Bernoulli — Vol 29 Issue 2 · 2026-06-23¶

共 29 篇 · Bernoulli
目录核对 ⚠️ 疑似漏 6 篇（对照 OpenAlex 35 篇）：10.3150/22-bej1507、10.3150/22-bej1514、10.3150/22-bej1490、10.3150/22-bej1483、10.3150/22-bej1485 等

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29卷第2期的29篇论文可归为四条主线：高维随机矩阵的特征结构分析与谱统计量渐近理论（4篇）、非参数与半参数推断方法（11篇，涵盖贝叶斯非参数、函数时间序列、相依数据非参数回归、谱表示等）、假设检验与逼近理论（4篇，包括时变分位数比较、重随机检验、Berry-Esseen界与Poisson逼近），以及统计计算与优化算法（2篇，双时间尺度SGD与伯努利工厂）。其余8篇多属纯概率论与随机过程，与统计推断方向关联较弱。

高维随机矩阵主线中，《发散spike特征结构》将spike数目可允许范围从 \(o(n^{1/6})\) 提升至接近 \(n\)，并给出了特征值CLT与特征向量收敛速率；《样本相关矩阵线性谱统计量的CLT》揭示了样本相关矩阵与样本协方差矩阵的LSS极限分布本质不同，且随总体结构（独立成分 vs. 椭圆）而异；《检测高维随机向量的近似重复分量》用Schur补最大化准则识别潜在因子模型中平行载荷行，给出可识别性与一致性估计；《复矩阵布朗运动奇异值过程》推广了带漂移奇异值的马尔可夫性质，提供显式转移核与诸等价描述。非参数/半参数主线中，《Gibbs后验在次指数损失下的集中率》给出了一般理论，应用于均值/分位数回归与稀疏分类；《高斯混合的最优贝叶斯估计》在成分数增长时证明Wasserstein距离下的极小化最优收敛率，且分离条件下成分数可一致估计；《平滑分布：条件Fleming–Viot与Dawson–Watanabe扩散》给出了非参数隐马尔可夫模型中后验平滑的显式Dirichlet/伽马混合表示；《贝叶斯最优预测与频率覆盖控制》将共形预测与贝叶斯结合，有限样本保证覆盖。假设检验主线中，《比较时变分位数曲线》在局部平稳框架下提出积分平方范数检验与同时置信带，并给出wild bootstrap；《代数群随机化经验过程与弱零假设检验》建立了重随机检验的条件弱收敛定理；《几乎尖依赖条件下的Berry-Esseen界》给出平稳序列正态近似的 \(n^{-1/2}\) 收敛速率所需条件；《χ²距离下的Poisson逼近》用Stein-Chen方法简化了证明。统计计算主线中，《连续时间双时间尺度SGD》在加性/非加性噪声下证明几乎必然收敛，并应用于bilevel优化（参数估计与传感器放置）。

与高维统计、非参数效率方向最贴近的论文依次为：高维随机矩阵的四篇（发散spike、相关矩阵LSS、重复分量检测、奇异值过程）适合优先阅读；非参数/半参数方向中，《Gibbs后验集中率》《高斯混合最优估计》《平滑分布》《贝叶斯最优共形预测》以及《非平稳分数积分函数时间序列》《深度RNN收敛速率》均涉及收敛速率或效率分析。假设检验中的《时变分位数比较》与统计计算中的《双时间尺度SGD》也分别对应非参数检验与自适应优化方法。

高维统计 / 随机矩阵 (high_dim_rmt, 4 篇)¶

1. 10.3150/22-bej1498 · arXiv — On the eigenstructure of covariance matrices with divergent spikes¶

作者: Simona Diaconu
期刊/来源: Bernoulli
分类: vol 29 · issue 2
相关性 9/10 · novelty: sharper_rate
摘要: 本文在 Johnstone's spiked 模型的推广设定下，考虑协方差矩阵除 M 个特征值外全为 1 的情形，且特征数 N 与样本量 n 同阶（N/n 有界）。对趋于无穷快的分离 spike，当 M 增长略慢于 n（满足 log n / log(n/M) → 0）时，建立了特征值估计的中心极限定理（CLT）及其一致性速率。该结果将现有文献中 M 的最大范围从 o(n^{1/6}) 大幅提升至接近 n，填补了高维随机矩阵理论中关于发散 spike 数目增长的理论空白。同时，还推导了相应经验特征向量向其真值的收敛速率，并揭示该速率依赖于 spike 的相对增长速度。中心化项可采用经验、确定性或两者混合形式，体现了 CLT 的灵活性。对您有用：这是高维协方差矩阵特征结构的前沿进展，直接连接您的高维统计与随机矩阵理论兴趣。
关键技术: Johnstone's spiked model, CLT for spiked eigenvalues, eigenvector consistency, divergent spikes, rate of convergence, high-dimensional covariance
为什么对您有用: 本文直接切入随机矩阵理论（RMT）中 spiked 协方差矩阵的发散特征值 CLT 问题，是您 high-dimensional statistics 兴趣下 RMT 子方向的实质性理论推进。您非常熟悉的高维渐近工具（如 concentration inequality、Marchenko-Pastur 校正）可立即用于验证或扩展本文结果至非高斯或因子模型设定，属于立即可做的 follow-up：例如，利用高维渐近分析本文 CLT 的收敛速度是否最优，或结合您的树宽/einsum 经验在稀疏 spike 结构下降低计算成本。

2. 10.3150/22-bej1487 — Central limit theorem of linear spectral statistics of high-dimensional sample correlation matrices¶

作者: Yanqing Yin, Shurong Zheng, Tingting Zou
期刊/来源: Bernoulli
机构: Chongqing University · Northeast Normal University · Jilin University
分类: vol 29 · issue 2
相关性 8/10 · novelty: new_theory
摘要: 本文研究高维样本相关矩阵线性谱统计量（LSS）的中心极限定理，设定为数据维度 p 与样本量 n 成比例增长的高维框架。考虑两种总体结构：(1) 独立成分结构；(2) 椭圆结构（含重尾分布）。核心方法是随机矩阵理论中的线性谱统计量技术，通过 Stieltjes 变换和矩方法推导极限分布。主要结论是两种设定下的 CLT 形式显著不同，即使总体相关矩阵为单位阵，极限分布也互不相同，这与样本协方差矩阵的 LSS 形成鲜明对比。理论结果为高维相关矩阵的假设检验提供了渐近理论基础。对您的高维统计与随机矩阵理论研究有直接参考价值。
关键技术: linear spectral statistics, random matrix theory, central limit theorem, sample correlation matrix, Stieltjes transform, elliptical distribution
为什么对您有用: 直接连接您 primary interest 中的 high-dimensional statistics (Random matrix theory)，是 RMT 在经典统计推断问题中的具体应用。您 very_familiar 的高维渐近理论和 minimax bound 工具可直接用于验证其收敛率是否紧、或扩展到更一般的谱统计量。立即可做：用您熟悉的 RMT 工具检验其 CLT 在边界情形的表现，或考虑相关矩阵检验问题的 minimax 率。

3. 10.3150/22-bej1502 · arXiv — Detecting approximate replicate components of a high-dimensional random vector with latent structure¶

作者: Xin Bing, Florentina Bunea, Marten Wegkamp
期刊/来源: Bernoulli
分类: vol 29 · issue 2
相关性 7/10 · novelty: new_method
摘要: 本文针对高维随机向量 X ∈ ℝ^p 中存在的近似重复分量检测问题，提出一类潜在因子模型，其中载荷矩阵 A ∈ ℝ^{p×K} 包含一个隐藏子矩阵，其行可划分为若干平行向量组（即方向相同的向量），并定义一个近似重复分量集对应于 A 的平行行。该模型通过 X 的相关矩阵的新准则族（基于 Schur 补的逐步最大化）来刻画隐藏子矩阵的行索引集 H 及其划分，在无误差变量参数化下证明了 H 和潜在维度 K 的可识别性，并给出计算高效的估计程序及其一致性保证。当 A 具有误差变量参数化时，需要进一步区分平行行中与规范基向量成比例的稀疏组和其他密集平行行，论文利用协方差矩阵 Schur 补的序列最大化实现了这一任务。理论构建性识别论证直接转化为算法，无需迭代或谱分解，计算复杂度低。本文的方法论连接高维潜在结构分析，对研究者的高维统计兴趣（因子模型下的可识别性与估计）具有直接参考价值，但未涉及随机矩阵理论中的相转型行为。
关键技术: latent factor model, loading matrix parallel rows, correlation matrix criterion, Schur complement maximization, identification consistency
为什么对您有用: 该论文属于高维统计与潜在结构检测，连接研究者的高维统计兴趣（因子模型与相关性分析）。研究者可用'very_familiar'中的'minimax bounds for estimation problems'分析该估计器的最优收敛速率是否达到参数效率，或用'high-dimensional asymptotics'研究 p,n 同增长时的相合性条件。由于方法本身基于总体协方差矩阵，未涉及高维样本协方差谱下的挑战（p>n 时 Schur 补的行为），研究者可中期跟进（'moderately_familiar'中的'high-dimensional asymptotics'）扩展至高维情景。当前可动手复现算法并验证模拟效果（software development 熟悉）。

4. 10.3150/22-bej1517 · arXiv — On the singular values of complex matrix Brownian motion with a matrix drift¶

作者: Theodoros Assiotis
期刊/来源: Bernoulli
分类: vol 29 · issue 2
相关性 6/10 · novelty: new_theory
摘要: 本文研究复矩阵布朗运动加上常数漂移后的奇异值过程的马尔可夫性质。设B_t为从零开始的K×N复矩阵布朗运动，M为固定矩阵，考虑(B_t+tM)^*(B_t+tM)的特征值过程（即奇异值的平方）。主要定理：当K≥N时，这N个特征值构成马尔可夫过程，且转移概率核有显式表达式，推广了Rogers和Pitman关于一维带漂移布朗运动的平方Bessel过程的经典结果（N=1情形）。进一步给出另外两种等价描述：(a) 独立平方Bessel扩散过程在永不交叉条件下的分布；(b) 某类交错扩散阵列中顶行的分布。最后，这些描述可推广到更一般的一维扩散类。该工作为随机矩阵理论中非Hermitian矩阵奇异值动力学的核心结果，为高维统计中随机矩阵谱的时变分析奠定了基础。
关键技术: Matrix Brownian motion, Singular value process, Transition kernel, Squared Bessel process, Non-colliding diffusions, Interlacing diffusions
为什么对您有用: 本文直接对应您primary interest中的随机矩阵理论（高维统计），提供矩阵奇异值过程精确的马尔可夫刻画与转移核公式。从技术武器库来看，您非常熟悉的“high-dimensional asymptotics”可用于分析该过程在大维度（K,N→∞）下的极限行为，验证转移核是否收敛到已知的谱分布演化（如动态Marchenko-Pastur律）；但本文的核心证明依赖随机过程与扩散理论，与当前武器库的重叠有限。因此follow-up粗判为“中期可做”：需先在“随机过程与交互粒子系统”上补强（目前不在武器库中），之后可在动态谱分析、随机矩阵滤波或高维假设检验的适应性设计等问题上利用本文结果。

非参数 / 半参数 (nonparam_semipara, 9 篇)¶

1. 10.3150/22-bej1491 · arXiv — Gibbs posterior concentration rates under sub-exponential type losses¶

作者: Nicholas Syring, Ryan Martin
期刊/来源: Bernoulli
分类: vol 29 · issue 2
相关性 8/10 · novelty: new_theory
摘要: 论文研究 Gibbs 后验分布在子指数型损失函数下的集中率问题。Gibbs 后验直接基于损失函数定义后验分布，避免了完整似然建模和大量 nuisance 参数的先验设定，特别适用于模型误指定场景。作者提供了简单且充分的条件下建立 Gibbs 后验集中率的一般理论，损失函数限定为子指数类型（sub-exponential type）。该理论被具体应用于均值回归、分位数回归、稀疏高维分类等经典统计问题，以及医学统计中个性化最小临床重要差异的估计。证明了在这些问题中 Gibbs 后验能达到与频率方法或贝叶斯非参数方法相当的收敛速率。文中还展示了如何利用损失函数的子指数性质获得指数型集中不等式，从而推导后验收缩率。这一工作填补了 Gibbs 后验理论中对于非光滑损失函数集中率的系统性处理，为似然自由推断提供了理论保障。对您而言，该理论直接与您熟悉的非参数统计和 minimax 界知识相关，您可以通过对比集中率与已知最优 minimax 率来评估其紧致性，或将其拓展到更复杂的损失函数结构。
关键技术: Gibbs posterior, posterior concentration rates, sub-exponential loss, mean regression, quantile regression, high-dimensional classification
为什么对您有用: 本文属于非参数推断的渐近理论，直接连接您的 primary interest 中的 nonparametric statistics。您武器库中熟悉的 minimax bounds 可以立即用于检验文中集中率是否达到最优，并可探讨损失函数结构对率的影响。由于您对非参数统计非常熟悉，理解本文理论与现有结果的关系是立即可做的。此外，文中涉及的高维分类场景也与您的高维统计兴趣相关，您可以思考 Gibbs 后验在高维稀疏模型中的计算与理论权衡。

2. 10.3150/22-bej1495 · arXiv — Optimal Bayesian estimation of Gaussian mixtures with growing number of components¶

作者: Ilsang Ohn, Lizhen Lin
期刊/来源: Bernoulli
分类: vol 29 · issue 2
相关性 7/10 · novelty: new_theory
摘要: 本文研究高斯混合模型在成分数未知且允许随样本量增长时的贝叶斯后验收缩性质。在温和先验条件下，证明了后验分布关于Wasserstein距离以接近极小化最优速率收缩；若真实混合分布满足分离条件，则能得到自适应更优的收敛速率，且成分数可一致估计。进一步考虑了分数后验，其收缩率同样达到极小化最优。对于满足强可识别条件的一般混合模型，在固定成分数下推导出最优收敛率。最后分析狄利克雷过程混合先验的后验性质，表明该模型虽能合理估计成分数，但混合分布估计仅能保证慢速收敛。本文的速率分析方法可直接用于评估其他非参数估计方法的性能，对研究者熟悉的最小化极理论有直接参考价值。
关键技术: posterior concentration, Wasserstein distance, fractional posterior, minimax optimal rates, Dirichlet process mixture, adaptive estimation
为什么对您有用: 本文属于非参数混合模型的理论分析，直接对应您首要兴趣中的非参数统计与极小化极理论。您非常熟悉的非参数统计和极小化极工具可以直接用于复现或对比其收敛率结果——例如验证其Wasserstein上界是否紧、或将框架推广到其他混合分布族，属于立即可做的工作。

3. 10.3150/22-bej1504 · arXiv — Smoothing distributions for conditional Fleming–Viot and Dawson–Watanabe diffusions¶

作者: Filippo Ascolani, Antonio Lijoi, Matteo Ruggiero
期刊/来源: Bernoulli
分类: vol 29 · issue 2
相关性 5/10 · novelty: new_theory
摘要: 本文在Fleming-Viot和Dawson-Watanabe两类测度值扩散框架下，研究未观测状态的平滑分布，条件为来自过去、现在和未来的种群观测。该设定等价于非参数隐马尔可夫模型，平滑分布被显式表示为Dirichlet随机测度与伽马随机测度的有限混合，其权重通过递归形式计算并依赖于观测时间间隔。当突变分布为非原子时，混合成分会自动给携带观测类型的原子更高权重，从而实现自适应平滑。文中还给出了预测分布的混合表示，Dawson-Watanabe情形下需引入隐变量。主要贡献在于提供了复杂过程后验推断的解析形式，避免MCMC采样。本文属于非参数潜变量过程建模，与您对纵向数据中潜在过程的建模兴趣有间接关联。
关键技术: Fleming–Viot diffusion, Dawson–Watanabe diffusion, nonparametric hidden Markov model, Dirichlet random measure, gamma random measure, smoothing distribution, mixture representation
为什么对您有用: 本文属于非参数状态空间建模，与您关心的半参数/非参数理论主题有交集。但核心技术（测度值扩散、贝叶斯非参数后验）不在您当前武器库中：very_familiar中的非参数统计能帮助理解基本设定，但深层推导需Dirichlet过程知识，这在moderately_familiar中缺失。因此暂不可做——若想跟进，需先学习贝叶斯非参数与随机测度理论。不过，递归混合表示的计算结构可能与您熟悉的higher-order U统计量的tensor contraction形式有数学类比，值得远观。

4. 10.3150/22-bej1484 · arXiv — Bayes-optimal prediction with frequentist coverage control¶

作者: Peter Hoff
期刊/来源: Bernoulli
分类: vol 29 · issue 2
相关性 5/10 · novelty: new_method
摘要: 本文提出一个一般性框架，利用间接或先验信息构建预测区域，同时保证频率学派覆盖率。框架适用于具有完备充分统计量的模型，涵盖许多参数和非参数模型。通过将共形预测与贝叶斯最优结合，得到一种预测方法：若先验信息准确则区域体积更小，即使不准确仍维持目标覆盖率。给出了非参数模型下保持恒定覆盖率的贝叶斯最优共形预测过程，以及正态线性模型中利用正则化先验的预测过程。所有结果不依赖渐近近似，具有有限样本保证。对您而言，该工作将共形预测的非参数覆盖保证与贝叶斯信息整合结合起来，与您的非参数统计和统计计算兴趣直接相关，同时其有限样本性质可能为高阶U统计量驱动的预测方法提供新思路。
关键技术: conformal prediction, Bayes-optimal prediction, complete sufficient statistic, frequentist coverage control
为什么对您有用: 本文核心是非参数模型下预测区间的频率覆盖率控制，正好落在您的非参数统计兴趣范围内，且构建方法不依赖渐近近似，可直接作为您熟悉的最小最大界工具的检验案例。此外，共形预测的计算简单性与您统计计算兴趣吻合，但其有限样本覆盖性质与您熟悉的U统计量理论有潜在交叉（例如用U统计量构造更一般的关键量）。目前可视为中期可做：需先在共形预测和分布自由推断方面进一步熟悉，再考虑能否将高阶U统计量的树宽复杂度引入预测区间效率分析。

5. 10.3150/22-bej1508 — Nonstationary fractionally integrated functional time series¶

作者: Degui Li, Peter M. Robinson, Han Lin Shang
期刊/来源: Bernoulli
机构: University of York · London School of Economics and Political Science · Macquarie University
分类: vol 29 · issue 2
相关性 4/10 · novelty: new_theory
摘要: 本文研究无限维可分 Hilbert 空间上的非平稳分数积分函数时间序列，函数单位根是其特例。核心设定是将函数时间序列投影到有限维子空间，允许非平稳程度在不同子空间上变化。在正则条件下，证明了投影到渐近主导子空间（承载大部分样本信息）上的分数积分过程的弱收敛结果。通过样本方差算子的函数主成分分析获得张成主导子空间的特征值和特征函数，并提出简单的 ratio criterion 一致估计主导子空间的维数。最后采用半参数 local Whittle 方法估计记忆参数，Monte-Carlo 模拟验证了有限样本表现。对您研究半参数理论中的收敛速率和效率界有参考价值。
关键技术: functional principal component analysis, weak convergence in Hilbert space, local Whittle estimation, fractionally integrated process, semiparametric estimation, eigenvalue ratio criterion
为什么对您有用: (1) 连接到 semiparametric theory 的 infinite-dimensional estimation 问题，涉及 Hilbert space 上的收敛速率和效率问题。(2) 您的 very_familiar 中的 nonparametric statistics 和 high-dimensional asymptotics 可用于审视其投影估计的 minimax 性质；moderately_familiar 中的 semiparametric theory 可用于分析 local Whittle 估计的效率界。(3) 中期可做：需先在 moderately_familiar 的 semiparametric theory 上加强，特别是 infinite-dimensional M-estimation 的收敛速率分析，才能深入审视其理论贡献的紧致性。

6. 10.3150/22-bej1516 · arXiv — On the rate of convergence of a deep recurrent neural network estimate in a regression problem with dependent data¶

作者: Michael Kohler, Adam Krzyżak
期刊/来源: Bernoulli
分类: vol 29 · issue 2
相关性 4/10 · novelty: new_theory
摘要: 本文考虑相依数据的非参数回归问题，目标是在时间序列设定下估计回归函数 m(x) = E[Y|X=x]。引入了刻画数据相依性的正则性条件（如 β-mixing 或 α-mixing 的衰减速率），并在回归函数具有低维内在结构（如组合结构或层次结构）的假设下，证明深度循环神经网络（RNN）估计可以绕过维数诅咒。核心结果是给出了 RNN 估计的收敛速率，在适当的混合条件下达到接近 i.i.d. 设定的最优速率，关键工具包括经验过程理论在相依数据上的推广以及 RNN 对复合函数的逼近分析。对您而言，这是非参数理论在深度学习与相依数据交叉方向的典型工作。
关键技术: deep recurrent neural network, nonparametric regression rate, dependent data mixing conditions, curse of dimensionality, function approximation theory
为什么对您有用: 连接到非参数理论这一 primary interest，涉及 minimax rate 和维数诅咒的经典话题。您熟悉的 minimax bound 和非参数统计工具可以直接用来审视其声称的速率是否紧、正则性条件是否可弱化。立即可做：用 very_familiar 的非参数统计和 minimax 理论验证其收敛速率的 tightness，并思考是否可用 U-statistic 或 semiparametric 工具改进。

7. 10.3150/22-bej1500 · arXiv — Kernel based Dirichlet sequences¶

作者: Patrizia Berti, Emanuela Dreassi, Fabrizio Leisen, Luca Pratelli, Pietro Rigo
期刊/来源: Bernoulli
分类: vol 29 · issue 2
相关性 4/10 · novelty: new_theory
摘要: 本文研究一类基于核函数的 Dirichlet 序列，核心设定是可交换序列 \((X_n)\)，其预测分布为 \(P(X_{n+1}\in\cdot\mid X_1,\ldots,X_n)=(\theta\nu+\sum_{i=1}^n K(X_i))/(n+\theta)\)，其中 \(K\) 是关于 \(\nu\) 的正则条件分布。在 \(K\) 满足正则性条件下，作者证明该序列具有经典 Dirichlet 序列的主要性质：Sethuraman 表示、共轭性、以及预测分布的全变差收敛。进一步给出经验测度弱极限 \(\mu\) 几乎必然离散、几乎必然无原子、或 \(\mu\ll\nu\) 的充分条件。两个中心极限定理分别涉及稳定收敛和全变差距离。这是对经典 Dirichlet 过程的推广，对 Bayesian nonparametrics 和预测推断有基础性贡献。
关键技术: Dirichlet process, exchangeability, predictive distribution, Sethuraman representation, stable convergence, total variation convergence
为什么对您有用: 本文属于 Bayesian nonparametrics 的基础理论工作，与您 primary interest 中的 semiparametric theory 有方法论上的联系（如预测分布的收敛率、经验过程的极限行为）。技术上涉及概率测度的收敛和正则条件分布，属于您 very_familiar 的 nonparametric statistics 范畴。但本文是纯概率论/Bayes 基础理论，不涉及效率界、influence function 或 minimax rate 等您更关注的估计理论问题。中期可做：若想进入 Bayesian nonparametrics 领域，本文是不错的入门材料，但需要先补充 Dirichlet process 和 de Finetti 表示定理的背景知识。

8. 10.3150/22-bej1518 · arXiv — A note on one-dimensional Poincaré inequalities by Stein-type integration¶

作者: Gilles Germain, Yvik Swan
期刊/来源: Bernoulli
分类: vol 29 · issue 2
相关性 3/10 · novelty: new_theory
摘要: 本文研究概率密度 p 在权重函数 w 下的 Poincaré 常数 C(p,w)，这是一个刻画分布光滑性与函数方差衰减的核心泛函常数。作者借鉴 Stein's method 的积分技巧，推导出 Chen-Wang 变分公式的新版本，进而用 Stein kernel 给出 C(p,w) 的上下界。通过迭代变分公式，构造出包含 Poincaré 常数的嵌套区间序列、收敛到该常数的函数序列，以及收敛到相应谱问题解的函数序列。核心工具是经典 Sturm-Liouville 算子的伪逆算子及其谱性质。应用于 Gaussian functionals、beta、gamma、Subbotin、Weibull 等分布，给出具体的常数估计。对您有用：Poincaré 不等式是高维统计中 concentration inequality 和 log-Sobolev 不等式的基础工具，本文的 Stein kernel 视角与您熟悉的 Stein's method 有直接连接。
关键技术: Stein's method, Poincaré inequality, Stein kernel, Sturm-Liouville operator, variational formula, spectral problem
为什么对您有用: 本文连接到 nonparametric statistics 中 concentration inequality 的基础理论，Poincaré 常数是控制估计量方差衰减的关键工具。您 very_familiar 的 nonparametric statistics 和 minimax bounds 工具箱可直接用于验证本文声称的上下界是否紧，以及探索高维推广的可能性。中期可做：需先在 moderately_familiar 的 semiparametric theory 中补充 Stein kernel 与 influence function 的联系，再考虑将本文的迭代变分框架推广到高维或依赖数据情形。

9. 10.3150/22-bej1503 · arXiv — Spectral representations of characteristic functions of discrete probability laws¶

作者: Ivan Alexeev, Alexey Khartov
期刊/来源: Bernoulli
分类: vol 29 · issue 2
相关性 2/10 · novelty: new_theory
摘要: 本文研究实轴上离散概率分布的特征函数，在特征函数远离零点的条件下，证明其具有 Lévy-Khinchine 型谱表示。该分布类包含任意离散无穷可分分布，以及特征函数在实轴上无零点的格点分布。核心技术工具是特征函数的谱分解与 Lévy-Khinchine 表示的推广，结合变差距离下的收敛性分析。主要结果包括该类分布的极限定理与紧性定理，推广了 Lindner, Pan, Sato, Khartov 等人的近期工作。对您可能有用：若涉及高维或非参数设定下特征函数的估计与推断，本文的谱表示技巧或可借鉴。
关键技术: characteristic function spectral representation, Lévy-Khinchine formula, discrete infinitely divisible laws, variation distance convergence, compactness theorems
为什么对您有用: 本文属于概率分布的结构性理论，与您 primary interests 中的非参数理论有一定距离，但特征函数的谱表示在非参数估计、逆问题中是常用工具。您熟悉的 minimax bounds 和 inverse problems with random noise 可用于分析基于特征函数的估计问题，但本文偏重概率结构而非统计推断。暂不可做：本文是纯概率论结果，缺乏统计推断设定（无 estimand、无估计量、无收敛率），与您武器库中的 semiparametric efficiency、higher-order U-statistics 等核心工具无直接接口。

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

1. 10.3150/22-bej1509 — Comparing time varying regression quantiles under shift invariance¶

作者: Subhra Sankar Dhar, Weichi Wu
期刊/来源: Bernoulli
机构: Indian Institute of Technology Kanpur · Tsinghua University
分类: vol 29 · issue 2
相关性 8/10 · novelty: new_theory
摘要: 本文研究两条时间变系数分位数回归曲线是否仅在水平位移上等价的假设检验问题，设定为误差和协变量均可局部平稳的非参数回归框架。提出两种检验方法：基于积分平方范数的 SIT 检验统计量和同时置信带（SCB）方法，两者均通过核估计构造。在原假设和局部备择假设下建立了检验统计量的渐近分布，并进一步研究了比较数据集之间存在依赖性时的渐近性质。提出 wild bootstrap 算法实现有限样本推断，理论证明涉及非参数核估计的渐近理论和经验过程收敛。模拟和 COVID-19、气候科学实证分析展示了方法的应用价值，对您在假设检验与非参数理论方向有直接参考意义。
关键技术: nonparametric quantile regression, integrated squared norm test, simultaneous confidence band, locally stationary process, wild bootstrap, kernel estimation
为什么对您有用: 直接连接到 primary interest 中的假设检验与非参数理论，涉及局部平稳过程的非参数推断。您 very_familiar 的 nonparametric statistics 和 minimax bounds 可用于审视其检验的势函数性质和 SCB 覆盖率的渐近紧性。立即可做：用您熟悉的非参数理论工具验证其渐近结果是否可进一步 sharpen，或考虑高维协变量情形下的扩展。

2. 10.3150/22-bej1492 · arXiv — Randomized empirical processes by algebraic groups, and tests for weak null hypotheses¶

作者: Dennis Dobler
期刊/来源: Bernoulli
分类: vol 29 · issue 2
相关性 7/10 · novelty: new_theory
摘要: 本文研究在 weak null hypotheses 下基于代数群随机化的重随机检验的渐近有效性问题。设定是：数据通过代数群元素的随机作用生成检验统计量的随机化版本，目标是建立条件弱收敛定理以保证 type I error 控制。核心方法是建立随机化经验过程与经典经验过程理论之间的桥梁，结合 functional delta-method 的变体与适当的 studentization，证明在渐近正态检验统计量下重随机检验的渐近精确性，同时保留有限样本下群不变子假设的精确性。技术工具包括条件经验过程理论、代数群上的随机化机制、functional delta-method 以及 studentization 技术。主要理论贡献是一个广泛适用的条件弱收敛定理，适用于 Pearson 相关系数、右删失配对数据的 Mann-Whitney 效应、竞争风险分析等场景。对您有用之处在于：这是数学统计假设检验领域的理论工作，涉及经验过程和渐近理论，与您 primary interest 中的 mathematical statistics 直接相关。
关键技术: empirical process theory, randomization tests, algebraic group actions, functional delta-method, conditional weak convergence, studentization
为什么对您有用: (1) 直接连接到您 primary interest 中的 mathematical statistics (hypothesis testing) 子方向，涉及经验过程理论和渐近有效性证明。(2) 您武器库中 very_familiar 的 nonparametric statistics 和 high-dimensional asymptotics 可以用来审视其条件弱收敛定理的证明技巧，moderately_familiar 的 semiparametric theory 可帮助理解 functional delta-method 的应用。(3) 立即可做：用您熟悉的经验过程和 minimax 理论工具可以评估其渐近有效性定理的紧性和适用范围，甚至可能推广到高维场景。

3. 10.3150/22-bej1496 · arXiv — A Berry-Esseen bound with (almost) sharp dependence conditions¶

作者: Moritz Jirak
期刊/来源: Bernoulli
分类: vol 29 · issue 2
相关性 5/10 · novelty: sharper_rate
摘要: 本文研究了平稳序列部分和标准化后收敛到标准正态分布的最优Berry-Esseen界（即n^{-1/2}收敛速率）所需的依赖条件。在相当一般的框架下，作者给出了几乎尖的条件，这些条件仅依赖于序列的依赖结构，而非具体的模型形式。文章将结果应用于两个具体例子：加倍映射的函数和一般线性群上的左随机游走，验证了条件的可行性。该工作为依赖数据的CLT收敛速度提供了精细的理论刻画。对于研究者而言，该结果直接有助于评估基于正态近似的假设检验在依赖数据下的准确性，特别是在时间序列和动力系统背景下。
关键技术: Berry-Esseen bound, sharp dependence conditions, stationary sequences, normal approximation, doubling map, random walk on general linear groups
为什么对您有用: 本文聚焦依赖数据下的CLT收敛速度，属于数学统计与假设检验的核心理论问题。研究者武器库中的“非参数统计”和“高维渐近理论”提供了处理收敛速率和依赖结构的基本工具，可以直接消化本文的依赖条件，并推广至时间序列因果推断中的测试问题。该结果可作为立即可做的理论工具，用于纵向数据敏感性分析中的分布近似。

4. 10.3150/22-bej1512 — Poisson approximation in χ2 distance by the Stein-Chen approach¶

作者: Vytas Zacharovas
期刊/来源: Bernoulli
机构: Vilnius University
分类: vol 29 · issue 2
相关性 3/10 · novelty: new_method
摘要: 本文研究 Poisson 分布与 Poisson binomial 分布之间的 χ² 距离上界估计问题，目标是给出更简洁的证明。作者首次将 Stein-Chen 方法引入 χ² 距离分析，此前文献主要依赖生成函数分析或冗长的初等计算。核心机制是利用 Stein 方程的解的正则性估计，结合 Poisson 核函数的性质，直接推导出与已知最优上界相当的 χ² 距离界。主要理论结果是获得了与经典方法强度相当的上界，但证明过程显著简化。对您在假设检验与概率逼近方面的数学统计兴趣有直接参考价值。
关键技术: Stein-Chen method, χ² distance, Poisson approximation, Poisson binomial distribution, Stein equation solution regularity
为什么对您有用: 连接到您 primary interest 中的假设检验与数理统计基础——χ² 距离是 goodness-of-fit 检验的核心量，Stein 方法是现代概率逼近的通用工具。您武器库中的 very_familiar（非参数统计、minimax bound）可直接用来审视本文上界的紧性，或推广到其他 f-divergence。follow-up 判断：立即可做——用您熟悉的 minimax 视角可检验该界是否可达，或尝试将 Stein-Chen 技术迁移到高维假设检验问题。

统计计算 / 算法 (stat_computing, 2 篇)¶

1. 10.3150/22-bej1493 · arXiv — Two-timescale stochastic gradient descent in continuous time with applications to joint online parameter estimation and optimal sensor placement¶

作者: Louis Sharrock, Nikolas Kantas
期刊/来源: Bernoulli
分类: vol 29 · issue 2
相关性 6/10 · novelty: new_theory
摘要: 本文在连续时间框架下建立了双时间尺度随机梯度下降（two-timescale SGD）算法的几乎必然收敛性，推广了已知的离散时间结果。算法允许加性噪声和非加性噪声两种设定，其中非加性噪声由受算法状态控制的连续时间马尔可夫过程刻画。该算法适用于一类广泛的bilevel优化问题，核心应用场景是部分观测扩散过程的联合在线参数估计与最优传感器放置。作者将问题表述为bilevel优化，并设计了连续时间双时间尺度SGD求解方案。在潜在信号、滤波器和滤波器导数的适当条件下，证明了在线参数估计和传感器放置分别几乎必然收敛到渐近对数似然和渐近滤波协方差的驻点。数值实验在部分观测Beneš方程和随机平流扩散方程上验证了方法。本文的收敛性分析为在线参数估计和自适应实验设计提供了理论保障，与您的统计计算兴趣（数值方法、算法）直接相关。
关键技术: two-timescale stochastic gradient descent, continuous-time stochastic approximation, bilevel optimisation, almost sure convergence, Markov noise, online parameter estimation
为什么对您有用: 本文属于统计计算中的优化算法理论，直接对应您的secondary interest 'statistical computing (numerical methods, algorithm)'。您武器库中的'software development'和'inverse problems with random noise'可用于复现和扩展数值实验，而连续时间SGD的收敛分析思路可迁移到在线因果推断中的适应性调参问题。中期可做：需先熟悉随机近似和马尔可夫噪声的连续时间理论（武器库暂无此专项），但若花时间阅读相关章节即可动手实现算法。

2. 10.3150/22-bej1497 · arXiv — Combinatorial Bernoulli factories¶

作者: Rad Niazadeh, Renato Paes Leme, Jon Schneider
期刊/来源: Bernoulli
分类: vol 29 · issue 2
相关性 4/10 · novelty: new_theory
摘要: 本文研究组合多面体的伯努利工厂问题：给定对向量x∈P的伯努利访问（可抽到各坐标独立的伯努利样本），目标输出一个随机顶点使得每个坐标的期望等于x_i。主要结果：一个多面体P存在伯努利工厂当且仅当P是[0,1]^n与仿射子空间的交。构造基于Bernstein多项式在每个顶点上满足的代数恒等式，并利用zonotope tilings的几何作为核心工具。对完美匹配多面体构造了显式工厂，与有向树的组合枚举深度相关；对k-一致拟阵多面体恢复为统计中的Sampford抽样。本文提供了所有证明细节及替代证明。对于统计计算领域，这种精确采样算法在随机化推断和蒙特卡洛方法中有潜在应用，研究者可借此理解多项式时间算法在统计采样问题中的刻画。
关键技术: Bernoulli factory, zonotope tilings, Bernstein polynomials, perfect matching polytope, Sampford sampling, k-uniform matroid
为什么对您有用: 本文直接连接研究者对统计-计算折中的兴趣，特别是多项式时间可能性在采样问题中的刻画（如何时存在精确算法）。当前武器库中缺少组合几何（zonotope tiling）和Bernstein多项式代数的专门知识，因此短期内难以直接利用该定理，但本文作为统计计算的gateway阅读能帮助研究者建立计算模型框架，并激发对更高阶计算-统计关系的直觉。属于暂不可做的核心工具不在库中。

其他 (other, 10 篇)¶

1. 10.3150/22-bej1489 · arXiv — Exponential ergodicity for non-dissipative McKean-Vlasov SDEs¶

作者: Feng-Yu Wang
期刊/来源: Bernoulli
分类: vol 29 · issue 2
相关性 3/10 · novelty: new_theory
摘要: 本文研究非耗散 McKean-Vlasov 随机微分方程的指数遍历性，目标是在 Lyapunov 条件和单调性条件下证明其诱导 Wasserstein 拟距离中的指数收敛速率。McKean-Vlasov SDE 是一类系数依赖于分布的非线性 SDE，常见于平均场粒子系统的极限分析。核心工具是构造 Lyapunov 函数并结合耦合方法，在非耗散（即漂移项不满足全局单调性）这一更弱假设下建立指数遍历性，推广了此前仅适用于耗散情形或长距离行为的结果。进一步，在保序性假设下，作者通过一维递增函数诱导的 Wasserstein 距离刻画收敛性。本文属于概率论与随机过程的纯理论工作，与您 primary interests 中的因果推断、高维统计、效率理论等方向无直接交集。
关键技术: Lyapunov function, Wasserstein quasi-distance, coupling method, McKean-Vlasov SDE, exponential ergodicity
为什么对您有用: 本文属于随机过程的纯理论工作，与您 primary interests（因果推断、高维统计、效率理论、higher-order U-statistics）无直接技术重叠。McKean-Vlasov SDE 虽然在 mean-field 方程和某些高维极限分析中出现，但本文聚焦的遍历性理论不在您当前武器库（very_familiar: minimax bounds, high-dimensional asymptotics; moderately_familiar: HOIF, semiparametric theory）覆盖范围内。暂不可做：核心机器（SDE 遍历性理论、Wasserstein 耦合技术）不在武器库中，且与您当前研究议程无明显接口。

2. 10.3150/22-bej1506 · arXiv — Rudin extension theorems on product spaces, turning bands, and random fields on balls cross time¶

作者: Emilio Porcu, Samuel F. Feng, Xavier Emery, Ana P. Peron
期刊/来源: Bernoulli
分类: vol 29 · issue 2
相关性 2/10 · novelty: new_theory
摘要: 本文研究产品空间上多径向特征函数的 Rudin 扩展定理。在 d 维欧氏空间与另一个欧氏空间或单位球面的乘积空间中，将球内定义的多径向相关函数扩展到整个乘积空间。作者结合 Turning Bands 算子，建立不同维度的乘积空间之间多径向相关函数类的双射关系。扩展定理与 Turning Bands 算子的组合，为定义在球与线性或圆形时间的叉积空间上的随机场提供了构造方法。主要理论贡献在于给出了乘积空间上扩展定理存在的充分条件，并弥补了 Rudin 关于矩形区域上扩展困难的反例。该工作为时空随机场的建模提供了严格的理论基础。对研究者而言，虽然不属于首要兴趣方向，但可作为特征函数理论在空间统计中的高级应用参考。
关键技术: Rudin extension theorem, multiradial characteristic functions, Turning Bands operators, isotropic correlation functions, random fields on product spaces
为什么对您有用: 本文与研究者主次兴趣方向均无直接关联，属于空间统计与随机场理论。技术武器库中暂无直接可攻击的口子，暂不纳入深度阅读。

3. 10.3150/22-bej1511 · arXiv — Bernoulli sums and Rényi entropy inequalities¶

作者: Mokshay Madiman, James Melbourne, Cyril Roberto
期刊/来源: Bernoulli
机构: Mathematics Research Center · Université Paris Nanterre · Fédération française de cardiologie · Modélisation aléatoire de Paris Nanterre
分类: vol 29 · issue 2
相关性 2/10 · novelty: new_theory
摘要: 该文研究整数型随机变量独立和的Rényi熵，通过傅里叶分析方法给出了Poisson-Bernoulli随机变量方差与Rényi熵之间的尖锐比较。主要结果包括：离散‘最小熵幂’（min-entropy power）在独立变量上具有超可加性（至多差一个普适常数），以及Littlewood-Offord问题的熵推广新界，这一界在‘泊松机制’下是紧的。方法上采用傅里叶解析并借助Bennett不等式等工具。这些不等式可用于统计中的集中性分析和随机和的下界，但整体属于纯概率-信息论结果，与研究者核心兴趣（因果推断、非参半参、高维统计等）的直接连接较弱。
关键技术: Fourier analytic entropy inequalities, Poisson-Bernoulli variables, min-entropy power, Littlewood-Offord problem, Bennett inequality
为什么对您有用: 该文通过熵不等式刻画独立和的方差-熵关系，其技术（如最小熵幂超可加性）在统计中可服务于高维集中性不等式或Bootstrap逼近的精细分析。但研究者武器库中的‘高维渐近’和‘minimax界’可从中借鉴类似不等式工具，然而核心问题（熵界在U统计量或因果推断中的直接应用）尚未明确，目前属于中远期可考虑的技术储备。

4. 10.3150/22-bej1515 · arXiv — Functional limit theorems for random walks perturbed by positive alpha-stable jumps¶

作者: Alexander Iksanov, Andrey Pilipenko, Ben Povar
期刊/来源: Bernoulli
分类: vol 29 · issue 2
相关性 2/10 · novelty: new_theory
摘要: 本文研究一类由两类跳跃驱动的马尔可夫链：当前状态为正时按零均值有限方差随机变量ξ跳跃，当前非正时按正α稳定吸引场（α∈(0,1)）的η跳跃。在Donsker尺度下证明泛函极限定理，弱极限过程X(t)满足随机微分方程dX(t)=dW(t)+dU_α(L_X^{(0)}(t))，其中W为布朗运动，U_α为独立α稳定子序器，L_X^{(0)}为X在0的局部时。该极限过程被解释为带有‘跳跃型’从0退出的Feller布朗运动。主要技术工具包括稳定分布的泛函收敛、局部时理论以及随机方程解的唯一性。结果属于纯概率论，与统计推断无直接关联。
关键技术: functional limit theorem, α-stable subordinator, local time, Feller Brownian motion, Donsker scaling, Markov chain with two jump types
为什么对您有用: 该论文属于概率论随机过程理论，与研究者（陈星宇）的主要兴趣（因果推断、高维统计、U统计量、半参数效率理论等）无直接交集。技术武器库中的极小极大界、高阶U统计量、因果推断等工具无法直接应用于此问题。该文对研究者当前研究路线没有可迁移的方法或问题，暂不可做。

5. 10.3150/22-bej1486 · arXiv — Determinantal point processes in the flat limit¶

作者: Simon Barthelmé, Nicolas Tremblay, Konstantin Usevich, Pierre-Olivier Amblard
期刊/来源: Bernoulli
机构: Centre de Recherche en Automatique de Nancy
分类: vol 29 · issue 2
相关性 2/10 · novelty: new_theory
摘要: 本文研究行列式点过程（DPP）在“平坦极限”下的行为，其中核函数变得平坦，导致所有点之间相互作用。首先引入扩展 L-ensemble 的新表示，克服了传统 DPP 框架中投影 DPP 无法表示为 L-ensemble 的缺陷。在此框架下定义了部分投影 DPP 子类，证明它们可通过低秩扰动的 L-ensemble 极限得到。进一步推广：当核函数趋于平坦时，基于核矩阵的 L-ensemble 的极限过程也是部分投影 DPP，且极限过程主要取决于核函数的光滑性，在某些情形下具有普适性（不依赖于核具体形式）。主要工具来自矩阵分析、核函数渐近和随机点过程理论。对您可能有用：核矩阵的渐近分析呼应了非参数统计中核方法，而极限的普适性与随机矩阵理论中 Marchenko-Pastur 律的普适性有类似精神，但本文主题距离您的核心兴趣（因果推断、高维假设检验）较远。
关键技术: extended L-ensemble, partial-projection DPP, kernel matrix asymptotics, low-rank perturbation, universality
为什么对您有用: 本文涉及核矩阵渐近分析和普适性，可连接到您对高维随机矩阵理论（Marchenko-Pastur 律）和非参数核方法的兴趣。可用您 very_familiar 中的 nonparametric statistics 和高维渐近工具来理解本文的平坦极限推导过程，尤其是核函数光滑性对极限的影响——这类似于核方法中的带宽选择问题。本文可作为 gateway 阅读，中期可做——在您 moderately_familiar 的 semiparametric theory 基础上，将 DPP 思想引入子抽样设计（如 repulsive sampling）是有可能的，但需先补点过程基础知识。

6. 10.3150/22-bej1488 · arXiv — Large deviations of extremes in branching random walk with regularly varying displacements¶

作者: Ayan Bhattacharya
期刊/来源: Bernoulli
分类: vol 29 · issue 2
相关性 2/10 · novelty: new_theory
摘要: 本文研究离散时间分支随机游走中极端值的大偏差行为，允许同一父代粒子位移具有依赖结构且联合正则变化尾。假设族树满足Kesten-Stigum条件，利用一大群渐近方法，将适定缩放后第n代粒子位置极端过程的大偏差极限测度识别为底层点过程弱极限中的团泊松点过程。作为推论，导出了第n代最右粒子位置的大偏差，这是Gantert和Hofelsauer(2018)在重尾情形下的对应结果。该工作为依赖结构下的重尾分支过程极端值提供了系统的大偏差理论。对您而言：分支过程在传染病传播建模中常用于模拟爆发规模，本文的极端值大偏差理论有助于理解罕见但灾难性爆发的概率，可连接secondary interest中的流行病学。但研究者目前武器库（分支随机游走、大偏差）不充分，暂不可直接利用本文结果开展后续工作。
关键技术: branching random walk, regularly varying tails, Kesten-Stigum condition, cluster Poisson point process, large deviation for extremes, extremal processes
为什么对您有用: 本文与secondary interest中的epidemiology（传染病传播极端事件概率建模）有潜在关联，但研究者武器库中缺少分支过程和大偏差理论工具，属于“暂不可做”的范畴。如需进入该方向，需先补充分支随机游走和重尾极值理论的基础。

7. 10.3150/22-bej1494 — Fisher’s measure of variability in repeated samples¶

作者: Poly H. da Silva, Arash Jamshidpey, Peter McCullagh, Simon Tavaré
期刊/来源: Bernoulli
机构: Columbia University · University of Chicago
分类: vol 29 · issue 2
相关性 2/10 · novelty: new_theory
摘要: 本文围绕Fisher(1943)关于重复样本中物种数样本方差期望的论断展开，发现该论断与Ewens抽样公式直接计算得到的值θ log n存在矛盾，而Fisher声称的极限值为θ log2。作者假设种群物种频率谱由Ewens抽样公式确定，样本是从同一有限总体中抽取的互斥子集，在此设定下推导了p个样本的样本方差期望的精确公式。对于等大样本，当样本量趋于无穷时，该期望确实收敛至θ log2，从而化解矛盾。进一步得到了样本方差在p→∞、n→∞或两者皆趋于无穷等不同极限框架下的极限定理。文章还考察了在所有样本中都出现的物种数的行为，并重新解析了Fisher的log-series分布作为未来大样本中典型物种观测数的极限分布。此结果对理解生态学与遗传学中多样性的抽样变异性具有基础理论意义。
关键技术: Ewens sampling formula, species frequency spectrum, random partition, Fisher's log-series, Poisson-Dirichlet distribution, limit theorems for multiple samples
为什么对您有用: 本文研究的样本方差是二阶U统计量，与研究者非常熟悉的higher-order U-statistics和einsum计算直接关联。具体地，文中精确公式和极限定理的推导利用了U统计量的投影方法，研究者可使用very_familiar中的“computation of higher-order U-statistics (treewidth / tensor contraction / einsum)”来重新验证或扩展该公式。因此，这是一篇立即可做的拓展阅读，但需注意该主题属于经典统计生物学，与因果推断等主要兴趣距离较远。

8. 10.3150/22-bej1510 · arXiv — Loop-erased random walk branch of uniform spanning tree in topological polygons¶

作者: Mingchang Liu, Hao Wu
期刊/来源: Bernoulli
分类: vol 29 · issue 2
相关性 1/10 · novelty: new_theory
摘要: 本文研究拓扑多边形中均匀生成树（UST）的环删随机游走分支（LERW）的标度极限。考虑边界上有2N个交替标记点的拓扑多边形，之前的工作（LPW21）给出了UST中Peano曲线的标度极限（SLE₈变种），本文将其推广到LERW分支。主要结论是：当N≥3时，LERW的标度极限是SLE₂的某种变种，且不属于经典的SLE₂(ρ)过程族；当N=2时，则退化为已有结果SLE₂(-1,-1;-1,-1)。证明依赖于离散复分析和随机环删过程的精细分析。该工作属于统计物理和概率论基础研究，与统计推断方法无直接关联。对您而言，若对随机几何或共形场论感兴趣可作为拓展阅读，但与您的主要兴趣方向（因果推断、高维统计、U统计量）缺乏方法学交叉。
关键技术: SLE2, loop-erased random walk, uniform spanning tree, scaling limit, Peano curve
为什么对您有用: 本文是纯概率论/统计物理方向的工作，与研究者主要兴趣（因果推断、高维统计、U统计量、半参效率等）无直接关联。研究者武器库中的非参数统计工具虽可用于分析随机过程极限，但本文不涉及推断或计算复杂性。暂不可做：核心机器（共形场论、SLE、离散复分析）不在研究者武器库中。建议将其视为边界外的数学拓展，不适合投入深度阅读。

9. 10.3150/22-bej1505 · arXiv — Hopf type lemmas for subsolutions of integro-differential equations¶

作者: Tomasz Klimsiak, Tomasz Komorowski
期刊/来源: Bernoulli
分类: vol 29 · issue 2
相关性 1/10 · novelty: new_theory
摘要: 本文研究了一类由Lévy型积分-微分算子A控制的次解的Hopf引理的一般化。在假设强极值原理（SMP）成立的前提下，证明了存在一个仅依赖于算子系数、函数c和区域D的Borel函数ψ，使得对任何次解u，存在常数a>0，满足边界附近的估计。进一步讨论了SMP与预解式不可约性之间的等价条件，以及定量版本的Hopf引理。本文还给出了预解式满足固有超收缩性时下界属于特征函数张成空间的充要条件。整体是纯分析结果，与统计推断无直接关联，对您的统计研究方向没有直接帮助。
关键技术: Strong maximum principle, Lévy jump measure, Resolvent irreducibility, Intrinsic ultracontractivity
为什么对您有用: 此论文主题属于纯概率分析领域，与您的主要兴趣（因果推断、高维统计、U-统计量、统计计算等）无直接关联。您的技术武器库中也没有与之对应的分析工具（如Lévy过程理论、积分微分方程），因此暂不可做。不建议投入时间阅读全文。

10. 10.3150/22-bej1501 · arXiv — Convergence of the one-dimensional contact process with two types of particles and priority¶

作者: Mariela Pentón Machado
期刊/来源: Bernoulli
分类: vol 29 · issue 2
相关性 1/10 · novelty: new_theory
摘要: 本文研究一维有限范围接触过程的两类粒子变体。两种粒子（感染）以相同超临界率传播，死亡率为1。类型1粒子可占据(-∞,0]中任意空位或类型2粒子占据的位，类型2粒子可占据[1,∞)中任意空位或类型1粒子占据的位，且每个位最多容纳一个粒子。文章证明，初始构型为1_{(-∞,0]} + 1_{[1,∞)}的过程依分布收敛到一个不同于经典接触过程非平凡不变测度的不变测度。此外，还证明任意初始构型下的过程收敛到四个不变测度的凸组合。主要技术工具包括耦合方法和不变测度的极限分析。该研究属于概率论与随机过程领域，与统计推断、因果推断或高维统计等研究者核心兴趣方向无直接关联。
关键技术: contact process, invariant measure, coupling, finite-range interaction
为什么对您有用: 本文是纯概率论论文，不涉及研究者主要的因果推断、高维统计、半参数理论等方向，也没有应用到研究者的技术武器库中的任何工具。因此，该研究对研究者当前工作无直接可迁移性，不具备阅读优先级。

Maintained by 陈星宇 · Homepage · Source on GitHub