Bernoulli — Vol 29 Issue 4 · 2026-06-23¶

共 26 篇 · Bernoulli
目录核对 ⚠️ 疑似漏 6 篇（对照 OpenAlex 32 篇）：10.3150/22-bej1570、10.3150/23-bej1588、10.3150/22-bej1571、10.3150/22-bej1568、10.3150/23-bej1583 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。

本期论文呈现出三条清晰的方法论主线：一是高维与半参数推断，涵盖变化点、U-统计量、函数型数据及面板数据等模型，重点关注渐近分布、效率与置信区间构建；二是非参数估计与极小极大理论，涉及支撑估计、边界效应、物种丰富度及几何统计，核心在于收敛速率与风险界；三是随机矩阵与假设检验，聚焦特征值极限律、序贯检验及图模型推断。此外，本期还包含多篇概率论基础研究（极值、随机分析、Gibbs 测度）及一篇计算方法（流形上的 Langevin 算法）。

在高维与半参数推断主线中，多篇论文致力于解决高维或无穷维参数的估计效率与推断问题。Dating the break 利用高维 U-统计量改进了均值变化点估计的效率并导出渐近分布；Necessary and sufficient conditions for the asymptotic normality of higher order Turing estimators 则建立了高阶 Turing 估计量中心极限定理的充要条件，深化了对 U-统计量尾部行为的理解。针对更复杂的模型结构，Semiparametric regression of panel count data 处理了无穷维讨厌参数收敛速率慢于 \(n^{-1/2}\) 时的半参数有效性问题；Bootstrap inference in functional linear regression models 则通过协调截断水平解决了函数型回归中的 Bootstrap 推断难题。这些工作共同展示了在非标准设定下（高维、信息性删失、函数型数据）构建有效推断的工具箱。

非参数估计理论方面，本期重点关注边界效应与尾部推断。Minimax boundary estimation 与 Cramér type moderate deviations for the Grenander estimator 分别从极小极大速率和精细中偏差角度，刻画了流形边界或支撑边界处估计的困难与理论性质。Near-optimal estimation of the unseen 在正则变化尾部分布下给出了未见物种估计的近最优速率。同时，Exponential concentration for geometric-median-of-means 与 Concentration bounds for the empirical angular measure 均致力于建立非参数估计量的非渐近集中不等式，前者在一般度量空间实现了指数浓度，后者为极值角度测度提供了有限样本界，体现了非渐近理论在统计学习与异常检测中的应用。

对于关注因果推断、高维统计与半参数效率的读者，建议优先阅读：Dating the break（高维 U-统计量与变化点）、Semiparametric regression of panel count data（半参数有效性）、Sampling without replacement from a high-dimensional finite population（高维随机矩阵与置换检验）以及 Sequential Gaussian approximation for nonstationary time series（高维序贯检验）。这些论文在理论工具与推断框架上与上述领域联系最为紧密。

高维统计 / 随机矩阵 (high_dim_rmt, 2 篇)¶

1. 10.3150/22-bej1579 · arXiv — Spiked eigenvalues of noncentral Fisher matrix with applications¶

作者: Zhiqiang Hou, Xiaozhuo Zhang, Zhidong Bai, Jiang Hu
期刊/来源: Bernoulli
分类: vol 29 · issue 4
相关性 9/10 · novelty: new_theory
摘要: 本文研究非中心Fisher矩阵F_p = C_n S_N^{-1}的尖峰特征值渐近行为，其中C_n为非中心样本协方差矩阵（含均值漂移），S_N为另一独立样本协方差矩阵。在p, n, N同比例趋于无穷的高维框架下，建立了尖峰特征值的相变现象：当总体尖峰强度超过某一显式阈值时，样本尖峰特征值收敛到非平凡极限，否则被噪声吸收。进一步推导了尖峰特征值的中心极限定理（CLT），给出渐近正态分布与方差表达式。作为证明的副产品，还研究了非中心样本协方差矩阵C_n的尖峰特征值波动，该结果具有独立意义。在应用方面，将上述理论用于样本典型相关系数，得到其极限与CLT，并提出三个一致估计量分别用于总体尖峰特征值和总体典型相关系数的推断。该工作直接贡献于随机矩阵理论中非中心Fisher矩阵的尖峰模型，为高维信号检测、CCA中的相变条件提供了精确刻画，对研究者正在关注的因子模型和信号可检测性问题有重要参考价值。
关键技术: Spiked Fisher matrix, Phase transition threshold, Central limit theorem for eigenvalues, Noncentral sample covariance matrix, Canonical correlation coefficients, Marchenko-Pastur-like limiting spectrum
为什么对您有用: 这篇论文直接对应研究者主要兴趣中的‘高维统计与随机矩阵理论’，尤其是尖谱相变与CLT这些RMT核心结果。研究者‘非常熟悉’的‘high-dimensional asymptotics’可直接用于验证或推广该文中的相变阈值公式，例如在更一般的非高斯或含缺失数据设定下推导类似结果。此外，文中对CCA的应用与研究者关注的‘中介分析/IV中的高维推断’有潜在连接。follow-up粗判：立即可做——研究者现有的高维渐近工具箱足以理解并拓展该文的主要定理，例如将相变条件用于其他随机矩阵（如Spearman相关矩阵）或结合cross-fitting构造基于尖谱的检验统计量。

2. 10.3150/22-bej1580 · arXiv — Sampling without replacement from a high-dimensional finite population¶

作者: Jiang Hu, Shaochen Wang, Yangchun Zhang, Wang Zhou
期刊/来源: Bernoulli
分类: vol 29 · issue 4
相关性 8/10 · novelty: new_theory
摘要: 研究无放回抽样下高维有限总体样本协方差矩阵的特征值分布，目标是推导最大特征值的Tracy-Widom律并应用于并行分析。经典随机矩阵理论通常假设样本为有放回独立同分布抽取，但实际中多为无放回抽样，当总体固定且维度与样本量同步增长时，传统极限理论不再适用。本文利用无放回抽样的交换性及鞅差分解表示，在适当正则条件下证明了最大特征值渐近服从Tracy-Widom分布，并建立准确率顺序。技术核心是将有限总体协方差矩阵转化为一个随机泛函，通过局部线性化和边缘分布逼近实现谱分布刻画。所得结果直接为Buja和Eyuboglu的置换检验方法提供理论支撑，改进了并行分析中阈值的选取。仿真与真实数据集验证了方法的可行性。对您有用：该工作直接连接您的高维统计与随机矩阵理论兴趣，且无放回抽样在流行病学队列或经济调查中常见，有助于理解实际数据分析中偏差的来源。
关键技术: Tracy-Widom law, sample covariance matrices, finite population sampling without replacement, parallel analysis, high-dimensional asymptotics, martingale representation
为什么对您有用: 本文属于您首要兴趣中的高维统计与随机矩阵理论（high-dimensional statistics, random matrix theory），专门解决无放回抽样下的谱极限问题，这在调查数据、流行病学队列等有限总体场景中非常重要。您技术库中“high-dimensional asymptotics”为very_familiar，可直接消化本文的鞅分解与Tracy-Widom推导；此外，无放回抽样与有放回抽样的差异分析可借助您熟悉的minimax bound框架来量化额外偏差。判断为立即可做：基于现有高维渐近知识，您可快速理解并可能扩展至其他谱统计量（如最大特征值的联合分布或检验功效分析）。

非参数 / 半参数 (nonparam_semipara, 12 篇)¶

1. 10.3150/23-bej1589 · arXiv — Near-optimal estimation of the unseen under regularly varying tail populations¶

作者: Stefano Favaro, Zacharie Naulet
期刊/来源: Bernoulli
分类: vol 29 · issue 4
相关性 9/10 · novelty: new_method
摘要: 本文研究在采样尾部呈正则变化（regularly varying tail）的总体中，估计尚未观察到的物种数目（unseen species）的问题。给定 n 个样本，目标是预测额外 λn 个新样本中会出现的未观测物种数 U。作者假设未知分布 p 的尾部以指数 α∈(0,1) 正则变化，这是对纯非参数 worst-case 框架的改进，能更好地刻画幂律型总体。提出一个简单线性估计量，其形式为 Good-Turing 型估计的推广，计算高效且可线性扩展。理论证明该估计量在正则变化尾部分布类上达到 minimax 近最优（至多对数因子损失），且一致估计的允许范围达到 logλ ≍ n^{α/2}/√log n，这是最优的。模拟和真实数据验证了方法的有效性。此工作将极值理论与非参数 unseen species 估计结合，对您使用 min imax 界限处理非参数问题有直接参考意义。
关键技术: minimax near-optimal estimation, regularly varying tail distributions, extreme value theory for rare probabilities, linear estimator (Good–Turing type), semi-parametric assumption, unseen species problem
为什么对您有用: 该论文与您的非参数/半参数理论兴趣直接关联，特别是运用 minimax 界限处理尾部推断问题。您 very_familiar 中的 minimax bounds for estimation problems 可用来评估本文估计量的最优性是否紧。由于需先熟悉正则变化和极值半参数模型（当前武器库中未显式包含），属于中期可做方向：需先在 moderately_familiar 的 semiparametric theory 下补上 regular variation 工具。

2. 10.3150/23-bej1585 · arXiv — Minimax boundary estimation and estimation with boundary¶

作者: Eddie Aamari, Catherine Aaron, Clément Levrard
期刊/来源: Bernoulli
分类: vol 29 · issue 4
相关性 8/10 · novelty: new_theory
摘要: 本文研究在Hausdorff距离下估计d维子流形M（可能具有非空边界）的极小极大风险。模型统一了无边界的流形和全维域两种经典设定。作者提出了基于Voronoi图的程序，用于估计流形本身及其边界∂M，并推导了非渐近极小极大上界和下界。无边界时率达到O((log n/n)^{2/d})，有边界时率为O((log n/n)^{2/(d+1)})（忽略对数因子）。该程序还能检测足够靠近边界的点以重构边界。对您而言，本文是极佳的非参数极小极大理论范例，可直接运用您对minimax bounds的熟悉来理解其速率推导，并启发因果推断中边界效应或支撑边界的处理。
关键技术: Hausdorff distance, minimax risk, Voronoi-based procedure, manifold estimation, boundary estimation
为什么对您有用: 本文直接属于非参数极小极大理论（主要兴趣之一），聚焦有边界的流形估计问题，这是高维非线性结构估计的前沿。研究者对minimax bounds（非常熟悉）可立即用于分析和扩展这些速率。由于武器库完全覆盖所需工具，立即可做，例如思考该边界现象是否可迁移至因果推断中的支撑边界识别。

3. 10.3150/22-bej1566 — Cramér type moderate deviations for the Grenander estimator near the boundaries of the support¶

作者: Fuqing Gao, Hui Jiang, Xingqiu Zhao
期刊/来源: Bernoulli
机构: Wuhan University · Nanjing University of Aeronautics and Astronautics · Hong Kong Polytechnic University
分类: vol 29 · issue 4
相关性 8/10 · novelty: new_theory
摘要: 这篇论文研究递减密度函数的Grenander估计（非参数最大似然估计）在支撑边界附近的有限样本性质。由于边界处估计不一致，传统的偏差度量会受影响；作者利用强逼近技术和比较方法，建立了Cramér型中偏差结果。该结果给出了估计量尾概率与极限分布（如三重切分布）之间的均匀比较，刻画了边界附近偏差的精细速率。证明依赖于对经验分布函数的强不变原理和局部逼近，技术工具包括Kiefer过程、O'Reilly不等式等。数值结果可能展示中偏差近似的准确性。本文是纯理论贡献，提供了非参数估计量在非规则点（边界）的渐近理论，对构建边界处的置信区间或假设检验有潜在价值。对您而言，该结果直接关联您的非参数统计兴趣，特别是非规则估计问题中的极限分布理论。
关键技术: Cramér-type moderate deviations, Grenander estimator, strong approximation, nonparametric maximum likelihood, comparison method, boundary behavior
为什么对您有用: 连接您的primary interest中非参数统计和数学统计（假设检验）子方向，聚焦递减密度估计的边界不确定性问题。武器库中的'nonparametric statistics'（非常熟悉）可直接理解其设定与结论，但证明涉及的强逼近技术并非您当前核心工具，属于中期可拓展方向——您可先掌握强逼近技巧（如KMT过程），随后利用这些中偏差结果构造边界附近的均匀置信带或检验。目前结果可读性较高，适合快速吸收后用于您自己的非参数推断研究。

4. 10.3150/22-bej1575 — Additive regression with parametric help¶

作者: Hyerim Hong, Young Kyung Lee, Byeong U. Park
期刊/来源: Bernoulli
机构: Seoul National University · Kangwon National University
分类: vol 29 · issue 4
相关性 7/10 · novelty: sharper_rate
摘要: 在可加非参数回归模型下，目标是估计多变量回归函数的各可加分量，现有方法（如 backfitting、smooth backfitting）已能实现最优一元非参数收敛率。本文提出一种新估计量，通过在估计量的偏差公式诱导的特殊内积结构下，对回归函数进行正交分解，引入任意参数族作为辅助信息。核心机制是：新方法在保持与现有最优方法相同的一阶方差的同时，将平均平方误差一阶近似中的常数因子减小——具体通过降低主导偏差项的常数因子实现。理论证明依赖于正交投影与偏差-方差分解的精细分析，Monte Carlo 模拟验证了常数因子的改进。对您可能有用：这是 semiparametric efficiency 与非参数估计理论中关于常数因子优化的精细工作。
关键技术: additive regression model, orthogonal decomposition, bias-variance tradeoff, constant factor reduction, smooth backfitting, MSE approximation
为什么对您有用: 连接到 primary interest 中的 semiparametric and nonparametric theory。本文的核心贡献是常数因子优化而非收敛率改进，您可以用 very_familiar 的 minimax bounds 视角审视：常数因子的改进是否具有某种意义上的最优性，还是仅针对特定参数族的选择。Follow-up 粗判：立即可做——用您熟悉的 nonparametric statistics 和 minimax 理论工具，可以验证该常数因子改进在不同光滑类下的紧性，或探索是否可推广至其他半参数结构。

5. 10.3150/22-bej1557 · arXiv — Element-wise estimation error of generalized Fused Lasso¶

作者: Teng Zhang, Sabyasachi Chatterjee
期刊/来源: Bernoulli
分类: vol 29 · issue 4
相关性 7/10 · novelty: new_theory
摘要: 本文研究广义Fused Lasso估计（任意凸损失函数）的逐元素误差界，目标是对每个位置给出估计误差的显式非渐近界。方法核心是利用Fused Lasso的解结构及其分段常数性质，结合局部自适应分析，推导出误差对调参λ的清晰依赖。特别针对平方损失（均值回归）和分位数损失（分位数回归）两种特例，给出了新的逐点误差界。与已有工作仅关注全局损失（如平方和或Huber损失）不同，本文的误差界更精细地反映了每个位置的局部行为，且常数显式。该界能够恢复并改进大部分已知的Fused Lasso误差结果，为调参提供了理论指导。对您而言，本文结果可直接用于高维非参数估计中的误差分析，您可利用minimax界工具验证其最优性，或推广至其他图结构正则化方法。
关键技术: Fused Lasso, element-wise error bound, convex loss function, non-asymptotic bound, quantile regression, local adaptivity
为什么对您有用: 连接主要兴趣中的高维统计与非参数估计：Fused Lasso是结构化高维估计的经典方法，其元素级误差界比全局界更具信息量，可指导调参并验证估计的局部行为。使用您非常熟悉的nonparametric statistics和minimax bounds工具，可直接检验该界的锐度，或将其推广到其他正则化范式（如总变差正则化）。立即可做，无需额外学习。

6. 10.3150/22-bej1565 — Semiparametric regression of panel count data with informative terminal event¶

作者: Xiangbin Hu, Li Liu, Ying Zhang, Xingqiu Zhao
期刊/来源: Bernoulli
机构: Hong Kong Polytechnic University · Wuhan University · University of Nebraska Medical Center
分类: vol 29 · issue 4
相关性 6/10 · novelty: new_method
摘要: 本文针对面板计数数据中带有信息性终止事件（informative terminal event）的回归问题，提出一种半参数条件均值模型。该模型以终止事件为锚点构造反向计数过程，并将终止事件的分布函数视为无穷维 nuisance 参数。估计方法采用两步法：第一步通过样条筛网（spline-based sieve）估计终止事件分布，第二步基于预测最小二乘估计回归参数。由于 nuisance 参数的筛网估计收敛速度慢于根号 n，作者克服了技术困难，建立了有限维参数及无穷维参数泛函的渐近正态性。模拟研究和中国老年人纵向健康长寿调查的实际数据分析验证了方法的有效性。该工作对半参数模型中“慢收敛 nuisance 下的根号 n 推断”提供了完整理论框架，对您关注的半参数效率理论和筛网估计有直接参考价值。
关键技术: spline-based sieve estimation, two-stage estimation with predicted least squares, conditional mean model with reversed counting process, asymptotic normality with slower than root-n convergence, panel count data with informative terminal event
为什么对您有用: 本文的核心贡献在于带有信息性终止事件的纵向计数数据的半参数回归，处理了无穷维 nuisance 参数的筛网估计，这直接对应您的首要兴趣“半参数/非参数理论”子方向。您对非参数统计（武器库中的“nonparametric statistics”）非常熟悉，可立即评估其收敛率推导和渐近正态性论证，并将其中处理慢收敛 nuisance 的分析技巧迁移到您关注的因果推断纵向设定（如带信息性删失的 mediation 分析）。结论：立即可做——无需额外工具即可展开深度阅读和 critique。

7. 10.3150/22-bej1569 · arXiv — Exponential concentration for geometric-median-of-means in non-positive curvature spaces¶

作者: Ho Yun, Byeong U. Park
期刊/来源: Bernoulli
机构: Seoul National University
分类: vol 29 · issue 4
相关性 6/10 · novelty: new_theory
摘要: 本文在一般Polish度量空间（允许非紧、无穷维）中估计总体Fréchet均值的集中性质。针对经验Fréchet均值仅具有多项式浓度的问题，作者将经典的中位数均值（median-of-means）思想推广到一般度量空间，提出了几何中位数均值估计量。为此，定义了与底层度量几何相关的若干新概念和不等式。主要理论结果：在仅需二阶矩条件下，新估计量达到指数浓度，而经验Fréchet均值只达到多项式浓度。文章特别关注非正Alexandrov曲率空间，这类空间收敛速率慢于正曲率空间，因此更具挑战性。这是首次在非向量的一般度量空间中为这类估计量导出非渐近指数浓度不等式。对您可能有用：本文的非参数浓度理论可连接到高维统计中的集中不等式和稳健估计，您熟悉的非参数统计和集中不等式工具可直接用于理解其核心证明框架。
关键技术: median-of-means, Fréchet mean, concentration inequality, non-positive curvature space, metric space, tournament
为什么对您有用: 本文属于非参数统计理论中的浓度不等式前沿，与您的primary interest中的非参数统计直接相关。您熟悉的非参数统计和集中不等式技术（very_familiar）足以理解其主要思想，并可考虑将该几何中位数均值方法推广到其他非欧参数估计问题（如因果推断中的分布估计）。立即可做：您已具备非参数统计和集中不等式的扎实背景，可以直接阅读本文并评估其方法在您现有问题上的适用性。

8. 10.3150/22-bej1573 · arXiv — Estimation for the reaction term in semi-linear SPDEs under small diffusivity¶

作者: Sascha Gaudlitz, Markus Reiß
期刊/来源: Bernoulli
分类: vol 29 · issue 4
相关性 6/10 · novelty: new_method
摘要: 该文考虑半线性随机偏微分方程（SPDE）中非线性反应项的估计问题，设定扩散系数趋于零，这在实际应用（如物理、生物）中具有合理性。为参数化反应项构造了参数估计量，证明了估计误差的中心极限定理并给出置信区间，进而通过建立局部渐近正态性（LAN）证明统计效率。方法被扩展至时空局部观测情形，实现反应强度随时间和空间变化的非参数估计，同时也处理了离散时空观测。证明依赖Malliavin微积分、无限维Gaussian Poincaré不等式以及L^p内插空间中的SPDE正则性结果。对您而言：该工作将半参效率理论（LAN）推广到SPDE框架，与您对非参数理论和效率理论的兴趣直接相关，但需补充Malliavin微积分等随机分析工具。
关键技术: Malliavin calculus, infinite-dimensional Gaussian Poincaré inequality, local asymptotic normality (LAN), central limit theorem for estimation error, non-parametric estimation under small diffusivity
为什么对您有用: 本文聚焦非参数估计和效率理论，属于您的 primary interest 中 semiparametric and nonparametric theory 与 efficiency theory 的交叉领域。然而，其核心工具（Malliavin calculus、无限维 Poincaré 不等式）不在您当前的 technical_arsenal 内（very_familiar 和 moderately_familiar 均未涵盖），因此暂不可直接复用。建议作为效率理论在复杂模型中的拓展阅读，但要深入需先学习SPDE随机分析基础知识。

9. 10.3150/22-bej1554 · arXiv — Bootstrap inference in functional linear regression models with scalar response¶

作者: Hyemin Yeon, Xiongtao Dai, Daniel J. Nordman
期刊/来源: Bernoulli
分类: vol 29 · issue 4
相关性 4/10 · novelty: new_method
摘要: 本研究在函数型线性回归模型（标量响应、随机曲线预测变量）中发展了一种残差bootstrap推断方法。由于斜率函数是无限维的，有限样本估计必须截断，引入了偏差和复杂分布。该方法通过协调原始数据和bootstrap数据的截断水平来消除偏差，类似于非参数回归中的调参。建立了bootstrap的一致性，并推广、修正了函数型线性回归的基础中心极限定理。该方法可构造逐点和联合置信域及预测域，覆盖性质在条件于预测变量下也成立。数值研究表明bootstrap优于正态近似，并给出截断水平的经验准则。应用展示于小麦光谱数据。该工作对您在高维/非参数统计中的inference问题有直接参考意义，尤其是bootstrap处理无穷维参数的技巧可迁移至您熟悉的sieve估计问题。
关键技术: Functional linear regression, Residual bootstrap, Truncation-based bias correction, Central limit theorem for functional data, Simultaneous confidence regions
为什么对您有用: (1) 本文属于非参数/半参数理论中函数型数据回归的推断，直接连接您的primary interest中的semiparametric & nonparametric theory和hypothesis testing。(2) 您武器库中的'nonparametric statistics'和'M-estimation theory'可用于分析其bootstrap截断策略的偏差-方差权衡，特别是截断水平的选择可套用您熟悉的minimax bounds框架来验证其rate是否最优。(3) 中期可做：需先在'moderately_familiar'的semiparametric theory上加强对函数型数据中影响函数和渐近线性的理解，然后可尝试将本文bootstrap思想移植到您更感兴趣的因果推断（如semiparametric efficiency bound的bootstrap推断）。

10. 10.3150/22-bej1562 · arXiv — Concentration bounds for the empirical angular measure with statistical learning applications¶

作者: Stéphan Clémençon, Hamid Jalalzai, Stéphane Lhaut, Anne Sabourin, Johan Segers
期刊/来源: Bernoulli
机构: Statistics Belgium · Institut National de la Statistique · Université Paris Cité
分类: vol 29 · issue 4
相关性 3/10 · novelty: new_method
摘要: 本文研究极值理论中角度测度的经验估计问题，目标是刻画随机向量在极端区域的相关结构，并针对多元异分布场景采用秩变换实现边缘标准化。利用经验过程工具，作者建立了经验角度测度与真实测度在Borel集上最大偏差的有限样本集中界，该界以高概率成立，且速率（除对数因子外）为有效样本量的平方根。文中通过控制集合的组合复杂度（VC维）来统一处理不同形状的极端区域，并避免了光滑性假设。应用方面，将该界用于极端区域二分类的经验风险最小化（提供泛化误差界）以及基于球面最小体积集的无监督异常检测（保证覆盖概率）。对您而言，该文的集中不等式推导和VC维控制技术直接关联非参数统计中的经验过程理论，属于您非常熟悉的武器库，可考虑将类似方法推广至高维协方差结构估计或因果推断中的极端值灵敏度分析。
关键技术: empirical angular measure, rank transformation standardization, finite-sample concentration bounds, VC dimension, empirical risk minimization in extreme regions
为什么对您有用: 本文聚焦极值依赖结构的非参数估计，其集中不等式与VC维分析属于您非常熟悉的“非参数统计”与“minimax bounds”武器库，可立即理解其技术细节。中期可做：若想将此类方法迁移至因果推断中的极端效应（如尾部干预效果），需先补齐极值理论（EVT）的基础知识，该领域并非您当前工具包中的核心项。因此目前暂不可做核心延伸，但可作为经验过程在非标准统计量上的应用实例阅读。

11. 10.3150/23-bej1584 · arXiv — Asymptotics for densities of exponential functionals of subordinators¶

作者: Martin Minchev, Mladen Savov
期刊/来源: Bernoulli
机构: Sofia University "St. Kliment Ohridski" · Bulgarian Academy of Sciences · Institute of Mathematics and Informatics
分类: vol 29 · issue 4
相关性 1/10 · novelty: new_theory
摘要: 本文研究次序过程（subordinator）的指数泛函 \(I = \int_0^\infty e^{-\xi_s} ds\) 的密度函数及其导数在无穷远处的 Tauberian 渐近性质，核心假设是 Lévy 测度满足 positive increase 条件。作者通过 Mellin 变换将问题转化为 Bernstein-gamma 函数的分析，发展了改进的 Stirling 型渐近公式以刻画 Bernstein-gamma 函数在复平面上的行为。关键技术工具是 saddle point method 的非经典应用，需要精细处理复积分路径的变形与 Bernstein-gamma 函数的解析延拓。主要结果表明，对于非退化复合 Poisson 过程的指数泛函，其密度及各阶导数的渐近行为与指数分布随机变量精确一致；进一步证明了一大类密度函数在复平面的锥区域内解析。该工作属于概率论与解析方法的交叉，对您研究 semiparametric theory 中涉及无穷可分分布或逆问题的渐近分析可能有参考价值。
关键技术: Mellin transform, Bernstein-gamma functions, saddle point method, Tauberian asymptotics, Lévy processes, Stirling-type approximation
为什么对您有用: 本文属于纯概率论/解析方法工作，与您 primary interests 的 causal inference、high-dimensional statistics、efficiency theory 等方向无直接交集。技术层面涉及复分析、特殊函数渐近、Lévy 过程理论，这些工具不在您的 technical_arsenal 中（very_familiar 和 moderately_familiar 均未涉及）。暂不可做：核心机器（saddle point method、Bernstein-gamma 函数、Lévy 过程的精细分析）需要从头学习，且与您当前研究主线（higher-order U-statistics、semiparametric efficiency、causal identification）的技术路线差异较大。除非您有具体计划将此类渐近分析工具引入逆问题或无穷维参数估计，否则建议跳过。

12. 10.3150/23-bej1590 · arXiv — Joint density of the stable process and its supremum: Regularity and upper bounds¶

作者: Jorge Ignacio González Cázares, Arturo Kohatsu-Higa, Aleksandar Mijatović
期刊/来源: Bernoulli
分类: vol 29 · issue 4
相关性 1/10 · novelty: new_theory
摘要: 本文研究稳定过程（stable process）与其在固定时刻的上确界的联合分布，目标是证明联合密度的光滑性并给出密度及其各阶偏导数的上界。核心设定是 α-稳定 Lévy 过程，利用 Malliavin 微积分、稳定过程的凸主化理论以及 Chambers-Mallows-Stuck 表示。作者发展了一套多层表示方法来刻画联合分布，并基于此构造分部积分公式，这是证明密度光滑性的关键技术工具。主要理论结果证明联合密度无穷可微，并在联合分布的整个支撑集上给出了密度及其任意阶偏导数的显式上界。对您而言，这是 Malliavin 微积分与随机过程密度估计的经典技术展示，可作为理解非参数理论中光滑性证明技巧的参考。
关键技术: Malliavin calculus, integration-by-parts formula, stable Lévy process, Chambers-Mallows-Stuck representation, convex majorants
为什么对您有用: 本文属于纯概率论与随机过程方向，与您 primary interests 中的 semiparametric/nonparametric theory 有技术工具层面的联系（Malliavin 微积分是证明密度存在性与光滑性的标准工具，在 semiparametric efficiency bound 证明中也有应用）。但论文核心是 Lévy 过程的路径性质而非统计推断问题，不涉及估计量构造或收敛率。暂不可做：论文属于概率论核心期刊的纯理论工作，核心机器（稳定过程的凸主化理论、Malliavin 微积分深入应用）不在您的武器库中，且与您当前关注的高阶 U-statistics、causal inference 或 efficiency theory 方向缺乏直接的问题驱动连接。

数理统计 / 假设检验 (hypothesis_testing, 3 篇)¶

1. 10.3150/22-bej1577 · arXiv — Sequential Gaussian approximation for nonstationary time series in high dimensions¶

作者: Fabian Mies, Ansgar Steland
期刊/来源: Bernoulli
分类: vol 29 · issue 4
相关性 8/10 · novelty: new_theory
摘要: 在高维非平稳时间序列框架下，论文推导了 partial sum 过程的序贯高斯耦合不等式，目标是实现序贯检验和变点检测。方法先对独立随机向量建立 Gaussian coupling，维度条件为 d = o(n^{1/3})，再通过加权技术扩展到相依的非平稳序列；所得不等式显式依赖于维度和非平稳性度量（如方差变化的累计误差），因此对随机向量数组同样适用。为便于高维统计推断，作者提出了一种可行的序贯高斯近似方案，无需完全已知协方差结构。理论结果被直接应用于序贯两样本检验和变点检测的渐近有效性分析。该工作将经典低维耦合不等式推广到高维非平稳情形，对您在高维假设检验（尤其序贯/在线设定）下的方法开发具有参考价值。
关键技术: Gaussian coupling, partial sum process, nonstationary time series, sequential testing, change-point detection, high-dimensional asymptotics (d = o(n^{1/3}))
为什么对您有用: 1) 直接联系到您 primary interest 中的高维统计与假设检验子方向，尤其序贯检验和变点检测的渐近理论；2) 您武器库中的 high-dimensional asymptotics（very_familiar）可用来评判该耦合条件的紧性，而 minimax bounds 视角能检验其维度范围是否最优；3) 若您不熟悉时间序列的累积近似技术，则属于中期可做——需先在 moderately_familiar 的 M-estimation 或 semiparametric 领域补一下关于 Wald 过程与耦合不等式的桥梁工具，之后便可直接移植到您自己的序贯因果推断问题中。

2. 10.3150/22-bej1581 · arXiv — Hypothesis testing for equality of latent positions in random graphs¶

作者: Xinjie Du, Minh Tang
期刊/来源: Bernoulli
分类: vol 29 · issue 4
相关性 8/10 · novelty: new_theory
摘要: 在广义随机点积图（GRDPG）框架下，本文研究检验两个节点潜在位置是否相等的假设检验问题，其特例包括 SBM、DCSBM 中检验节点是否属于同一社区。作者提出基于邻接矩阵或归一化 Laplacian 谱嵌入的经验 Mahalanobis 距离作为检验统计量，利用中心极限定理和 Delta method 证明了在原假设和局部备择假设下，统计量收敛于（非中心）卡方分布，并给出了非中心参数的显式表达式。基于此极限理论，作者解决了 SBM 与 DCSBM、ER 与 SBM 之间的模型选择问题。模拟和真实数据验证了方法的有效性。对您而言，这是随机图模型中假设检验的 clean example，展示了经典渐近理论在高维网络设定中的成功移植。
关键技术: spectral embedding, Mahalanobis distance, chi-square limiting distribution, local alternative hypothesis, Delta method, random dot product graph
为什么对您有用: 直接连接到您 primary interest 中的假设检验理论，展示了如何在随机图模型中构造具有精确渐近分布的检验统计量。您武器库中 very_familiar 的 minimax bounds 和 high-dimensional asymptotics 可用于分析该检验的功效性质，或探索更高维设定下的修正。立即可做：用您熟悉的 minimax 理论审视其局部备择功效界是否紧，或考虑高维稀疏设定下的类似检验问题。

3. 10.3150/22-bej1556 — Efficient and consistent model selection procedures for time series¶

作者: Jean-Marc Bardet, Kamila Kare, William Kengne
期刊/来源: Bernoulli
机构: Université Paris 1 Panthéon-Sorbonne · Théorie Économique, Modélisation et Applications · CY Cergy Paris Université
分类: vol 29 · issue 4
相关性 4/10 · novelty: new_method
摘要: 本文研究一大类因果时间序列模型（包括 ARMA, GARCH, ARMA-GARCH 等）的模型选择问题，目标是从有限族中选择最优模型。首先考察了基于拟似然估计的风险最小化理想惩罚项的渐近行为，推导了使选择准则具有一致性和效率性的惩罚项条件。理论结果显示，一致的模型选择准则在效率上优于经典的 AIC 准则。进一步，从贝叶斯角度推导了 BIC 准则，并通过保留 Laplace 近似中的所有二阶项得到一个新的数据驱动准则 KC'。蒙特卡洛实验表明，KC' 准则在一致性和效率上均优于传统 AIC 和 BIC。对研究者而言，该工作中的拟似然估计框架和惩罚项条件推导思路，可迁移至高维因果模型或半参模型的选择问题，尤其与数学统计与假设检验兴趣中的模型选择渐近理论直接相关。
关键技术: Quasi-maximum likelihood, Penalty function, AIC/BIC, Laplace approximation, Model selection consistency, Efficiency of selection
为什么对您有用: 本文直接连接到数学统计与假设检验兴趣中的模型选择渐近理论，尤其是效率与一致性的权衡。您非常熟悉的高维渐近与 M-estimation 框架可用于分析惩罚项在高维或依赖数据下的行为，但本文专注于时间序列，需要补充时间序列的α-混合条件（不在当前武器库中）才能完全掌握其证明。因此，这是一个中期可做的问题：需先在 moderately_familiar 的 M-estimation theory 上进一步结合时间序列依赖工具，才能将本文的框架推广到您更感兴趣的高维因果推断场景。

统计计算 / 算法 (stat_computing, 1 篇)¶

1. 10.3150/22-bej1576 · arXiv — Riemannian Langevin algorithm for solving semidefinite programs¶

作者: Mufan (Bill) Li, Murat A. Erdogdu
期刊/来源: Bernoulli
分类: vol 29 · issue 4
相关性 4/10 · novelty: new_method
摘要: 本文提出一种在球面乘积流形上运行的Riemannian Langevin扩散算法，用于求解Burer-Monteiro松弛后的半定规划（SDP）非凸优化问题。算法利用对数Sobolev不等式保证有限迭代下KL散度收敛到Gibbs分布，并通过合适温度选择使得次优性间隙以高概率任意小。在无虚假局部极小值的假设下，建立了Burer-Monteiro问题的对数Sobolev不等式，从而确保算法快速逃离鞍点。针对Max-Cut等SDP问题，给出迭代复杂度上界：以高概率达到ε-乘法精度需要Ω̃(n²ε⁻³)次迭代。该结果将Langevin采样与流形优化结合，为大规模SDP提供了一种去除对数因子的实用算法。对统计计算方向的读者而言，这是一篇兼具算法设计与收敛分析的系统性工作。
关键技术: Riemannian Langevin algorithm, Log-Sobolev inequality, Burer-Monteiro relaxation, saddle-point escape, non-convex optimization on manifolds, semidefinite programming
为什么对您有用: 本文属于统计计算（连续优化与采样算法）方向，可视为该子方向的入门级读物。研究者虽已熟悉高维渐近与软件开发，但流形Langevin与对数Sobolev工具均不在技术武器库中，因此暂不可直接复现或改进其理论；但可作为中期学习目标，先补全扩散过程与非凸优化分析的基础。文中给出的迭代复杂度（n²ε⁻³）为后续对比其他SDP求解器提供了清晰的标尺。

其他 (other, 8 篇)¶

1. 10.3150/22-bej1567 · arXiv — Dating the break in high-dimensional data¶

作者: Runmin Wang, Xiaofeng Shao
期刊/来源: Bernoulli
分类: vol 29 · issue 4
相关性 9/10 · novelty: new_method
摘要: 本文研究高维独立数据均值变化点（change point）的位置估计与推断问题。作者提出一种基于新 U-统计量的目标函数来估计变化点位置，并在温和假设下建立了估计量的收敛速率及合适的中心化和标准化后的渐近分布。相比文献中基于最小二乘的估计量，新估计量具有更高的效率。基于渐近理论，通过代入相合估计量构造了置信区间，并进一步提出了基于自助法（bootstrap）的置信区间，证明了其渐近有效性。模拟研究显示新方法在有限样本下优于最小二乘做法和已有的竞争对手。文中高维 U-统计量的渐近理论本身具有独立的方法学价值，与现有文献有本质区别。该工作直接连接您对高阶 U-统计量的理论兴趣，特别是其中 U-统计量目标函数的收敛性质可作为后续研究的基础。
关键技术: U-statistic objective, change point estimation, high-dimensional U-statistic, bootstrap confidence interval, asymptotic distribution
为什么对您有用: 本文直接应用高阶 U-统计量于高维变化点检测，属于您 primary interest 中 higher-order U-statistics 的方向。您武器库中 'theory of higher-order U-statistics' 可以立即用于理解本文的渐近理论，并可能将其推广到更复杂的高维设定（如相关数据或弱变化信号）。立即可做：基于本文的理论，可以尝试用您的 U-统计量计算工具（einsum/treewidth）分析其计算代价或设计更高效的算法。

2. 10.3150/23-bej1587 — Necessary and sufficient conditions for the asymptotic normality of higher order Turing estimators¶

作者: Jie Chang, Michael Grabchak
期刊/来源: Bernoulli
机构: University of North Carolina at Charlotte
分类: vol 29 · issue 4
相关性 9/10 · novelty: new_theory
摘要: 本文研究高阶 Turing 估计量的渐近正态性，目标是在 i.i.d. 样本下给出该估计量中心极限定理成立的充要条件。Turing 估计量用于估计离散分布的 support size 或 missing mass，其高阶版本涉及 U-statistic 形式的 plug-in 估计。作者建立了充要条件，并进一步给出若干易于验证的充分条件，这些条件依赖于尾部概率的 regular variation 性质。主要理论贡献在于证明了对一大类具有 regularly varying tails 的分布，渐近正态性成立，包括此前文献未能覆盖的情形。对您而言，这是 higher-order U-statistics 理论中关于渐近分布刻画的一个精细结果。
关键技术: higher order Turing estimator, asymptotic normality, regularly varying tails, U-statistic, missing mass estimation
为什么对您有用: 直接连接到 primary interest 中的 higher-order U-statistics，特别是渐近分布理论。您在 technical_arsenal 中 very_familiar 的 computation of higher-order U-statistics (treewidth / tensor contraction) 与本文的理论分析视角形成互补——本文侧重概率极限理论，您可从计算复杂度角度审视高阶 Turing 估计量的 practical feasibility。follow-up 判断：立即可做，用您熟悉的 U-statistic 理论工具可以深入阅读并验证其充分条件的 tightness。

3. 10.3150/22-bej1578 · arXiv — Diffusion means in geometric spaces¶

作者: Benjamin Eltzner, Pernille E.H. Hansen, Stephan F. Huckemann, Stefan Sommer
期刊/来源: Bernoulli
分类: vol 29 · issue 4
相关性 5/10 · novelty: new_method
摘要: 本文在非线性几何空间（如球面）上提出扩散均值（diffusion mean），作为 Fréchet 均值的推广与替代。扩散均值通过最大化布朗运动在给定时间内从原点到达观测点的似然来定义，其中时间参数t控制允许的扩散方差。理论上，证明了扩散估计量的强相合性，并给出了一个光滑中心极限定理（smeary CLT），表明联合估计均值与扩散方差可同时消除所有方向上的光滑性（smeariness）。在球面S^n上推导了扩散均值的具体性质，并通过模拟和地球磁极反转数据验证了其相比Fréchet均值有相似或更优的收敛速度。本文属于非参数统计在流形上的拓展，核心工具是布朗运动似然与几何统计中的渐近理论。对您的价值在于其渐近分布的分析技巧（smeary CLT）可能启发您在高维或非欧空间中的U-statistics分布研究，但整体与您的主要兴趣方向距离较远。
关键技术: Brownian motion likelihood, Fréchet mean, smeary central limit theorem, maximum likelihood estimation on manifolds, geometric statistics
为什么对您有用: 本文研究流形上的位置估计，属于非参数统计的一种推广，与您的主要兴趣（非参数理论、渐近理论）有交集，但其核心框架（布朗运动似然、几何结构）并不在您当前的武器库中。由于您对几何统计尚未建立熟悉度（武器库中无流形统计工具），该领域至少需要中期投入才能跟进，目前暂不可做实质性扩展。若您未来有意涉足流形数据分析，本文可作为入门参考，但优先级不高。

4. 10.3150/22-bej1561 · arXiv — Extremal clustering and cluster counting for spatial random fields¶

作者: Anders Rønn-Nielsen, Mads Stehr
期刊/来源: Bernoulli
分类: vol 29 · issue 4
相关性 3/10 · novelty: new_theory
摘要: 本文研究平稳随机场在递增索引子集上的极值聚类和聚类计数问题。假设索引序列满足一般的几何扩张条件，并引入混合性和局部条件。首先建立了单个变量的尾部分布与极大值尾行为之间的关系。然后定义了两种聚类方式：一种将索引集划分为盒子，计数包含极值观测的盒子；另一种基于空间距离定义极值点属于同一聚类。证明了这两种聚类点过程在重标度索引集上收敛到泊松过程。还得到了平均聚类大小的极限。最后特别讨论了无聚类情形的结果。论文是纯理论极值统计工作，与您的因果推断、高维统计等主要兴趣方向无直接关联，也不涉及您熟悉的方法工具。单纯从兴趣匹配度看，对您可能用处有限。
关键技术: point process convergence, extremal clustering, random field mixing conditions, Poisson process limit
为什么对您有用: 本文属于空间极值理论，与您的核心兴趣（因果推断、高维统计、U统计、半参效率等）没有直接连接。技术武器库中的非参、高维渐近、U统计等均难以直接应用。作为gateway reading，它也不是天体统计或经济应用，因此暂不可做。若您对极值理论本身有兴趣则另论，否则本文价值较低。

5. 10.3150/22-bej1582 · arXiv — Tail processes for stable-regenerative multiple-stable model¶

作者: Shuyang Bai, Yizao Wang
期刊/来源: Bernoulli
分类: vol 29 · issue 4
相关性 2/10 · novelty: new_theory
摘要: 该论文研究一类由多重稳定积分和无穷均值更新过程定义的离散时间平稳过程模型，该模型可表现出短程或长程依赖行为。主要贡献在于建立了尾过程的相变，刻画了极值的局部聚类特征。在短程依赖条件下，该模型提供了一个极值指数与候选极值指数不同的实例。研究使用稳定-再生过程的数学结构，属于概率论与极值理论领域。对于您的主研究方向（因果推断、高维统计、U-统计等）无直接连接，但如果您将来涉及时序极值或重尾鲁棒性分析，可作为背景参考。
关键技术: stable integral, renewal process, tail process, extremal index, long-range dependence
为什么对您有用: 该论文属于极值理论/概率论方向，与您的主兴趣（因果推断、高维统计、半参理论）没有直接联系，武器库中也没有相关极值理论工具。目前暂不可做：缺乏稳定过程与极值指数的基础知识，不适合作为入门阅读。

6. 10.3150/22-bej1555 · arXiv — Stochastic integration with respect to local time of the Brownian sheet and regularising properties of Brownian sheet paths¶

作者: Antoine-Marie Bogso, Moustapha Dieye, Olivier Menoukeu Pamen
期刊/来源: Bernoulli
分类: vol 29 · issue 4
相关性 1/10 · novelty: new_theory
摘要: 本文将 Eisenbaum (2000) 引入的随机局部时-空间积分理论从一维 Brownian motion 推广到两参数 Brownian sheet 情形。核心构造是定义关于 Brownian sheet 局部时的随机积分，建立两参数 Itô 公式的推广形式。基于此积分理论，作者证明了 Brownian sheet 路径的 Davie 型不等式，这类估计可用于刻画沿 Brownian sheet 曲线的平均型算子的正则性界。技术工具涉及多参数随机过程、局部时理论、Itô 公式推广及路径正则性分析。该工作属于随机分析基础理论，与您关注的 causal inference、高维统计、semiparametric efficiency 等方向无直接交集。
关键技术: Brownian sheet local time, two-parameter Itô formula, Davie-type inequalities, stochastic integration, path regularity
为什么对您有用: 本文属于多参数随机分析的基础理论工作，与您 primary interests 中的因果推断、高维统计、semiparametric theory、efficiency theory 均无直接关联。技术武器库中的 nonparametric statistics、minimax bounds、higher-order U-statistics 等均无法迁移至此问题。核心机器（多参数随机积分、局部时理论）完全不在您的武器库中，属于暂不可做范畴。除非您有明确的随机分析研究需求，否则不建议投入时间阅读。

7. 10.3150/22-bej1572 · arXiv — Gibbsianness and non-Gibbsianness for Bernoulli lattice fields under removal of isolated sites¶

作者: Benedikt Jahnel, Christof Külske
期刊/来源: Bernoulli
分类: vol 29 · issue 4
相关性 1/10 · novelty: new_theory
摘要: 本文研究 \(\mathbb{Z}^d\) 上的 i.i.d. Bernoulli 场 \(\mu_p\) 在经过"移除孤立点"thinning 映射后的 Gibbs 性质。核心问题是：尽管该映射对大 \(p\) 仅改变极小比例 \(p(1-p)^{2d}\) 的格点，是否存在临界值 \(p(d)\) 使得输出测度失去 Gibbs 性质（即有限体积条件概率不连续）。作者证明存在 \(p(d)<1\)，当 \(p\in(p(d),1)\) 时输出为 non-Gibbsian；而对小 \(p\)，Gibbs 性质得以保留。技术核心是验证条件概率的连续性/不连续性，属于概率论中 Gibbs 测度与相变理论的经典问题。本文为概率论方向，与您 primary interests（因果推断、高维统计、效率理论等）无直接交集。
⚠️ 摘要不完整，待重跑（python -m research_news.rerun）
关键技术: Gibbs measure, thinning transformation, conditional probability continuity, phase transition, lattice field
为什么对您有用: 本文属于概率论中 Gibbs 测度与相变理论，与您 primary interests（因果推断、高维统计、semiparametric efficiency、higher-order U-statistics）无直接交集。技术工具（Gibbs 性质验证、格点场条件概率连续性）不在您 technical_arsenal 内，亦不涉及 causal identification、high-dimensional inference、efficiency bound 等您熟悉的框架。follow-up 判断：暂不可做——核心机器（Gibbs/non-Gibbs 分析、格点场相变）不在武器库里，且与您当前研究方向无交叉点。

8. 10.3150/22-bej1559 · arXiv — Invariance principle for fragmentation processes derived from conditioned stable Galton–Watson trees¶

作者: Gabriel Berzunza Ojeda, Cecilia Holmgren
期刊/来源: Bernoulli
分类: vol 29 · issue 4
相关性 1/10 · novelty: new_theory
摘要: 本文研究了从条件于n个顶点的临界Galton-Watson树中随机删除边得到的分裂过程的极限行为。假设子代分布属于指数α∈(1,2]的稳定律吸引域，经适当缩放后，证明了该过程收敛到α-稳定Levy树的分裂过程。进一步建立了该极限分裂过程与归一化α-稳定Levy游程（带确定性漂移）的区间划分之间的关联，推广了Bertoin (2000)关于Brownian CRT分裂的结果。这一结果也表明α-稳定Levy树的分裂可表示为时间反转的极值可加凝聚过程的混合，类似Aldous和Pitman (2000)。主要技术工具包括稳定Levy树的一般理论、Poisson割和弱收敛方法。本文属于概率论纯理论，与您的统计研究兴趣（因果推断、高维U统计等）没有直接交汇，不建议深入阅读。
关键技术: Galton-Watson tree conditioning, stable Lévy tree, fragmentation process, Poisson cutting, additive coalescent, weak convergence
为什么对您有用: 本文主题为概率论的分裂过程极限理论，与您的因果推断、高维U-统计、效率理论等主要兴趣均无直接关联。技术武器库中的‘非参数统计’、‘高维渐近’等工具无法直接应用于此。因此，本文对您当前的research pipeline没有即时可用性，属于暂不可做范畴。建议仅作为概率论背景拓展参考。

Maintained by 陈星宇 · Homepage · Source on GitHub