Bernoulli — Vol 31 Issue 4 · 2026-06-18¶

共 33 篇 · Bernoulli
目录核对 ⚠️ 疑似漏 1 篇（对照 OpenAlex 34 篇）：10.3150/24-bej1847

本期导览¶

自动生成：归纳本期主要主题与脉络，不打分、不排名。

本期《Bernoulli》第31卷第4期33篇论文从方法结构上看，横跨四条主线。首先，因果推断与数据融合汇聚了4篇：围绕“Data fusion methods for the heterogeneity of treatment effect and confounding function”使用半参数得分函数整合RCT与观测数据以提升HTE估计效率；“Sequential kernel embedding for mediated and time-varying dose response curves”用核方法处理连续处理/中介/混杂下的非参估计；“Treatment effect estimation with efficient data aggregation”结合LASSO后选择推断与meta分析保护隐私；“Weak equivalence of local independence graphs”揭示了局部独立图马尔可夫等价性的计算困难并引入弱等价类。其次，假设检验贡献了7篇，覆盖局部拟合优度（极小极大率）、bootstrap方法（函数线性模型、逻辑回归二阶校正PEBBLE）、半参检验（INAR模型、copula模式、矩存在性）以及序贯检验的Ville不等式推广。第三，非参数/半参数推断与效率理论占据最大板块——9篇涉及单指标模型的同时置信带与Bahadur表示、Kronecker协方差的信息几何与渐近有效估计、加性并发回归的最优速率与模型选择、变系数回归的结构约束与参数帮助降偏、删失分位数回归的Laguerre逼近与效率界、对数凹图模型的MLE结构、图on均场粒子系统的反卷积估计等。此外，高维稳健估计有2篇（谱降维均值估计、矩阵Kendall's tau），统计计算2篇（离散格式保极限、Hawkes过程大偏差）。

最突出的主线是半参数效率与数据融合。数据融合一文在RCT加观测数据框架下联合识别HTE和混杂函数，并显式推导出整合估计量比仅用RCT更高效的半参数效率条件，直接延展了半参数效率理论的应用边界。删失分位数回归一文通过Laguerre多项式将误差分布参数化到任意连续族，同时保证了目标分位数恰好为零，并给出了半参数效率界，是现有删失分位数回归方法中首次达到理论效率最优的构造。变系数回归一文系统建立了局部线性核估计的backfitting收敛性和渐近分布，并引入parametric help技术降低偏置而不增方差，可作为变系数模型的通用工具。单指标模型一文证明了参数与非参数分量的联合弱收敛近似独立，并据此构造同时置信带和联合检验，其反直觉的渐近独立性依赖于RKHS与经验过程的精细分析。

假设检验线中，bootstrap与高阶校正值得关注：PEBBLE通过对逻辑回归的格点MLE平滑，首次实现学生化统计量的二阶正确Edgeworth展开；函数线性模型的检验利用所有经验主成分（无需选择个数），借助自助法最大统计量和方差衰减特性保持渐近有效性，这是“估计需选主成分数、检验却不用”的有趣差异。局部拟合优度检验的极小极大率在Hölder光滑度≤1时完全刻画，且下界依赖于已知密度p0的形态，展示了非参检验问题分解的主体-尾部技术。序贯检验部分延伸了nonintegrable非负超鞅的Ville不等式，为e-processes和置信序列提供更灵活的基础。

高维与鲁棒性虽仅两篇但各有独特工具：均值向量稳健估计通过迭代谱降维在不需污染率先验下达到近极小极大最优且崩溃点为1/2；矩阵Kendall's tau为椭圆分布矩阵值数据提供无需矩条件的因子恢复，特征值比准则同时确定因子数，对重尾和异常值稳健。

与因果推断直接相关的优先看“Data fusion methods for the heterogeneity of treatment effect and confounding function”（半参数效率用于异质性处理效应）、“Sequential kernel embedding for mediated and time-varying dose response curves”（核方法扩展连续因果路径）、“Treatment effect estimation with efficient data aggregation”（高维隐私保护ATE整合）、“Weak equivalence of local independence graphs”（图因果模型的计算复杂性）。与半参数效率最贴的还有“Efficient quantile regression under censoring using Laguerre polynomials”和“Simultaneous semiparametric inference for single-index models”。高维方向优先看“Nearly minimax robust estimator of the mean vector by iterative spectral dimension reduction”和“A new non-parametric Kendall’s tau for matrix-valued elliptical observations”。

因果推断 (causal_inference, 4 篇)¶

1. 10.3150/24-bej1835 · arXiv — Data fusion methods for the heterogeneity of treatment effect and confounding function¶

作者: Shu Yang, Siyi Liu, Donglin Zeng, Xiaofei Wang
期刊/来源: Bernoulli
机构: North Carolina State University
分类: vol 31 · issue 4
相关性 9/10 · novelty: new_theory
摘要: 在数据融合框架下，目标是利用受隐藏混杂影响的观察性研究来增强随机对照试验(RCT)对异质性处理效应(HTE)的估计，关键假设是混杂函数刻画了未测量混杂对观测效应与因果效应偏差的影响且在观察性数据中不可识别。通过耦合RCT与观察性数据，本文证明了HTE与混杂函数的联合可识别性，并基于此推导出半参数有效得分函数(semiparametric efficient scores)。进而提出HTE与混杂函数的整合估计量(integrative estimator)，并明确给出了整合估计量比仅用RCT估计量严格更高效的条件。模拟与实证应用验证了方法的有效性。对您有用：本文将半参数效率理论直接应用于因果推断的数据融合与混杂敏感性分析，与您在效率理论及因果identification上的核心兴趣高度契合。
关键技术: confounding function, data fusion, semiparametric efficient score, heterogeneity of treatment effect, integrative estimator
为什么对您有用: 本文直接连接到因果推断中的混杂敏感性分析(confounding function视角)与半参数效率理论两个具体子方向。您武器库中very_familiar的'estimation theory in causal inference'与moderately_familiar的'semiparametric theory'可直接攻破本文的efficient score推导与效率增益条件分析。立即可做：用您熟悉的半参数效率界工具验证其声称的效率增益条件是否紧，或将其confounding function框架推广至longitudinal/mediation设定。

2. 10.3150/24-bej1836 · arXiv — Sequential kernel embedding for mediated and time-varying dose response curves¶

作者: Rahul Singh, Liyuan Xu, Arthur Gretton
期刊/来源: Bernoulli
分类: vol 31 · issue 4
相关性 9/10 · novelty: new_method
摘要: 在连续处理、中介与混杂的一般度量空间设定下，目标是估计 mediated 与 time-varying dose response curve，允许非线性 treatment-confounder feedback。核心创新是提出 sequential kernel embedding 技术，将 Pearl 的 mediation formula 与 Robins' g-formula 嵌入 RKHS，通过 kernel ridge regression 构造非参数估计量。估计量保留了经典 identification 的通用性，并获得了 nonasymptotic uniform convergence rate；同时验证了 semiparametric efficiency 与 weak convergence。实证部分在非线性高维模拟及 US Job Corps 数据上展示了优良表现，并提供了 benchmark 数据集。对您有用：本文将 longitudinal causal inference 的 g-formula 与 RKHS 非参数方法结合，直接触及您 primary interest 中的 longitudinal CI 与 semiparametric efficiency 理论。
关键技术: sequential kernel embedding, kernel ridge regression, RKHS embedding of g-formula, nonasymptotic uniform rate, semiparametric efficiency, weak convergence of counterfactual distributions
为什么对您有用: 本文直接连接您 primary interest 中的 longitudinal causal inference（Robins' g-formula）与 semiparametric/nonparametric theory（RKHS embedding + efficiency bound）。您 technical_arsenal 中的 nonparametric statistics 与 minimax bounds 可用于审视其声称的 nonasymptotic uniform rate 是否紧；moderately_familiar 的 semiparametric theory 可切入其 efficiency 与 weak convergence 的推导。Follow-up 判断：中期可做——需先在 moderately_familiar 的 semiparametric theory 上长肌肉，特别是 RKHS 下 influence function 的构造与 efficiency bound 的验证，方可评估其 rate 的 minimax optimality 并探索可能的 debiased/KR 改进。

3. 10.3150/24-bej1782 · arXiv — Treatment effect estimation with efficient data aggregation¶

作者: Snigdha Panigrahi, Jingshen Wang, Xuming He
期刊/来源: Bernoulli
分类: vol 31 · issue 4
相关性 8/10 · novelty: new_method
摘要: 本文关注多研究数据聚合（meta分析）中平均处理效应（ATE）的估计问题，设定为每个研究使用LASSO从高维协变量中选择稀疏模型，但后选择估计量存在偏差。作者引入“data carving”技术，通过条件推断聚合各研究的简单汇总统计量（如选中的模型系数和选择信息），构造一个新的无偏估计量，无需共享或存储原始数据即可实现隐私保护。方法核心在于利用选择事件的分布进行贝叶斯调整，消除选择偏差，同时保持估计量的无偏性。理论部分证明了估计量的无偏性和渐近正态性，并给出了方差表达式。该工作将LASSO后选择推断与meta分析有机结合，直接适用于因果推断中的ATE整合，对高维设定下的多中心研究具有实际意义。
关键技术: data carving, post-selection inference, LASSO regression, meta analysis, aggregation of summary statistics
为什么对您有用: 该论文直接连接您对因果推断中ATE估计的兴趣，特别是高维协变量下模型选择后的无偏推断问题。您武器库中“estimation theory in causal inference”（very_familiar）能够直接评估该方法在无偏性和效率上的理论保证；同时，对数据聚合和隐私保护的关注也与您的统计计算兴趣吻合。本文是立即可读的方法论文，可从中获取一种新的无偏估计方案。

4. 10.3150/24-bej1825 · arXiv — Weak equivalence of local independence graphs¶

作者: Søren Wengel Mogensen
期刊/来源: Bernoulli
分类: vol 31 · issue 4
相关性 7/10 · novelty: new_theory
摘要: 本文研究多元随机过程中局部独立图 (local independence graph) 的马尔可夫等价性问题。该问题在因果发现和时间序列因果推断中关键——若两个有向混合图 (DMG) 编码相同的局部独立性，则称它们马尔可夫等价。作者首先证明了判断两个 DMG 的马尔可夫等价性是 coNP-完全的，即使在稀疏假设下结论仍成立，这揭示了该问题本质的计算困难性。为规避此硬性，作者引入了一系列粗糙于马尔可夫等价的弱等价关系，使得判定算法成为可行（多项式时间）。每个弱等价类拥有最大元，可简洁表示整个等价类；这些等价关系形成粒度层次结构，层次间关系清晰且可解释。理论结果包括 coNP-完全性证明、弱等价类结构刻画及其算法分析。对您而言，本文直连因果推断中的结构学习计算复杂性，尤其对时间序列因果图等价类的理解有启发；且计算复杂性视角可作为进入统计-计算权衡领域的入门材料。
关键技术: directed mixed graph, local independence, Markov equivalence, coNP-completeness, weak equivalence relation, equivalence class hierarchy
为什么对您有用: 本文直接关联您对因果推断中图形模型的兴趣，尤其是时间序列局部独立图的等价结构。您的武器库中“identification theory in causal inference”（中等熟悉）和“nonparametric statistics”（非常熟悉）为该话题提供基础，但计算复杂性证明（coNP-完全性）要求补充复杂性理论工具（如归约方法），这属于统计-计算权衡方向的新知识。作为一个从经典数理统计视角理解计算困难性的入口，本文值得一读；但若想跟进后续算法，需先补充计算复杂性基础，因此适合中期可做——先在计算复杂性理论上提升。

高维统计 / 随机矩阵 (high_dim_rmt, 2 篇)¶

1. 10.3150/24-bej1822 · arXiv — Nearly minimax robust estimator of the mean vector by iterative spectral dimension reduction¶

作者: Amir-Hossein Bateni, Arshak Minasyan, Arnak S. Dalalyan
期刊/来源: Bernoulli
分类: vol 31 · issue 4
相关性 8/10 · novelty: new_method
摘要: 本文研究高维 sub-Gaussian 分布均值向量的稳健估计问题，假设最多 εn 个样本被对抗性污染，目标是在无需知道污染率的情况下达到近 minimax 最优。作者提出基于谱降维（Spectral Dimension Reduction, SDR）的迭代估计器：先对样本协方差矩阵做谱分解并保留前 r 个主成分，然后通过迭代投影和截断修正均值估计。理论证明该估计器的平方误差上界为 O((r_Σ/n + ε² log(1/ε)) log p)，其中 r_Σ 是真实协方差矩阵的有效秩，该界与 minimax 下界仅差对数因子，且崩溃点（breakdown point）达到 1/2 的最优值。计算复杂度为 O(p³ + n p²)，且不需样本分割或已知污染率。文中还扩展了协方差矩阵部分未知时的情形。对您而言，本文直接对接高维统计中的 minimax 稳健估计，您熟悉的 minimax 界技术可用于检验其上界的紧性；此外，谱降维思想可迁移至高维因果推断中的协变量降维问题，属于您 primary interest 中的 high-dimensional statistics。
关键技术: spectral dimension reduction, robust mean estimation, minimax optimality, breakdown point, effective rank, adversarial contamination
为什么对您有用: 本文聚焦高维稳健均值估计，属于您 primary interest 中的 high-dimensional statistics 方向，并与 minimax 理论紧密相关。您可使用 very_familiar 的 minimax bounds for estimation problems 工具验证其对数因子是否可消除，或探索谱降维在因果推断高维协变量调整中的应用。当前状态下，理论分析立即可做，计算优化需进一步熟悉 randomized SVD 等随机矩阵方法，属中期可做。

2. 10.3150/24-bej1849 · arXiv — A new non-parametric Kendall’s tau for matrix-valued elliptical observations¶

作者: Yong He, Yalin Wang, Long Yu, Wang Zhou, Wen-Xin Zhou
期刊/来源: Bernoulli
分类: vol 31 · issue 4
相关性 7/10 · novelty: new_method
摘要: 本文针对矩阵值椭圆分布观测，提出一种新的非参数 Kendall's tau（行/列矩阵 Kendall's tau），用于矩阵因子模型的降维和因子结构恢复。该统计量的特征空间与行/列散布矩阵一致，且特征值保持相同的降序，从而无需矩条件即可估计载荷空间。通过广义矩阵 Kendall's tau 的特征值分解恢复载荷，并利用特征值比准则估计因子数，避免了传统方法对矩的依赖。理论上推导了载荷、因子得分和共同成分的收敛速率，并给出载荷估计的 Bahadur 表示，无需对 idiosyncratic errors 施加任何矩条件。数值模拟显示该方法对重尾和异常值具有显著更高的鲁棒性，并能推广至高阶张量。对您而言：该工作直接连接高维统计中的随机矩阵理论（特征值行为与因子模型），且提供 R 包 'MKendall'，便于复现和应用，属于可立即使用您 very_familiar 的高维渐近和非参数工具进行验证或扩展的方向。
关键技术: Matrix Kendall's tau, Elliptically contoured distribution, Matrix factor model, Eigenvalue ratio estimation, Bahadur representation, Nonparametric robustness
为什么对您有用: 本文属于高维统计中的随机矩阵理论与因子模型交叉方向，契合您对 high-dimensional statistics 和 random matrix theory 的 primary interest。您的 very_familiar 武器库中的高维渐近和非参数统计可以直接用于分析其收敛速率的尖锐性，或设计更紧凑的极小极大下界。该工作附带 R 包，适合立即可用您的软件开发和数值方法技能进行扩展或检验。

非参数 / 半参数 (nonparam_semipara, 12 篇)¶

1. 10.3150/24-bej1834 · arXiv — Simultaneous semiparametric inference for single-index models¶

作者: Jiajun Tang, Holger Dette
期刊/来源: Bernoulli
分类: vol 31 · issue 4
相关性 8/10 · novelty: new_theory
摘要: 在部分线性单指标模型设定下，本文为平滑样条估计量建立了所有模型参数的 Bahadur 表示，并据此证明了指标链接函数估计量与参数回归系数估计量的联合弱收敛。核心发现是：尽管链接函数在指标系数的线性组合处取值，两者却渐近独立——这一反直觉结果依赖于对 RKHS 与经验过程理论的精细分析。样条估计量在 L2-risk 下达到 minimax 最优速率；应用层面，本文构造了链接函数的 simultaneous confidence band、检验链接函数与给定函数最大绝对偏差是否超阈的推断工具，以及涉及非参数与参数分量联合假设的检验，并提出 multiplier bootstrap 避免估计未知渐近量。对您有用：本文的 RKHS+经验过程 Bahadur 表示技术与渐近独立结论，可直接迁移到您关注的半参数效率理论与 M-estimation 推断中。
关键技术: Bahadur representation, reproducing kernel Hilbert space, empirical process theory, minimax optimal rate, simultaneous confidence band, multiplier bootstrap
为什么对您有用: 直接连接半参数理论 primary interest：RKHS+经验过程的 Bahadur 表示是半参数效率与 M-estimation 的核心工具，本文的渐近独立结论为 joint inference 提供了新视角。用您 very_familiar 的 minimax bounds 可验证其 L2-rate 是否紧；moderately_familiar 的 M-estimation 理论可跟进其 Bahadur 表示细节。立即可做：用 minimax 理论审视其速率声明，并尝试将 multiplier bootstrap 迁移到您熟悉的因果推断半参数估计量上。

2. 10.3150/24-bej1842 · arXiv — Information geometry and asymptotics for Kronecker covariances¶

作者: Andrew McCormack, Peter Hoff
期刊/来源: Bernoulli
分类: vol 31 · issue 4
相关性 8/10 · novelty: new_theory
摘要: 在 Kronecker 结构协方差矩阵设定下，目标是研究 partial trace estimator 在 n 增长与 p 增长两种情景下的信息几何与渐近行为。文章证明 partial trace estimator 渐近无效，原因在于其未对样本协方差矩阵的子块进行最优缩放；据此提出 rescaled partial trace estimator 并证明其达到渐近有效。受此缩放启发，作者为 Kronecker 协方差族引入了正交参数化（orthogonal parameterization）。在高维情景下，partial trace estimator 展现出“维度祝福”：当数组阶数至少为三且各维度联合增长时，即使样本量仅为 1 也能一致估计 Kronecker 协方差。对您可能有用：正交参数化与高维一致性的分析框架可直接迁移到您熟悉的 semiparametric efficiency 与 high-dimensional asymptotics 研究中。
关键技术: Kronecker-structured covariance, partial trace estimator, orthogonal parameterization, asymptotic efficiency, blessing of dimensionality, information geometry
为什么对您有用: 本文直接连接 semiparametric efficiency 与 high-dimensional asymptotics 两个子方向：正交参数化是 semiparametric efficiency bound 计算的核心工具，而高维下样本量 n=1 的一致估计为 high-dimensional consistency 提供了极端案例。您可用 very_familiar 的 minimax bounds 与 high-dimensional asymptotics 工具验证其声称的 blessing of dimensionality rate 是否紧，并用 moderately_familiar 的 semiparametric theory 审视其 orthogonal parameterization 是否完备。立即可做：用 very_familiar 武器即可动手检验其 minimax rate 与 efficiency claim。

3. 10.3150/24-bej1828 — Nonparametric estimation for additive concurrent regression models¶

作者: Élodie Brunel, Fabienne Comte, Céline Duval
期刊/来源: Bernoulli
机构: Centre National de la Recherche Scientifique · Université de Montpellier · Université Paris Cité · Sorbonne Paris Cité · Mathématiques Appliquées à Paris 5 · Laboratoire Paul Painlevé
分类: vol 31 · issue 4
相关性 7/10 · novelty: new_method
摘要: 考虑一个加性并发回归模型，响应为 i.i.d. 的一维过程 Yi(t)，解释变量为 K 个随机过程 X_{i,j}(t)，系数是定义在 [0,τ] 上的未知函数 b_j(t)。该文在解释过程为连续或非齐次计数过程等一般设定下，构建了非参数最小二乘估计量，并推导了均方误差类型的风险上界，由此得到收敛速度。进一步证明了所获速率的最优性，并设计了自适应模型选择过程，能同时对所有函数实现各向异性模型选择。数值模拟和实际数据示例验证了理论策略的实用价值。该方法的核心在于利用最小二乘和模型选择实现非参数函数估计，属于标准的非参数回归框架。
关键技术: nonparametric least squares, adaptive model selection, mean-square risk bound, optimal rates of convergence, anisotropic estimation
为什么对您有用: 该文直接涉及非参数回归理论，属于 primary interest 中 “nonparametric statistics” 的经典问题；研究者 very_familiar 工具箱中的 minimax 界和非参数估计理论可用于验证其所声称的最优速率是否紧，并评估扩展至更复杂模型（如异质性误差或相关过程）的可能性。立即可做：用 minimax 下界技术配合同质化风险上界即可粒子级检验其最优性声明。

4. 10.3150/24-bej1817 — Varying coefficient regression: Revisit and parametric help¶

作者: Seung Hyun Moon, Byeong U. Park, Young Kyung Lee
期刊/来源: Bernoulli
机构: Seoul National University · Kangwon National University
分类: vol 31 · issue 4
相关性 7/10 · novelty: new_method
摘要: 本文研究变系数回归模型（VCM）的估计问题，目标是在一般Hilbert空间值响应设定下识别并估计系数函数。首先，提出一种新的模型公式，引入结构尊重约束（structure-respecting constraint）以确保分量可识别。其次，系统发展局部线性核平滑方法用于VCM估计，填补了文献中对投影算子、迭代backfitting算法收敛性以及估计量误差率与渐近分布的完整理论论述。第三，提出一种偏置减少技术（parametric help），在温和条件下显著降低局部线性估计的偏置，且不影响渐近方差。理论结果包括投影算子的性质、backfitting算法的收敛性、估计量的均方误差率与渐近正态性。模拟实验验证了所提方法的有限样本表现。本文对非参数与半参数回归理论有直接贡献，特别是Hilbert空间输出下的核方法与偏置校正策略。
关键技术: varying coefficient models, locally linear kernel smoothing, backfitting algorithm, bias reduction via parametric help, projection operators, Hilbert space valued response
为什么对您有用: 本文直接关联您非常熟悉的非参数统计子方向（varying coefficient models），您的武器库中'nonparametric statistics'及'minimax bounds for estimation problems'可立即用于评价其估计量的收敛率是否最优；此外，本文的偏置减少技术可与您擅长的U-statistics偏置校正思路对比。定为立即可做——您完全有能力用非参核估计的技术底蕴理解甚至改进其理论结果。

5. 10.3150/24-bej1829 — Efficient quantile regression under censoring using Laguerre polynomials¶

作者: Alexander Kreiss, Ingrid Van Keilegom
期刊/来源: Bernoulli
机构: Leipzig University · KU Leuven
分类: vol 31 · issue 4
相关性 7/10 · novelty: new_method
摘要: 本文针对响应变量随机右删失下的线性分位数回归模型，提出了一种基于Laguerre多项式逼近误差分布的新方法。该方法构造了一种Enriched Laplace分布，通过Laguerre多项式添加参数，使误差分布灵活到能逼近任意连续分布，且确保感兴趣的分位数恰好为零。在这种参数化下，模型自动满足分位数回归的约束条件，从而导出分位数函数的新估计量。理论方面，证明了估计量的一致性和渐近正态性，并推导了半参数效率界。模拟研究和COVID-19患者数据分析表明，该方法在有限样本下优于现有竞争估计量。本文直接连接您在半参数效率理论和非参数逼近方面的兴趣，为删失数据下的分位数回归提供了具有理论最优性的新框架。
关键技术: Laguerre polynomial expansion, Enriched Laplace distribution, quantile regression under random censoring, semiparametric efficiency bound, asymptotic normality
为什么对您有用: 本文核心涉及半参数效率界和非参数逼近，直接对应您primary interests中的semiparametric and nonparametric theory和efficiency theory，特别是删失分位数回归的效率界推导。您武器库中moderately_familiar的semiparametric theory可用于理解效率界的构造，而very_familiar的nonparametric statistics可支撑对Laguerre逼近收敛性的分析。属于中期可做：需在semiparametric theory上继续深入，方能完整复现或推广该效率界证明。

6. 10.3150/24-bej1846 · arXiv — Estimating the history of a random recursive tree¶

作者: Simon Briend, Christophe Giraud, Gábor Lugosi, Déborah Sulem
期刊/来源: Bernoulli
分类: vol 31 · issue 4
相关性 7/10 · novelty: new_method
摘要: 本文研究随机递归树中顶点到达顺序的估计问题，目标是根据观测到的树结构推断各节点的到达次序。考虑两种经典模型：均匀附着模型和线性优先附着模型。提出基于 Jordan 中心性的排序估计量，并定义一族风险度量来量化排序质量。建立了该问题的 minimax 下界，并证明所提估计量达到几乎最优的误差率。数值实验表明，该方法显著优于基于度数和谱特征的排序方法。本文在非参数估计的极小化最优框架下提供了新颖的构造思路，对您熟悉的 minimax 理论在结构数据上的应用有直接参考价值。
关键技术: minimax lower bound, Jordan centrality, random recursive tree models, risk measure for ordering, nearly optimal estimation
为什么对您有用: 本文的核心问题是随机树结构下的非参数估计，并给出了 sharp minimax 下界与近最优估计量，直接连接到您‘非参数统计与 minimax 界’的专项兴趣。您熟悉的 minimax bounds 构造技术可立即用于验证其下界是否紧，或推广到更一般的图模型（如带权树）。后续可立即可做：只需利用您很熟悉的 minimax 工具进行扩展或数值验证。

7. 10.3150/24-bej1831 · arXiv — Log-concave density estimation in undirected graphical models¶

作者: Kaie Kubjas, Olga Kuznetsova, Elina Robeva, Pardis Semnani, Luca Sodomaco
期刊/来源: Bernoulli
分类: vol 31 · issue 4
相关性 6/10 · novelty: new_method
摘要: 研究无向图模型中的对数凹密度最大似然估计问题。目标是在给定图结构 G 下，估计既是对数凹又满足图分解的密度函数。核心贡献是证明最大似然估计是 G 的每个最大团指数函数的乘积，且这些指数函数是分段线性（tent 函数），从而将无限维优化问题转化为有限维凸优化问题。方法基于 tent 函数的表示和对数凹约束的凸性，利用了图论中的弦图性质。主要理论结果：当 G 是弦图且样本量大于最大团的大小时，MLE 以概率 1 存在且唯一；当 G 是不交团的并时，MLE 具有相合性。此外讨论了 log-concave 密度存在对数凹因子分解的条件。该工作属于非参数形状约束估计领域，与您对高维非参数统计和凸优化计算技术的兴趣直接相关，且所提出的有限维嵌入思路可能为其他形状约束（如 log-convex）的图模型估计提供新视角。
关键技术: maximum likelihood estimation, log-concave densities, graphical models, tent functions, convex optimization, chordal graphs
为什么对您有用: 该文直接触及非参数形状约束（对数凹）与图模型分解的交叉，属于您 primary interest 中的非参数理论。您的 nonparametric statistics 和 minimax bounds 武器可用来分析该 MLE 的收敛速度（如 Hellinger 距离下的 minimax 率），而 statistical computing 经验可用于实现其有限维凸优化算法（目前仅提供简单例子，可扩展到中等规模图）。中期可做：需先在 moderately_familiar 的 semiparametric theory 中补充 graphical model 的分解结构知识（如 clique 分解对估计效率的影响），但非参数基础武器可直接动用。

8. 10.3150/24-bej1833 · arXiv — Non-parametric estimates for graphon mean-field particle systems¶

作者: Erhan Bayraktar, Hongyi Zhou
期刊/来源: Bernoulli
分类: vol 31 · issue 4
相关性 6/10 · novelty: new_theory
摘要: 在 graphon mean-field 粒子系统设定下，目标是基于连续时间轨迹对粒子密度、漂移系数及 graphon 交互权重函数进行非参数估计。密度与漂移估计器通过核插值直接构造，graphon 函数估计器则由反卷积方法获得。理论证明：随粒子数增加，graphon 估计器逐点收敛至真值（从而在 cut metric 下收敛），并在特定系统类中建立了密度与漂移估计器的 minimax 最优性。对您可能有用：本文将 minimax 分析与反卷积技术结合于交互粒子系统，为非参数逆问题与高维交互结构估计提供了新视角。
关键技术: kernel interpolation, deconvolution estimation, graphon mean-field limit, minimax rate analysis, cut metric convergence
为什么对您有用: 本文直接连接到非参数理论中的 minimax bound 与逆问题（technical_arsenal 的 very_familiar 项），graphon 结构的估计本质上是一个带随机噪声的逆问题。用您熟悉的 minimax bound 工具可以验证其声称的 minimax 最优性是否紧，反卷积部分也可与 higher-order U-stat 的投影视角做对比。立即可做：用 very_familiar 的 minimax bound 与逆问题工具审视其收敛率与 minimax 下界证明。

9. 10.3150/24-bej1826 · arXiv — Viscosity estimation for 2D pipe flows I. Construction, consistency, asymptotic normality¶

作者: Thi Hien Nguyen, Armen Shirikyan
期刊/来源: Bernoulli
分类: vol 31 · issue 4
相关性 5/10 · novelty: new_theory
摘要: 在二维矩形区域不可压缩粘性流体（一个方向周期边界、另一方向无滑移边界）的随机 Navier-Stokes 模型中，目标是基于对 enstrophy 的离散观测估计粘性参数。假设外力为时间白噪声且空间正则，作者构造了粘性的显式估计量，并证明其强相合性与渐近正态性。相合性证明依赖估计量的显式公式与轨道界；渐近正态性额外利用了 Navier-Stokes 流的 mixing 性质（如指数衰减的相关函数）来验证经典中心极限定理的条件。该工作为随机偏微分方程参数的渐近推断提供了一个严格的数学统计范例，对您在非参数/半参数理论中处理 mixing 依赖数据下的推断问题有参考价值。
关键技术: stochastic Navier-Stokes equations, parameter estimation for SPDE, strong consistency, asymptotic normality, mixing properties, enstrophy observation
为什么对您有用: 本文连接到非参数/半参数理论中 mixing 依赖序列下 M-估计量的渐近正态性这一子方向；您武器库中 very_familiar 的 minimax bounds 与 moderately_familiar 的 M-estimation theory 可直接用来审视该估计量是否达到半参数有效界，或能否构造 one-step debiased 版本以提升效率。立即可做：用 M-estimation 理论推导该显式估计量的 influence function 并验证其是否 semiparametric efficient。

10. 10.3150/24-bej1821 · arXiv — A central limit theorem for a sequence of conditionally centered random fields¶

作者: Abdollah Jalilian, Arnaud Poinas, Ganggang Xu, Rasmus Waagepetersen
期刊/来源: Bernoulli
分类: vol 31 · issue 4
相关性 5/10 · novelty: new_theory
摘要: 本文在时空数据设定下，建立了一列条件中心化随机场之和的中心极限定理，核心假设是给定历史均值为零且满足条件α-混合条件。利用条件中心化和时空结构，分别在空间域扩张、时间序列增长或两者同时增长的渐近框架下获得正态极限分布。该定理特别适用于时空过程中无偏估计函数推断的渐近正态性验证，文中通过两个实例展示其适用性。对您有用之处在于：该框架为时空半参数 M-估计的渐近理论提供了混合条件下的 CLT 工具，可直接服务于您在 longitudinal causal inference 中处理时空依赖数据的推断问题。
关键技术: conditional alpha-mixing, unbiased estimating function, space-time asymptotics, conditional centering, M-estimation asymptotics
为什么对您有用: 本文直接连接到 longitudinal causal inference 的时空依赖推断设定，为带时空混合结构的无偏估计函数提供 CLT。您武器库中 M-estimation theory (moderately_familiar) 可直接攻入此文：验证其条件α-混合假设下 influence function 的渐近展开是否与您熟悉的 semiparametric efficiency 框架兼容，并探索在 longitudinal proximal CI 设定中如何用此 CLT 处理时空混杂。立即可做：用 very_familiar 的 minimax / estimation theory 检查其条件在常见时空点过程模型中的可验证性。

11. 10.3150/24-bej1843 · arXiv — Prediction of random variables by excursion metric projections¶

作者: Vitalii Makogin, Evgeny Spodarev
期刊/来源: Bernoulli
分类: vol 31 · issue 4
相关性 4/10 · novelty: new_method
摘要: 本文提出一种基于excursion metric（超度度量）的随机变量预测方法，不要求被预测变量存在任何阶矩。作者将excursion metric定义为加权L¹距离，并利用适当的超度水平将预测问题转化为某个目标泛函的最小化问题。证明了预测解的存在性，并建立了预测器的弱相合性。通过将方法应用于平稳重尾随机函数的插外推，展示了其实际效果。数值实验涵盖了高斯、α-稳定及其他重尾时间序列，验证了方法的稳健性。对于从事非参数理论与统计计算的研究者，本文提供了一种无需矩假设的预测新视角，可能与极值统计和稳健预测方向有交叉。
关键技术: excursion metric, weighted L^1 distance, weak consistency, heavy-tailed time series, extrapolation
为什么对您有用: 连接非参数理论中的无矩假设预测问题；可用武器库中非参数统计的收敛速度分析工具（如minimax界）来评估该预测器在重尾设定下的最优性。目前核心度量（excursion metric）不在武器库中，暂不可做，但可作为门径阅读以拓展非参数预测的工具箱。

12. 10.3150/24-bej1818 · arXiv — Almost sure growth of integrated supOU processes¶

作者: Danijel Grahovac, Péter Kevei
期刊/来源: Bernoulli
分类: vol 31 · issue 4
相关性 2/10 · novelty: new_theory
摘要: 本文研究叠加 Ornstein–Uhlenbeck (supOU) 过程的积分形式的几乎必然增长速率，estimand 为积分过程的样本路径渐近阶。模型设定依赖三个特征：Lévy 测度在无穷远与零点附近的行为，以及控制依赖结构的测度在零点附近的行为，涵盖长程依赖情形。核心机制通过精细的样本路径分析，将不同测度尾部参数映射到积分过程的几乎必然增长指数，并建立 Marcinkiewicz–Zygmund 型强极限定理。主要理论结果给出了由过程特征参数精确刻画的几乎必然增长率与 SLLN，对您可能有用：若将 supOU 视为高维/长程依赖随机矩阵谱或半参数逆问题中的噪声模型，此 SLLN 可为构造 CAN 估计量提供路径级收敛工具。
关键技术: superposition of Ornstein-Uhlenbeck processes, Marcinkiewicz-Zygmund strong law of large numbers, Lévy measure tail characterization, long range dependence, almost sure growth rate
为什么对您有用: 本文属于半参数/非参数理论中的随机过程极限理论，与您 primary interest 中的高维渐近与逆问题有间接连接——supOU 的长程依赖结构可作为高维随机矩阵谱噪声或半参数逆问题中误差过程的模型基础。从 technical_arsenal 看，very_familiar 中的 inverse problems with random noise 可直接对接本文的噪声模型设定，但本文核心证明依赖 Lévy 过程的精细样本路径分解与测度尾部分析，不在当前武器库中。follow-up 粗判：中期可做——需先在 moderately_familiar 的 M-estimation theory 或 Lévy 过程基础（当前缺）上长肌肉，才能将此 SLLN 用于构造半参数估计量。

数理统计 / 假设检验 (hypothesis_testing, 8 篇)¶

1. 10.3150/24-bej1824 · arXiv — Local goodness-of-fit testing for Hölder-continuous densities: Minimax rates¶

作者: Julien Chhor, Alexandra Carpentier
期刊/来源: Bernoulli
分类: vol 31 · issue 4
相关性 9/10 · novelty: new_theory
摘要: 本文研究Rd上Hölder光滑密度的局部拟合优度检验问题，给定n个i.i.d.样本，目标是在已知密度p0与所有满足‖p−p0‖_t≥ρ的Hölder光滑密度（复合备择）之间进行区分，其中t∈[1,2]。作者解决了光滑参数α≤1时的完全刻画，并处理了α>1时的情形（附加技术条件）。提出了基于主体-尾部分解的新型检验统计量，该分解通过显式截断值uB将空间分割为两部分，每部分对检验率贡献不同。建立了局部极小极大检验率的匹配上下界，该界限明确依赖于p0，展示了p0的形态如何影响检验难度。这篇论文直接对应假设检验和非参数估计的极小极大理论，研究者可利用其熟悉的极小极大下界技术和非参数密度估计理论进一步分析检验统计量的最优性。
关键技术: Goodness-of-fit testing, Hölder continuous densities, Minimax testing rates, Bulk-tail decomposition, Composite alternative
为什么对您有用: 本文直接对应研究者的主要兴趣——假设检验和非参数估计的极小极大理论。研究者非常熟悉的极小极大下界技术和非参数密度估计理论可直接用于理解和检验本文的率刻画，并可进一步思考检验统计量的计算实现或推广到更高阶设定。属于立即可做的范围。

2. 10.3150/24-bej1848 · arXiv — Hypothesis testing for functional linear models via bootstrapping¶

作者: Yinan Lin, Zhenhua Lin
期刊/来源: Bernoulli
分类: vol 31 · issue 4
相关性 7/10 · novelty: new_method
摘要: 本文研究函数线性模型中斜率函数的假设检验问题。方法将斜率函数检验转化为基于函数主成分分析的高维向量检验，完全避免了函数线性回归的不适定性，数值稳定性更强。该方法利用自助法最大统计量，并利用函数数据固有的方差衰减特性，在样本量有限或信号较弱时提升检验功效。理论证明，当函数主成分从数据估计时，检验仍然保持渐近有效性和一致性。一个关键发现是：即使将所有经验函数主成分纳入检验统计量，检验依然有效，这显著区别于估计问题中需谨慎选择主成分数量的要求，凸显了估计与推断之间的有趣差异。据我所知，本文是首个在函数线性模型中使用所有经验函数主成分的检验方法。对您而言，本文为假设检验与高维统计的交叉提供了新案例，其“无需截断即可推断”的思路可与您在高维渐近和半参数理论中关于维度选择的思考形成对比，可能启发您对因果推断中高维代理变量或工具变量选择的新理解。
关键技术: functional principal component analysis, bootstrap max statistics, high-dimensional test, variance decay, functional linear regression
为什么对您有用: 本文直接联系到您对假设检验和高维统计的兴趣，特别是通过bootstrap max统计量处理高维向量的方法。您very_familiar的高维渐近和非参数统计工具（如minimax bounds）可用来分析该检验的power与维度增长的关系。中期可做：若您进一步熟悉函数主成分分析（moderately_familiar的非参数理论即可涵盖），可尝试将该检验思想推广到函数型因果推断中的假设检验问题。

3. 10.3150/24-bej1827 — PEBBLE: A second order correct bootstrap method in logistic regression¶

作者: Debraj Das, Priyam Das
期刊/来源: Bernoulli
机构: Indian Institute of Technology Bombay · Virginia Commonwealth University
分类: vol 31 · issue 4
相关性 6/10 · novelty: new_method
摘要: 在逻辑回归的设定下，响应变量为二值，MLE 具有格点结构，直接 bootstrap 即使经过学生化也无法实现二阶正确逼近。本文提出一种基于扰动重采样的 bootstrap 方法（PEBBLE），通过对 MLE 及其 bootstrap 版本进行平滑处理，使得学生化统计量具有密度，从而建立二阶正确性。平滑策略借鉴 Lahiri (1993) 的核平滑技术，核心是确保 Edgeworth 展开的余项达到 o(n^{-1})。作者证明，与基于渐近正态性的推断相比，PEBBLE 给出的置信区间和检验具有更小的覆盖误差和更准确的显著性水平。理论推导依赖于平滑后的学生化 MLE 的 Berry-Esseen 型界和 bootstrap 的 Edgeworth 展开匹配。该工作为逻辑回归这一经典模型提供了可直接使用的精确推断工具，对您可能有用：您对数学统计和假设检验的深入理解可快速消化其理论，并可考虑将该平滑 bootstrap 方法推广至因果推断中倾向得分的逻辑回归估计，以提高有限样本下的推断准确性。
关键技术: perturbation resampling, second order correctness, smoothing (kernel), Edgeworth expansion, logistic regression MLE, studentization
为什么对您有用: 本文直接连接到您的 primary interest 中的 hypothesis testing 子方向，具体是 bootstrap 方法的二阶正确性这一经典数学统计问题。您武器库中 very_familiar 的 nonparametric statistics 中的平滑技术可用来理解其证明核心（核平滑与 Edgeworth 展开），而 moderately_familiar 的 M-estimation 理论可帮助您评估该结果在更一般 M-estimator 上的可迁移性。立即可做：用您扎实的数学统计基础即可消化本工作的理论细节，并考虑在因果推断的倾向得分模型中进行仿真验证。

4. 10.3150/24-bej1844 · arXiv — Semi-parametric goodness-of-fit testing for INAR models¶

作者: Maxime Faymonville, Carsten Jentsch, Christian H. Weiß
期刊/来源: Bernoulli
分类: vol 31 · issue 4
相关性 6/10 · novelty: new_method
摘要: 在相依计数数据建模中广泛使用的整数自回归(INAR)模型通常依赖于对创新分布的强参数假设(如泊松或负二项)。本文提出一种半参数拟合优度检验方法，无需指定创新分布族，仅利用INAR模型特有的联合概率生成函数(PGF)形状构造检验统计量。该检验的零分布被推导为极限分布，并在固定备择下证明一致性，同时刻画了局部备择下的渐近行为。通过蒙特卡洛模拟发现，采用高阶检验统计量可显著提升检验功效。文章还应用于三个经济时间序列数据集。该方法为INAR模型的模型校验提供了免于参数误设风险的半参数工具，与您的假设检验与半参数理论兴趣直接相关。
关键技术: joint probability generating function, semi-parametric goodness-of-fit test, limiting null distribution, higher-order test statistics, local asymptotic power
为什么对您有用: 本文连接您的假设检验子方向，特别是相依计数数据的模型校验——这是时间序列因果推断中常见的预处理步骤。您武器库中的“半参数理论”(moderately_familiar)可直接用于理解其渐近论证框架，而“非参数统计”(very_familiar)可用于比较该经验PGF方法与经典经验分布函数检验的差异。该工作属于中期可做：需先加固“半参数理论”以深入理解检验的渐近性质，进而可探索将更高阶U-统计量(您的核心工具)引入其高阶检验统计量的构造。

5. 10.3150/24-bej1823 · arXiv — The extended Ville’s inequality for nonintegrable nonnegative supermartingales¶

作者: Hongjian Wang, Aaditya Ramdas
期刊/来源: Bernoulli
分类: vol 31 · issue 4
相关性 5/10 · novelty: new_theory
摘要: 本文在 Robbins 的早期工作基础上，系统发展了无需可积性或有限性假设的非负超鞅理论，核心 estimand 是非可积非负超鞅的最大不等式界。作者推导了被称为 extended Ville's inequality 的关键极大不等式，它强化了经典可积非负超鞅的 Ville 不等式并将其推广至非可积设定。进一步提出了 σ-有限混合的 method of mixtures 扩展，允许使用 improper priors 构造检验统计量。在序贯统计推断中，这一理论被应用于从非参数置信序列和 e-processes 的构造，放宽了传统对先验分布为正常概率测度的要求。对您可能有用：该理论为序贯假设检验与 anytime-valid inference 提供了更宽松的数学工具，直接连接到您在 hypothesis testing 与数学统计基础方面的兴趣。
关键技术: nonnegative supermartingale, extended Ville's inequality, method of mixtures, sigma-finite mixing measure, e-process, nonparametric confidence sequence
为什么对您有用: 本文直接连接到您 primary interest 中的 mathematical statistics (hypothesis testing) 子方向，特别是 anytime-valid inference / sequential testing 的非参数理论基础。您武器库中 very_familiar 的 minimax bounds 与 nonparametric statistics 可以直接用来审视本文 improper mixture 构造的 e-process 在非参数设定下的效率与最优性（例如是否能达到 minimax rate 或与 HOIF 有联系）。立即可做：用 very_familiar 的 nonparametric statistics 与 minimax theory 工具，评估本文 improper prior / σ-finite mixture 构造出的 confidence sequence 的 sharpness 与效率界。

6. 10.3150/24-bej1837 · arXiv — Pattern-based tests for two-dimensional copulas¶

作者: Ludwig Baringhaus, Rudolf Grübel
期刊/来源: Bernoulli
分类: vol 31 · issue 4
相关性 5/10 · novelty: new_theory
摘要: 在二维随机样本的设定下，本文基于排列模式频率构建了针对二维 copula 的非参数检验方法，核心 estimand 为 copula 的模式频率泛函。作者将离散数学中的 permuton（pattern 频率拓扑极限）概念引入统计，对模式频率建立了 functional central limit theorem（FCLT），并据此构造了 goodness-of-fit、两样本及对称性检验，辅以 bootstrap 获取临界值。参数设定下以 Farlie–Gumbel–Morgenstern 族与 delay copula 族为例展示了方法适用性，非参数情形的模拟验证了检验的有限样本表现。对您有用之处：将组合模式频率与 FCLT 结合的检验思路，为非参数假设检验与 U-statistic 投影理论提供了新的交叉视角。
关键技术: pattern frequency functional, permuton limit, functional central limit theorem, nonparametric goodness-of-fit test, bootstrap critical values, discrete copula
为什么对您有用: 本文直接连接到 primary interest 中的 hypothesis testing 与 nonparametric theory 子方向，将组合模式频率作为检验统计量并建立 FCLT，其投影与极限理论可与你 very_familiar 的 higher-order U-statistics（treewidth / tensor contraction 视角）产生交叉——模式频率的计算本质上涉及高阶组合计数，可用 einsum 复杂度视角分析其计算代价。Follow-up 判断：立即可做——用你 very_familiar 的 U-statistic 计算与 minimax 理论工具，可直接分析 pattern frequency estimator 的计算复杂度与检验效力界限。

7. 10.3150/24-bej1820 — Finite moments testing in a general class of nonlinear time series models¶

作者: Christian Francq, Jean-Michel Zakoïan
期刊/来源: Bernoulli
机构: Centre de Recherche en Économie et Statistique · Institut Polytechnique de Paris
分类: vol 31 · issue 4
相关性 4/10 · novelty: new_theory
摘要: 在半参数非线性时间序列模型（涵盖常见 ARCH/GARCH 类设定）下，研究严格平稳解的正幂次矩存在性检验问题。矩存在性由依赖于动态参数和新息分布的 Moment Determining Function (MDF) 刻画；本文推导了经验 MDF 的渐近分布，由此构建矩存在性检验。同时提出基于 Maximal Moment Exponent (MME) 估计的替代检验，并利用局部替代与 Bahadur 渐近效率方法比较两种检验的 power。实证表明半参数 MME 估计是 Hill 尾指数估计的有力替代。对您可能有用：本文将半参数 M-估计理论与 Bahadur 渐近效率结合，为矩存在性这一假设检验问题提供了完整的渐近理论框架。
关键技术: Moment Determining Function, Maximal Moment Exponent, Bahadur asymptotic efficiency, semi-parametric M-estimation, local alternatives, tail index estimation
为什么对您有用: 直接连接到 primary interest 中的 hypothesis testing 与 semiparametric theory 子方向：本文在半参数时间序列设定下，用 Bahadur 渐近效率比较检验 power，属于数学统计假设检验的经典深化。用 technical_arsenal 中 moderately_familiar 的 M-estimation theory 可以直接分析其 MDF/MME 估计量的渐近性质与效率界。立即可做：用 very_familiar 的 minimax bounds 工具验证本文检验在非参数污染下的 minimax 鲁棒性，或用 moderately_familiar 的 semiparametric theory 推导其 MME 估计的 semiparametric efficiency bound 以判断是否可进一步 debias。

8. 10.3150/24-bej1850 — Monitoring of functional time series¶

作者: Tim Kutta, Piotr Kokoszka
期刊/来源: Bernoulli
机构: Colorado State University
分类: vol 31 · issue 4
相关性 4/10 · novelty: new_method
摘要: 本文研究函数型时间序列的在线监测（sequential monitoring）问题，目标是判断数据流式到达时是否发生结构变化。这是首个针对无限维函数型数据提出监测方法的工作。方法上，作者结合了Banach空间值数据的强逼近（strong approximations）和经验过程理论（empirical process theory）的界，从而在Lp函数空间和连续函数空间上验证了监测方案的有效性。对于连续函数空间，还处理了定义域无界的情况，这在函数型数据分析中很少见。理论部分被应用于监测估计密度序列的变化。仿真和Exchange Traded Funds数据示例验证了方法的实际表现。该工作连接了假设检验与非参数函数型数据分析，为后续在更复杂函数型结构下开发监测方法提供了理论框架。
关键技术: sequential change point detection, strong approximations in Banach spaces, empirical process bounds, functional time series monitoring, estimated density sequences
为什么对您有用: 本文的核心问题是函数型时间序列的变化点监测，直接对应您“假设检验”（hypothesis testing）子方向。方法中大量使用empirical process theory（经验过程理论），这正是您非常熟悉的nonparametric statistics工具箱的核心组成部分，可以立即理解其收敛性论证。基于此，您可以尝试将监测框架推广到高维函数型或混合型数据，或用minimax bound刻画最优检测边界——这两者都在您的very_familiar武器库中，因此可以立即可做。

统计计算 / 算法 (stat_computing, 2 篇)¶

1. 10.3150/24-bej1841 — On numerical discretizations that preserve probabilistic limit behaviors for time-homogeneous Markov processes¶

作者: Chuchu Chen, Tonghe Dang, Jialin Hong, Guoting Song
期刊/来源: Bernoulli
机构: Chinese Academy of Sciences · Academy of Mathematics and Systems Science
分类: vol 31 · issue 4
相关性 5/10 · novelty: new_theory
摘要: 本文研究一般时齐 Markov 过程的数值离散格式是否精确保留其概率极限行为（强 LLN 与 CLT）。在 underlying process 满足遍历性与均匀混合条件下，作者提出统一透明的分析框架，证明只要离散格式保持均匀混合与收敛性质，其时间平均几乎必然收敛到与原过程相同的遍历极限，且标准化时间平均依分布收敛到相同的正态极限。核心工具是 Markov 链的均匀混合系数与遍历极限的稳定性分析，技术路径不依赖具体 SDE 格式的构造细节，而是建立一般性 preservation 理论。主要结果首次应用于随机 Allen–Cahn 方程的全离散格式及随机泛函微分方程的数值离散，证明了这些复杂系统的离散格式保留 LLN/CLT 极限。对您可能有用：若研究高阶 U-stat / 随机算法的遍历计算，此框架可提供离散格式极限行为一致性的理论保障。
关键技术: uniformly mixing Markov chains, ergodic limit preservation, strong law of large numbers for discretizations, CLT for discretizations, stochastic Allen-Cahn equation discretization, stochastic functional differential equations
为什么对您有用: 本文连接到 statistical computing（数值方法）子方向，核心关注数值离散是否保留概率极限，属于计算方法的极限行为理论。您武器库中 very_familiar 的 inverse problems with random noise 与 moderately_familiar 的 M-estimation theory 可作为切入点：M-estimator 的遍历性与离散格式的极限行为有结构相似性，可用 M-estimation 理论审视其收敛条件是否可进一步弱化。中期可做：需先在 moderately_familiar 的 M-estimation theory 上长肌肉（特别是遍历 Markov 链下的 M-estimator 渐近理论），才能将此 preservation 框架与您的 U-stat / M-estimation 工具对接。

2. 10.3150/24-bej1840 · arXiv — Compound multivariate Hawkes processes: Large deviations and rare event simulation¶

作者: Raviar S. Karim, Roger J. A. Laeven, Michel Mandjes
期刊/来源: Bernoulli
分类: vol 31 · issue 4
相关性 3/10 · novelty: new_method
摘要: 本文研究多元Hawkes过程驱动的复合过程的稀有事件概率。首先建立了该复合过程的大偏差原理，其关键难点在于累积生成函数通过不动点方程隐式定义，需证明该函数的光滑性。基于大偏差结果，推导了多元风险过程破产概率的对数渐近。然后提出了重要性抽样算法进行稀有事件模拟，并证明了估计量的渐近有效性。数值实验系统评估了算法的性能。该方法为依赖型点过程模型的极端风险评估提供了理论保证和计算框架。
关键技术: large deviations principle, importance sampling, multivariate Hawkes process, compound process, fixed-point representation, ruin probability
为什么对您有用: 本文涉及稀有事件模拟，属于您统计计算兴趣下的重要性抽样方向。您对重要性抽样渐近效率的分析方法（如指数倾斜）可迁移至其他依赖过程；但核心的大偏差理论工具（如Gärtner-Ellis定理）在您的技术武器库中尚未深入，建议先系统学习大偏差原理的基本框架，属于中期可做方向。

其他 (other, 5 篇)¶

1. 10.3150/24-bej1819 — Ergodicity, CLT and asymptotic maximum of the Airy1 process¶

作者: Fei Pu
期刊/来源: Bernoulli
机构: Beijing Normal University
分类: vol 31 · issue 4
相关性 3/10 · novelty: new_theory
摘要: 本文研究Airy1过程的遍历性、中心极限定理及区间上的最大值渐近行为。首先通过随机热方程解的相关性以及KPZ方程收敛到KPZ不动点，证明Airy1过程是关联的（associated）。随后利用Newman不等式建立其遍历性和中心极限定理，并结合尾部概率的渐近行为导出Poisson极限定理，进而给出区间上最大值的精确渐近估计。类似结果也对Airy2过程成立。这一工作属于KPZ普适类中极限过程的严格概率分析，与高维随机矩阵理论中Airy过程极限性质有内在联系，但对您当前的统计推断工具箱（如因果推断、半参数效率理论）缺乏直接的方法论接口。
关键技术: Association property, Newman's inequality, KPZ fixed point, Poisson limit theorem, Airy process
为什么对您有用: 本文与您secondary interest中的high-dimensional statistics（随机矩阵理论）存在微弱联系：Airy1/2过程是随机矩阵特征值边缘极限分布的典型对象，但其遍历性和中心极限定理的分析工具（关联性、Newman不等式）非您熟悉的技术库内容。您当前的technical_arsenal中缺少随机过程遍历性及KPZ相关的概率工具，因此难以直接攻入该论文的方法层面；它更适合作为随机矩阵理论背景材料的延伸阅读，而非可立即嵌入您研究的方法学输入。

2. 10.3150/24-bej1845 — Asymptotic expansions in the central limit theorem for a super-Brownian motion¶

作者: Shuxiong Zhang, Jiawei Liu, Jie Xiong
期刊/来源: Bernoulli
机构: Anhui Normal University · Jiangxi Normal University · Southern University of Science and Technology
分类: vol 31 · issue 4
相关性 3/10 · novelty: new_theory
摘要: 本文研究d维超临界超布朗运动从Dirac测度出发后的中心极限定理。几乎必然地，对任意有界可测函数f，当t→∞时，归一化的Xt(f(·/√t))依分布收敛到ν(f)W，其中ν是标准高斯测度，β满足e^{βt}=E[X_t(R^d)]，W是非负随机变量。进一步，作者建立了该中心极限定理的任意阶渐近展开，推广了经典结果。方法主要依赖于超过程的鞅性质和谱理论。该工作属于随机过程极限理论的前沿，但与您的主要兴趣方向（因果推断、高维统计等）距离较远。作为数学统计背景的读者，可用于了解超过程领域的理论进展，但短期内不构成直接可用的方法学输入。
关键技术: supercritical super-Brownian motion, martingale central limit theorem, almost sure convergence, asymptotic expansion, spectral decomposition
为什么对您有用: 本文完全不涉及您列出的主要兴趣（因果推断、高维统计、U统计量等），属于概率论超过程领域。您的技术武器库中暂无随机过程/分支过程的专业知识，因此难以直接攻取该文。作为方法学背景补充可泛读，但不建议投入深入时间。

3. 10.3150/24-bej1838 · arXiv — Parabolic Anderson model with colored noise on the torus¶

作者: Le Chen, Ouyang Cheng, William Vickery
期刊/来源: Bernoulli
分类: vol 31 · issue 4
相关性 2/10 · novelty: new_theory
摘要: 本文在 \(d\) 维平坦环面 \(\mathbb{T}^d\) 上构造了一族内蕴有色高斯噪声，作为 \(\mathbb{R}^d\) 上有色噪声的环面类比，使得高维环面上的随机 PDE 可以在 Itô 意义下严格定义。基于此噪声，作者研究了带测度值初值的抛物 Anderson 模型 (PAM)，并建立了解的基本性质：矩的上下界（sharp upper and lower bound for moments）以及时空 Hölder 连续性。该研究是理解几何与拓扑如何影响一般紧流形上随机 PDE 行为的初步尝试。对您而言，本文的 sharp moment bounds 与随机逆问题有形式上的相似性，但核心是 SPDE 的随机分析而非统计推断。
⚠️ 摘要不完整，待重跑（python -m research_news.rerun）
关键技术: colored Gaussian noise on torus, parabolic Anderson model, Itô stochastic PDE, sharp moment bounds, Hölder continuity, measure-valued initial conditions
为什么对您有用: 本文属于随机分析与 SPDE 领域，与您 primary interests 中的 causal inference / high-dim / semipara / efficiency 均无直接交集；虽然您 very_familiar 的 inverse problems with random noise 与本文的随机偏微分方程在术语上有表面相似，但本文处理的是连续时空上的 Itô 随机分析而非统计估计或推断问题。核心机器（SPDE 的 Itô 积分、Wiener chaos 展开、紧流形上的随机分析）不在您的武器库中，属于暂不可做；除非您有意向随机分析方向拓展，否则不建议花时间深读全文。

4. 10.3150/24-bej1839 — Subexponential estimates for the first hitting time of a Brownian motion with singular drift¶

作者: Dante DeBlassie, Adina Oprisan, Robert G. Smits
期刊/来源: Bernoulli
机构: New Mexico State University · University of Alabama
分类: vol 31 · issue 4
相关性 1/10 · novelty: new_theory
摘要: 本文研究正半轴上带幂律奇异漂移的布朗运动对零点的首达时间，漂移在零点与无穷处的阶数不同。核心结论是：即使零点附近漂移为正且无界，首达时间仍几乎必然有限。作者给出了首达时间尾部分布的次指数估计，且该估计不依赖于漂移在原点附近的奇异行为。技术工具主要依赖随机过程与偏微分方程的联系（Feynman-Kac、Dirichlet 问题）及边界附近奇异系数的处理。对您而言，本文属于经典概率论与随机分析范畴，与因果推断或高维统计等核心方向无直接交集。
关键技术: first hitting time, Brownian motion with singular drift, subexponential tail estimates, Feynman-Kac formula, Dirichlet problem
为什么对您有用: 本文属于纯概率论与随机分析工作，与您 primary interests（因果推断、高维/效率理论、U-统计量）及 secondary interests 均无直接关联。您的 technical_arsenal 中 minimax bounds 与 inverse problems with random noise 虽涉及概率工具，但本文的奇异漂移与首达时间设定难以迁移至统计推断问题。属于暂不可做：核心问题与工具（随机过程边界行为、PDE 奇异分析）不在您的武器库内，且缺乏通向您研究方向的明确接口，不建议花时间深读。

5. 10.3150/24-bej1830 · arXiv — On non-negative solutions of stochastic Volterra equations with jumps and non-Lipschitz coefficients¶

作者: Aurélien Alfonsi, Guillaume Szulda
期刊/来源: Bernoulli
机构: CERMICS
分类: vol 31 · issue 4
相关性 0/10 · novelty: new_theory
摘要: 本文研究带跳的一维随机Volterra方程的非负解存在性与路径唯一性。假设卷积核和系数满足非Lipschitz条件，并采用最近发展的非负逼近方法以及Yamada-Watanabe型技术来证明强解存在性。该方法放宽了传统Lipschitz假设，适用于更广泛的非正则系数。作者将结果应用于Lévy驱动的随机Volterra方程，特别定义了α-稳定Cox-Ingersoll-Ross过程的Volterra推广，该过程常用于数学金融建模。文章主要贡献在于理论拓展，为金融领域中的跳跃扩散过程提供了更一般的存在性框架。
关键技术: Yamada-Watanabe approximation, stochastic Volterra equations, Lévy processes, alpha-stable Cox-Ingersoll-Ross process
为什么对您有用: 本文主题为随机分析与数学金融，与您的主要统计兴趣（因果推断、高维统计、半参数理论等）无直接关联。技术装备中缺乏随机Volterra方程相关工具（Yamada-Watanabe逼近、跳过程理论），因此无法立即转化为可操作的研究问题。若您对金融时间序列的建模有应用兴趣，可作为背景阅读，但方法论移植性较弱。

Maintained by 陈星宇 · Homepage · Source on GitHub