噪声驱动的系统，给出了粒子系统经验分布与平均场极限之间在混合距离下的长时间收敛速率。该工作属于概率论与随机分析范畴，与您关注的统计推断或效率理论无直接关联，但耦合技术与耗散条件下的长时间行为分析对粒子滤波等统计计算算法的理论分析有潜在参考价值。
关键技术: coupling method, propagation of chaos, TV-Wℓ1 mixed distance, Lévy noise driven SDE, dissipative drift, mean field limit
为什么对您有用: 与您 primary interest 中的 statistical computing 有弱关联：平均场粒子系统是 sequential Monte Carlo / particle filter 的理论基石，PoC 结果可为粒子算法的长时间稳定性提供概率保证，但本文本身是纯概率论工作，方法学迁移需额外努力。

11. 10.3150/25-bej1883 — Bernstein duality revisited: Frequency-dependent selection, coordinated mutation and opposing environments¶

作者: Fernando Cordero, Sebastian Hummel, Grégoire Véchambre
期刊/来源: Bernoulli
分类: vol 32 · issue 2
相关性 0/10 · novelty: new_theory
摘要: 本文研究一类含频率依赖选择、协调（双向）选择以及个体与协调突变的 Λ-Wright–Fisher 过程的长期行为。核心分析工具是 Bernstein 对偶性（moment duality 的推广），作者构造了对应的对偶过程并建立了对偶关系。在无突变情形下，该工作补充了此前基于 moment duality 或 Siegmund duality 对类似过程长期行为分类的结果，特别是涵盖了对 moment duality 方法而言难以处理的双向选择参数区域。在有突变情形下，作者证明了过程的遍历性质。该文属于随机过程与数学生物学交叉领域，与您关注的因果推断、高维统计或半参数效率理论等方向无直接关联。
关键技术: Bernstein duality, Λ-Wright–Fisher process, moment duality, Siegmund duality, frequency-dependent selection, ergodicity of Markov processes
为什么对您有用: 本文属于概率论/数学生物学领域，与您 primary interests（因果推断、高维统计、效率理论、U-统计量等）及 secondary interests 均无直接方法学重叠，仅在对偶性思想（duality as analytical tool）上存在极远端的抽象联系。

Maintained by 陈星宇 · Homepage · Source on GitHub