Bernoulli — Vol 30 Issue 2 · 2026-06-23¶

共 29 篇 · Bernoulli
目录核对 ⚠️ 疑似漏 3 篇（对照 OpenAlex 32 篇）：10.3150/23-bej1631、10.3150/23-bej1624、10.3150/23-bej1641

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。

本期论文主要沿四条主线展开：贝叶斯非参数与逆问题理论、假设检验与模型选择、非参数与半参数推断方法，以及概率极限理论。其中，贝叶斯非参数与假设检验方向的文章数量较多且议题集中，构成了本期的核心内容；非参数推断涉及时间序列、生存分析等经典设定；概率极限理论则涵盖了 SPDE、随机过程与极值理论的精细结果。

贝叶斯非参数与逆问题理论这一主线集中探讨了先验结构对后验收缩率的影响及函数型数据的推断。针对逆问题，Laplace priors 证明了 Laplace 先验在空间非均匀 Besov 类上能达到 minimax 最优收缩速率，优于高斯先验，为正则性结构与先验匹配提供了证据；Bayesian multiscale analysis 则在 Cox 模型下利用多尺度技术推导了风险函数的后验收缩率与 Bernstein–von Mises 定理，验证了可信区间的频率覆盖性质。在函数型与无穷维设定下，Characteristic kernels 讨论了 Hilbert 与 Banach 空间上特征核的构造，Inverse covariance operators 建立了非平稳时间序列无穷维协方差算子及其逆算子的衰减性质，二者均涉及泛函分析工具在非参数设定下的应用。

假设检验与模型选择主线关注检验统计量的效率、阈值及新型检验框架。针对相关性检验，Exact detection thresholds 导出了 Chatterjee 相关系数的精确检测阈值与 minimax 最优性，On Azadkia–Chatterjee’s conditional dependence coefficient 则指出了该系数在条件独立性检验中效率不足并补充了中心极限定理。在检验框架构建上，Sequential testing 利用非负上鞅与在线凸优化设计了可引发泛函的序贯检验；Empirical likelihood ratio tests 提出了基于预测损失的非嵌套模型选择 ELR 检验；Mean stationarity test 构造了超高效估计量以检测时间序列均值结构突变。此外，Testing with p-values 统一了 p-value 与 e-value 的理论框架，Inadmissibility of the corrected Akaike information criterion* 则从 Stein 估计角度证明了 AICc 的不可容许性。

其余值得注意的工作包括：非参数推断方向的 Estimating a regression function 利用模型选择实现了指数族回归的自适应估计，Asymptotic normality for a modified quadratic variation 解决了 Hermite 过程 Hurst 参数估计的渐近正态性问题；计算统计方向的 Variance estimation for sequential Monte Carlo 提出了基于后向采样的粒子滤波方差估计。对于关注因果推断与半参数效率的研究者，建议优先阅读 Bayesian multiscale analysis（半参数 Cox 模型）、On Azadkia–Chatterjee’s conditional dependence coefficient（条件依赖度量）以及 Sequential testing（非参数假设检验框架）。

非参数 / 半参数 (nonparam_semipara, 7 篇)¶

1. 10.3150/22-bej1563 · arXiv — Laplace priors and spatial inhomogeneity in Bayesian inverse problems¶

作者: Sergios Agapiou, Sven Wang
期刊/来源: Bernoulli
分类: vol 30 · issue 2
相关性 8/10 · novelty: new_theory
摘要: 本文研究贝叶斯逆问题中Laplace先验（即小波展开系数独立Laplace分布构成的Besov先验）的后验收缩率，假设真实参数属于空间非均匀的Besov类B^α_11。作者对非线性正向映射施加局部Lipschitz条件，并验证了地球物理中Darcy流模型和层析成像中Schrödinger方程两个实例。在推导过程中，还得到了带ℓ1小波惩罚的惩罚最小二乘估计的浓度不等式，该估计对应于最大后验（MAP）估计。主要结论是：Laplace先验可以达到该Besov类上的minimax最优收缩速率，而高斯先验只能达到慢一个多项式因子的速率。这为正则性结构与先验匹配提供了信息论证据。该论文与您非常熟悉的非参数统计和逆问题理论直接相关，可用逆问题的分析工具理解其证明框架。
关键技术: Bayesian inverse problems, Besov priors, posterior contraction rates, wavelet expansions, ℓ1 penalized least squares, concentration inequalities
为什么对您有用: 本文直接关联您'非参数和半参数理论'这一主要方向，特别是空间非均匀函数的统计学习与逆问题估计。您武器库中'逆问题'和'非参数统计'两项very_familiar工具可以直接用于理解其后验收缩率的推导，并验证其minimax速率的紧性。从follow-up判断，属于立即可做：您已有的逆问题和非参数理论足以掌握该文的核心论证，并可考虑将其拉普拉斯先验的思想迁移至您熟悉的频率学派非参数估计（如U-statistics或因果推断中的逆概率加权）。

2. 10.3150/23-bej1649 · arXiv — Estimating a regression function in exponential families by model selection¶

作者: Juntong Chen
期刊/来源: Bernoulli
分类: vol 30 · issue 2
相关性 6/10 · novelty: new_method
摘要: 本文研究指数族条件分布的回归函数估计问题。设定为观测到 n 个独立对 (W_i, Y_i)，Y_i 给定 W_i 的条件分布属于（或接近）单参数指数族，目标是用模型选择方法估计该条件分布。核心机制是定义一组候选模型（如各向异性 Besov 空间、加性/多指标结构、ReLU 神经网络），通过最小化惩罚 Hellinger 距离进行选择，并给出有限样本风险上界。技术工具依赖 VC 维上界来控制估计量的复杂度，从而得到非渐近风险界。主要理论结果包括：当真实回归函数存在于各向异性 Besov 空间时，估计量自适应达到最优收敛速度；对加性/多指标结构可避免维度灾难；神经网络模型在某些情形下收敛速度远快于传统模型。此外，该程序可直接用于指数族中的变量选择。对您而言，本文的非参数自适应估计框架与您主要兴趣中的非参数理论高度契合，可借鉴其模型选择与风险界技巧。
关键技术: model selection by penalization, non-asymptotic risk bound, Hellinger-type distance, VC dimension bounds, anisotropic Besov spaces, additive/multiple index models
为什么对您有用: (1) 直接连接到您的 primary interest 中的非参数理论方向，特别是高维自适应回归估计问题。 (2) 可用您非常熟悉的 nonparametric statistics 和 minimax bounds 来验证其风险上界是否紧，并用您的 minimax 理论工具理解其自适应性质。 (3) 立即可做：您已掌握非参数统计与高维渐近分析，可直接阅读并评估其理论贡献，无需额外准备。

3. 10.3150/23-bej1639 · arXiv — Characteristic kernels on Hilbert spaces, Banach spaces, and on sets of measures¶

作者: Johanna Ziegel, David Ginsbourger, Lutz Dümbgen
期刊/来源: Bernoulli
分类: vol 30 · issue 2
相关性 5/10 · novelty: new_theory
摘要: 本文研究非标准空间（可分 Hilbert 空间、Banach 空间、测度空间）上正定核的特征性质，目标是构造 integrally strictly positive definite (ISPD) 或 characteristic kernel。核心设定是函数型数据或无穷维对象上的核方法，关键假设涉及空间的 separability 与 strong negative type 性质。技术路线包括：(1) 在可分 Hilbert 空间上构造径向核并证明其 ISPD 性质；(2) 利用 Banach 空间的负类型性质，通过 distance kernel 和 Gaussian kernel 的推广建立特征核；(3) 给出可分 L^p 空间和测度集合上的显式核类。主要理论贡献是给出了这些无穷维空间上特征核的显式构造，填补了核方法在函数型数据理论中的空白。对您在 semiparametric theory 和 nonparametric statistics 方面的工作有基础性参考价值，尤其是涉及函数型数据或无穷维参数空间的推断问题。
关键技术: characteristic kernel, integrally strictly positive definite kernel, radial kernel on Hilbert space, strong negative type metric space, kernel mean embedding, maximum mean discrepancy
为什么对您有用: (1) 连接到 semiparametric and nonparametric theory 中关于无穷维参数空间估计的基础工具——characteristic kernel 是 kernel mean embedding 和 MMD 的理论基石，而后者在因果推断的 distributional treatment effect、sensitivity analysis 等问题中有直接应用。(2) 您的 very_familiar 武器库中 nonparametric statistics 和 minimax bounds 可以直接切入：本文的核构造可视为无穷维空间上概率测度距离的显式化，后续可探索这些核在 semiparametric efficiency bound 计算或 debiased ML 中的潜在应用。(3) 立即可做：理论性阅读，用您熟悉的 nonparametric statistics 和 high-dimensional asymptotics 视角审视这些核在函数型数据推断中的 minimax 性质。

4. 10.3150/23-bej1643 · arXiv — Bayesian multiscale analysis of the Cox model¶

作者: Bo Y.-C. Ning, Ismaël Castillo
期刊/来源: Bernoulli
分类: vol 30 · issue 2
相关性 5/10 · novelty: new_theory
摘要: 本文研究Cox比例风险模型下使用分段常数先验的贝叶斯非参数推断，目标为未知风险函数和生存函数的后验分布。不要求共轭先验，推导了后验收缩率，并证明线性泛函的后验渐近正态性（Bernstein–von Mises定理）。利用多尺度技术得到累积风险函数和生存函数的函数极限结果。进一步证明贝叶斯可信区间具有最优频率覆盖性质，模拟验证有限样本表现良好。该工作统一了贝叶斯Cox模型的大样本理论，对半参数推断中的置信区间最优性研究有参考价值。
关键技术: piecewise constant priors, posterior contraction rate, Bernstein–von Mises theorem, multiscale techniques, credible bands
为什么对您有用: 本文聚焦贝叶斯非参数在Cox模型中的大样本性质，连接研究者的非参数统计与假设检验兴趣。研究者可借助非常熟悉的minimax bounds工具评估其置信区间最优性是否紧。由于贝叶斯非参数工具链不在当前武器库中，属于中期可做：需要先掌握后验收缩率与多尺度分析的基本技术。

5. 10.3150/23-bej1628 · arXiv — Inverse covariance operators of multivariate nonstationary time series¶

作者: Jonas Krampe, Suhasini Subba Rao
期刊/来源: Bernoulli
分类: vol 30 · issue 2
相关性 4/10 · novelty: new_theory
摘要: 本文研究多变量非平稳时间序列的无穷维协方差算子及其逆算子的衰减性质，目标是在仅假设协方差矩阵行/列具有某种衰减速率的条件下，证明逆协方差算子继承相同（至多差常数因子）的衰减速率。核心工具是泛函分析中的算子理论，通过控制协方差算子的特征值下界与上界，建立逆算子元素衰减的精确界，并由此导出非平稳时间序列的自回归表示以及 Baxter 型逼近误差界。进一步，作者将结果应用于局部平稳时间序列，证明协方差矩阵的光滑性可传递至逆协方差、VAR 参数及偏协方差，且所有常数仅依赖于协方差算子的特征值，可直接推广到特征值非发散的高维设定。对您而言，这是非参数理论在时间序列无穷维算子层面的精细工作，与您熟悉的 inverse problems with random noise 和高维渐近理论有直接技术连接。
关键技术: infinite-dimensional covariance operator, operator decay rate transfer, Baxter-type bound, nonstationary VAR representation, locally stationary time series, eigenvalue-dependent constants
为什么对您有用: 直接连接到您 primary interest 中的非参数理论和高维统计——本文处理的是无穷维协方差算子的逆问题，技术路线与您 very_familiar 的 inverse problems with random noise 和 high-dimensional asymptotics 高度平行。您可以用 very_familiar 的 minimax bounds 工具审视文中衰减速率界是否紧，或用 moderately_familiar 的 semiparametric theory 思考如何将此框架用于估计逆协方差算子并建立估计量的渐近性质。立即可做：用您熟悉的算子理论和 minimax 分析验证文中衰减速率传递结果的紧性，或考虑在有限样本下估计逆协方差算子的统计效率问题。

6. 10.3150/23-bej1635 · arXiv — Comparison principle for stochastic heat equations driven by α-stable white noises¶

作者: Yongjin Wang, Chengxin Yan, Xiaowen Zhou
期刊/来源: Bernoulli
机构: Nankai University · Concordia University
分类: vol 30 · issue 2
相关性 2/10 · novelty: new_theory
摘要: 本文研究由 α-稳定白噪声驱动的非线性随机热方程（SHE），目标是在 Lipschitz 系数条件下建立 L^p-值 càdlàg 解的存在性与轨道唯一性。核心方法是截断大跳构造逼近方程序列，利用截断后的 α-稳定白噪声驱动的 SHE 的解收敛到原方程的解，从而证明 p∈(α,2] 时解的适定性。在谱单边 α-稳定白噪声及系数单调性假设下，进一步建立了 L^2-值解的比较原理，并由此推出非负初值条件下解的非负性保持。这是 SPDE 理论中关于 Lévy 噪声驱动方程比较原理的精细结果，对您理解非参数/半参数理论中的随机分析工具有参考价值。
关键技术: stochastic heat equation, α-stable white noise, comparison principle, pathwise uniqueness, L^p-valued càdlàg solution, jump truncation approximation
为什么对您有用: 本文属于随机偏微分方程（SPDE）理论，与您 primary interests 中的 semiparametric/nonparametric theory 和 mathematical statistics 有一定距离。技术核心是 Lévy 噪声驱动的随机分析，而非统计推断问题。您武器库中的 nonparametric statistics 和 minimax bounds 在此不直接适用，需要随机分析（SPDE、Lévy 过程、停时论证）的专业背景。暂不可做：核心机器（SPDE 理论、Lévy 过程的随机分析）不在武器库中，除非您有意向系统学习随机分析。

7. 10.3150/23-bej1627 · arXiv — Asymptotic normality for a modified quadratic variation of the Hermite process¶

作者: Antoine Ayache, Ciprian A. Tudor
期刊/来源: Bernoulli
分类: vol 30 · issue 2
相关性 1/10 · novelty: new_theory
摘要: 本文研究 Hermite 过程的 Hurst 参数估计问题，Hermite 过程是一类具有长记忆性的非高斯自相似过程，其传统二次变差分析因增量相关性而极为困难。作者构造了一种修正的二次变差估计量，核心技巧是选取特殊增量使其在忽略渐近余项后独立同分布，从而绕过传统增量间的复杂依赖结构。通过 Stein-Malliavin 计算工具，证明了该估计量的中心极限定理，并在 Wasserstein 距离下给出了收敛速率。这是文献中首个针对 Hermite 过程 Hurst 参数的强相合且渐近正态的估计量，填补了长记忆非高斯过程推断的重要空白。对您研究 higher-order U-statistics 与 semiparametric efficiency 理论有方法论启发。
关键技术: modified quadratic variation, Stein-Malliavin calculus, Wasserstein distance, Hermite process, Hurst parameter estimation, central limit theorem for non-Gaussian processes
为什么对您有用: 本文连接到 nonparametric statistics 与 efficiency theory 的交叉点：Hurst 参数估计是经典的 semiparametric 估计问题，而 Stein-Malliavin 方法是处理非高斯过程极限定理的现代工具。您武器库中的 nonparametric statistics 与 minimax bounds 可用于分析该估计量的最优性问题——本文未涉及 minimax 下界，这是一个可攻的口子。技术层面，Hermite 过程涉及高阶 Wiener-Itô 积分，与您熟悉的 higher-order U-statistics 有结构相似性。中期可做：需先在 moderately_familiar 的 semiparametric theory 上长肌肉，特别是理解长记忆参数的 efficiency bound 问题。

数理统计 / 假设检验 (hypothesis_testing, 9 篇)¶

1. 10.3150/23-bej1648 · arXiv — Exact detection thresholds and minimax optimality of Chatterjee’s correlation coefficient¶

作者: Arnab Auddy, Nabarun Deb, Sagnik Nandy
期刊/来源: Bernoulli
分类: vol 30 · issue 2
相关性 8/10 · novelty: new_theory
摘要: 本文研究 Chatterjee 相关系数在独立性检验中的检测阈值与 minimax 最优性。首先，在独立原假设下，考虑趋于零的备择序列，作者导出了 Chatterjee 检验的渐近分布，并得到精确检测阈值和局部幂的显式表达式，证明其检测边界为 n^{-1/4}。其次，针对非平凡依赖水平（即变量非独立但非函数关系）的检验，作者构造了基于 Chatterjee 系数的检验程序，证明其具有 n^{-1/2} 的检测边界，且达到 minimax 最优。技术工具包括 Stein 交换对方法、非渐近投影结果以及信息论下界。该结果将 Chatterjee 系数从描述性度量拓展为具有扎实大样本理论的推断工具，对非参数独立性检验的研究者具有直接参考价值。
关键技术: Stein's method of exchangeable pairs, non-asymptotic projection result, information-theoretic lower bounds, detection boundary, minimax optimality, Chatterjee's correlation coefficient
为什么对您有用: 该文直接涉及假设检验中的非参数独立性检验问题，是您 primary interests 中 hypothesis testing 子方向的典型工作。您非常熟悉的 minimax bounds for estimation problems 武器可用来验证文中声称的检测边界是否为紧界，同时 higher-order U-statistics 的视角也有助于理解该系数在依赖度量中的方差结构。基于现有武器库，您可以立即评估和复现其主要理论结果，并考虑将其推广到高维或时间序列依赖的检验设定。

2. 10.3150/23-bej1634 · arXiv — Sequential testing for elicitable functionals via supermartingales¶

作者: Philippe Casgrain, Martin Larsson, Johanna Ziegel
期刊/来源: Bernoulli
分类: vol 30 · issue 2
相关性 8/10 · novelty: new_method
摘要: 本文针对一大类非参数零假设设计了序贯检验方法，这类零假设基于可引发泛函（如均值、分位数、期望损失等）和可识别泛函。方法的核心是利用评分函数和识别函数构造在零假设下为非负上鞅的过程，再通过Ville不等式控制第一类错误。借助在线凸优化的后悔界，作者为渐近检验势提供了严格保证，且适用于有界和无界分布，只需满足次ψ尾条件。这项工作将序贯决策与非参数假设检验紧密结合，给出了通用的检验框架。对您而言，它直接连接了数学统计中假设检验与非参数理论的兴趣点，尤其为动态检验问题提供了新思路。
关键技术: elicitable functionals, identifying functions, nonnegative supermartingales, Ville's inequality, online convex optimization regret bounds
为什么对您有用: 这篇论文将非参数假设检验拓展到序贯设定，直接关联您主要兴趣中的数学统计/假设检验子方向。武器库中熟悉的非参数统计和渐近理论可以用于理解其检验构造与势分析；但具体到上鞅构造和在线凸优化悔界，您的武器库中尚未覆盖，属于中期可做：需要先熟悉super-martingale工具和在线凸优化的基本框架。

3. 10.3150/22-bej1529 · arXiv — On Azadkia–Chatterjee’s conditional dependence coefficient¶

作者: Hongjian Shi, Mathias Drton, Fang Han
期刊/来源: Bernoulli
分类: vol 30 · issue 2
相关性 8/10 · novelty: new_theory
摘要: 研究 Azadkia–Chatterjee 条件依赖系数（一种完全非参数的、基于秩和最近邻图的条件依赖度量）在条件独立性检验中的统计效率。在条件随机化检验（CRT）框架下，推导了该系数在参数二次均方可微（QMD）备择和非参数 Hölder 光滑备择两类局部备择下的局部检验势。结果显示，即使借助 CRT 框架，基于该系数的检验仍缺乏效率，从而为开发改进变体（如 Lin & Han 2022b）提供了理论动机。作为副产品，证明了该系数及其经验版本的中心极限定理，给出了渐近方差的显式公式，解决了 Azadkia–Chatterjee 的一个猜想。论文为条件依赖度量的理论性质（收敛速率、局部势）建立了精细分析，对假设检验领域研究者有参考价值。
关键技术: Conditional randomization test (CRT), Azadkia–Chatterjee coefficient, Local power analysis, Central limit theorem for rank-based statistics, Quadratic mean differentiable alternatives, Hölder smooth alternatives
为什么对您有用: 直接关联到 primary interests 中的 hypothesis testing（条件独立性检验）和 nonparametric statistics。论文的局部势分析使用了 minimax 类型的技术，研究者对 nonparametric statistics 和 minimax bounds 非常熟悉，可立即理解其理论框架。本文的结论可作为中期可做课题的起点：结合 higher-order U-statistics 或 efficiency theory 探索更高效的条件依赖度量。

4. 10.3150/23-bej1633 · arXiv — Testing with p*-values: Between p-values, mid p-values, and e-values¶

作者: Ruodu Wang
期刊/来源: Bernoulli
分类: vol 30 · issue 2
相关性 7/10 · novelty: new_theory
摘要: 该文引入 p-value（p-变量）的概念，作为 p-value、mid p-value 和 e-value 的推广。p-value 拥有操作、概率、贝叶斯和频率四种自然解释，其主要例子是离散检验统计量中的 mid p-value。通过统一的随机表示揭示了 p-value、mid p-value 和 p-value 三者之间的关系。文中研究了在任意依赖或独立条件下合并多个 p-value 的方法，并推导出 p-value 与 p-value、e-value 之间的可容许校准器，其数学形式优美且表现出 p-value 作为桥梁的作用。确定性检验基于 p-value 可以对一些经典 p-value 和 e-value 方法做出改进。该工作为假设检验框架提供了更灵活的视角，尤其适用于离散数据和不精确 p 值的场景。对您而言，直接连接数学统计中的假设检验方向，并且文中校准器的最优性分析可作为 minimax 界在检验理论中应用的实例。
关键技术: p*-values, mid p-values, e-values, admissible calibrators, stochastic representation, merging of dependent p-values
为什么对您有用: 本文聚焦假设检验中的 p 值、中 p 值、e 值理论，与您 primary interest 中的 'mathematical statistics (hypothesis testing)' 直接对应。您非常熟悉的 minimax bounds 技术可以用于检验文中 admissible calibrators 的最优性是否达到最优收敛率；此外，合并 p*-values 的方法可迁移到高维假设检验或多重比较问题中。立即可做：基于当前核心武器（minimax bounds、非参数检验）即可评估文中校准器的精度与适用性。

5. 10.3150/23-bej1640 — Empirical likelihood ratio tests for non-nested model selection based on predictive losses¶

作者: Jiancheng Jiang, Xuejun Jiang, Haofeng Wang
期刊/来源: Bernoulli
机构: University of North Carolina at Charlotte · Southern University of Science and Technology
分类: vol 30 · issue 2
相关性 7/10 · novelty: new_method
摘要: 本文针对非嵌套模型选择问题，提出基于经验似然比（ELR）的检验方法，可比较任意两个监督学习模型（包括嵌套、非嵌套、重叠、误设或正确设定）。方法基于交叉验证预测损失，在凸损失函数框架下推导了ELR检验在非参数学习模型比较中的渐近零分布和对立分布。为缓解交叉验证中逐点留出拟合的计算负担，提出了一次性拟合的简化版本，其渐近性质与原版本相同。进一步针对大规模数据，设计了可扩展的分布式ELR检验，用于可能误设的加性模型中变量组重要性检验。模拟研究表明新检验在有限样本下优于若干现有方法，实证应用验证了其实用性。本文对您可能有用：其模型比较框架可迁移至因果推断中的倾向得分或结果模型选择，且计算简化策略与您熟悉的统计计算及高维渐近工具（如U统计量投影、经验过程）可衔接。
关键技术: empirical likelihood ratio, cross-validation prediction loss, non-nested model comparison, convex loss functions, distributed empirical likelihood, one-step leave-one-out approximation
为什么对您有用: 本研究聚焦假设检验中的非嵌套模型选择，直接对应您的主要兴趣——假设检验与非参数理论。其基于预测损失的经验似然比方法适用于任意对比模型，您熟悉的非参数统计渐近和M估计理论（中等熟悉）可用于理解其方差估计和误设鲁棒性，而您熟悉的高维渐近工具可帮助扩展至稀疏模型或高维协变量情形。中期可做：核心机器是经验似然与交叉验证损失的重要性权重，但武器库中尚无经验似然方法的深度积累（属M估计的推广），需先熟悉经验似然的理论框架（如置信区间构造、profile似然），而后可用您的U统计量收敛性知识改良其一次性拟合的误差界。

6. 10.3150/23-bej1621 — Malliavin calculus techniques for local asymptotic mixed normality and their application to hypoelliptic diffusions¶

作者: Masaaki Fukasawa, Teppei Ogihara
期刊/来源: Bernoulli
机构: The University of Osaka · The University of Tokyo
分类: vol 30 · issue 2
相关性 6/10 · novelty: new_theory
摘要: 本文研究统计模型具有局部渐近混合正态性（LAMN）的充分条件，采用 Jeganathan 框架并将其推广至变维三角阵列，以处理随机过程的高频观测。核心方法是利用 Malliavin 微积分技术，在观测具有 Malliavin 意义下光滑性时，给出不依赖 Aronson 型转移密度估计的 tractable 充分条件，允许转移密度函数存在零点。作为应用，证明了 hypoelliptic diffusion 模型在高频观测下的 LAMN 性质，涵盖完全观测和部分观测（积分扩散）两种框架，分别推广了椭圆扩散和积分扩散的已有结果。对您有用之处在于：LAMN 是证明极大似然估计渐近性质和构造有效检验的关键工具，本文的 Malliavin 微积分方法为处理非标准正则条件提供了新思路。
关键技术: local asymptotic mixed normality (LAMN), Malliavin calculus, triangular array asymptotics, hypoelliptic diffusion, high-frequency observations, LAN/LAMN theory
为什么对您有用: 本文连接到 primary interest 中 mathematical statistics 的假设检验理论——LAMN 是构造渐近有效检验和估计的经典框架。技术核心 Malliavin 微积分不在 technical_arsenal 中，属于需要新学的概率工具。follow-up 判断：暂不可做——核心机器 Malliavin calculus 完全不在武器库里，且与 higher-order U-statistics / semiparametric efficiency 的技术路线差异较大；若未来研究涉及扩散过程的统计推断或需要处理非标准正则条件，可作为入门文献。

7. 10.3150/23-bej1630 — Mean stationarity test in time series: A signal variance-based approach¶

作者: Hon Kiu To, Kin Wai Chan
期刊/来源: Bernoulli
机构: Chinese University of Hong Kong
分类: vol 30 · issue 2
相关性 6/10 · novelty: new_method
摘要: 本文针对时间序列的均值结构推断问题，提出一种基于信号方差的新均值平稳性检验。该方法构造了一个超高效估计量，其收敛速度快于样本量n，能够有效检测均值函数的非恒定趋势，尤其对难以察觉的振荡结构具有良好功效。检验在序列相关假设下依然成立，无需指定具体的均值结构形式（如结构断点或参数化趋势），因此避免了因模型误设导致的功效损失。进一步，作者将方法推广至平滑趋势检验和相对信号变异性检验，扩展了适用范围。理论分析展示了该检验的渐近性质，并模拟验证了其在有限样本中的优势。对您而言，这是一项有数学深度的假设检验新工具，其超高效估计量的收敛速率分析可连接至高维时间序列或半参效率理论。
关键技术: signal variance, super-efficient estimator, mean stationarity test, oscillating structures, smooth trend test
为什么对您有用: 本文是时间序列均值平稳性检验的新方法，直接对应您的primary interest中的假设检验方向；其所依赖的超高效估计量收敛率分析可以利用您在minimax bound和渐近理论方面的熟悉工具进行深入理解或改进；立即可做——不需要额外学习新领域，即可将该检验的功效与现有方法对比或扩展至高维情形。

8. 10.3150/23-bej1638 · arXiv — Inadmissibility of the corrected Akaike information criterion¶

作者: Takeru Matsuda
期刊/来源: Bernoulli
分类: vol 30 · issue 2
相关性 4/10 · novelty: new_theory
摘要: 对于协方差未知的多元线性回归模型，校正 Akaike 信息准则（AICc）是期望 Kullback-Leibler 散度的最小方差无偏估计。本文在损失估计框架下证明，若将研究对象由期望 KL 散度换成 KL 散度本身（即随机量），则 AICc 作为该估计量是不可容许的，存在更优的替代估计。作者利用 Stein 无偏风险估计方法构造了一类改进估计，这些估计在降秩（reduced-rank）回归设定下表现尤为突出：它们能够降低均方误差，且在数值模拟和实际数据分析中验证了改进效果。文中还讨论了不可容许性产生的条件，并给出了直观的几何解释。该结果深化了我们对信息准则在有限样本下性质的理解，对模型选择实践中是否应默认使用 AICc 提出了理论警示。对于您在数学统计与假设检验方向的研究，这篇论文提供了经典决策理论与现代降秩技术结合的典型案例，可供您在评估估计量可容许性时参考。
关键技术: AICc (corrected AIC), loss estimation framework, Stein's unbiased risk estimation, inadmissibility, reduced-rank regression, improved estimators
为什么对您有用: 本文直接关联您主要兴趣中的“数学统计与假设检验”，具体落在损失估计框架下的模型选择不可容许性问题。武器库中“minimax bounds for estimation problems”可以用于分析改进估计的有限样本最优性（例如构造下界），而“high-dimensional asymptotics”则能帮助我们理解降秩设定下改进估计的相合率。粗判：立即可做——利用您非常熟悉的非参统计与 minimax 边界工具，可以尝试将这种不可容许性论证推广到因果推断中的倾向得分模型选择或高维稀疏回归的 IC 准则。

9. 10.3150/23-bej1625 · arXiv — A diffusion approach to Stein’s method on Riemannian manifolds¶

作者: Huiling Le, Alexander Lewis, Karthik Bharath, Christopher Fallaize
期刊/来源: Bernoulli
分类: vol 30 · issue 2
相关性 4/10 · novelty: new_theory
摘要: 本文提出了一种在黎曼流形上利用扩散过程发展Stein方法的新途径，用于界定概率测度之间的积分度量。该方法利用扩散生成器与目标不变测度的关系推导出Stein算子。通过考虑具有不同起始点的一对扩散过程，分析它们之间的距离过程来研究Stein方程解的性质。论文在多种流形上通过具体例子展示了流形几何对Stein方法的影响。该工作为流形上概率分布的逼近和假设检验提供了新的理论工具。对您而言，该工作属于数学统计中假设检验理论的前沿拓展，但需要额外的随机微分方程与黎曼几何知识才能直接应用。
关键技术: Stein's method, diffusion process coupling, Riemannian manifold, generator and Stein operator, distance process analysis
为什么对您有用: 直接关联研究者的 mathematical statistics 兴趣，尤其是假设检验中的分布逼近方法。Stein方法在经典假设检验中处理非正态分布时具有重要应用，本文将其推广到流形空间，可能对高维数据的假设检验有启发。然而，研究者的技术武器库中缺乏扩散过程和黎曼几何的核心工具，因此暂不可直接利用，但可作为理论拓展的参考。

统计计算 / 算法 (stat_computing, 1 篇)¶

1. 10.3150/23-bej1586 · arXiv — Variance estimation for sequential Monte Carlo algorithms: A backward sampling approach¶

作者: Yazid Janati El Idrissi, Sylvain Le Corff, Yohan Petetin
期刊/来源: Bernoulli
分类: vol 30 · issue 2
相关性 7/10 · novelty: new_method
摘要: 本文研究序列蒙特卡洛（粒子滤波与平滑）中在线渐近方差估计问题。现有基于粒子谱系的估计量存在不稳定或难调参的缺陷。作者提出基于后向权重的新渐近方差估计量，具有弱相合性，并通过牺牲计算成本换取更高的稳定性和更低的方差。同时借鉴PaRIS算法设计了一种计算更高效的变体。理论证明了估计量的相合性，并在粒子平滑中应用于加性泛函的前向滤波后向平滑估计量的方差估计。本文的方法属于数值算法设计与稳定性-计算权衡分析，与您的统计计算（数值方法、算法）兴趣子方向直接相关，且状态空间模型可视为逆问题，对应您熟悉的逆问题随机噪声工具。
关键技术: sequential Monte Carlo, particle filter, backward sampling, asymptotic variance estimation, forward filtering backward smoothing, PaRIS algorithm
为什么对您有用: 本文聚焦于粒子滤波的渐近方差估计，属于统计计算（数值方法、算法）子方向；您武器库中“逆问题随机噪声”工具可用于理解状态估计本质，而“软件开发”经验可评估算法实现稳定性；暂不可做，因为武器库缺少序列蒙特卡洛与粒子滤波理论的核心内容，需先补充该方向基础知识。

其他 (other, 12 篇)¶

1. 10.3150/23-bej1632 — Optimal weighted pooling for inference about the tail index and extreme quantiles¶

作者: Abdelaati Daouia, Simone A. Padoan, Gilles Stupfler
期刊/来源: Bernoulli
机构: Toulouse School of Economics · Bocconi University · Centre National de la Recherche Scientifique · Laboratoire Angevin de Recherche en Mathématiques
分类: vol 30 · issue 2
相关性 4/10 · novelty: new_method
摘要: 本文针对重尾分布下的尾指数和极端分位数估计，提出了加权合并（pooling）策略以整合多个样本的信息。首先，定义了加权合并Hill估计量（尾指数）和加权合并Weissman估计量（极端分位数），后者基于非标准几何平均方案。在固定样本个数、异质样本量及渐近相依分布的通用框架下，建立了估计量的渐近正态性理论。进一步，通过渐近方差最小化和AMSE最小化导出了最优权重选择。在分布式推断场景中，证明了方差最优的分布式估计量与不可行的全局合并Hill/Weissman估计量渐近等价，而AMSE最优估计量在大偏差情形下具有更小的AMSE。还考虑了子样本数随总样本量增长及有效样本量较低的情形，并推广到序列依赖和协变量存在的情况。模拟验证了理论结果，并用天气和保险数据展示了实际应用。本文的方法论对从事极值统计和分布式统计推断的研究者具有直接参考价值。
关键技术: Hill estimator, Weissman estimator, weighted pooling, asymptotic variance minimization, AMSE minimization, distributed inference
为什么对您有用: 本文主题属于极值统计和分布式推断，与您的主要兴趣“假设检验”和“极值理论”弱相关，但其中加权合并和最优权重选择的技术思路可迁移到其他 pooling 问题。您熟悉的“非参数理论”和“M-估计理论”可用于理解该文的渐近论证；若想深入其分布式推断部分，需首先在“半参数理论”上进一步积累（moderately_familiar），因为其渐近效率论证涉及半参数思路。总体而言，这是一篇扎实的方法论文，但核心问题不在您的核心兴趣链上，暂不优先展开。

2. 10.3150/23-bej1629 · arXiv — Rough paths and symmetric-Stratonovich integrals driven by singular covariance Gaussian processes¶

作者: Alberto Ohashi, Francesco Russo
期刊/来源: Bernoulli
机构: Universitas Nusa Bangsa · École Nationale Supérieure de Techniques Avancées
分类: vol 30 · issue 2
相关性 3/10 · novelty: new_theory
摘要: 本文研究一类高斯过程驱动的随机粗糙路径积分与对称-Stratonovich积分之间的关系。在Malliavin微分的温和正则性条件下，建立了随机粗糙路径积分与正则化意义下对称-Stratonovich积分的等式。作为推论，表明由一大类高斯粗糙路径驱动的多维粗糙微分方程的解实际上是Stratonovich随机微分方程的解。文章给出了Gubinelli意义下粗糙路径积分的一阶Stratonovich格式的几乎必然收敛速率，当被积函数的Malliavin导数时间增量足够正则时，该速率本质上是紧的。理论框架适用于协方差函数二阶导数为非正σ-有限测度（除去对角线）的高斯过程。
关键技术: rough path theory, Stratonovich integral, Malliavin calculus, Gaussian processes, regularization
为什么对您有用: 本文属于随机分析（粗糙路径）的纯数学理论，与您的任何主要或次要研究方向（因果推断、高维统计、U统计、半参理论、效率理论、统计计算、天文学、经济学、流行病学）均无直接关联。武器库中没有任何一项能攻本文的技术口子。暂不可做——核心机器（Malliavin calculus、粗糙路径框架、对称Stratonovich积分）完全不在武器库内。

3. 10.3150/23-bej1636 — Berry-Esseen bound and Cramér moderate deviation expansion for a supercritical branching random walk¶

作者: Thi Thuy Bui, Ion Grama, Quansheng Liu
期刊/来源: Bernoulli
机构: Centre National de la Recherche Scientifique · Université de Bretagne Sud
分类: vol 30 · issue 2
相关性 3/10 · novelty: new_theory
摘要: 该论文研究超临界分支随机游走中计数测度Z_n的收敛速度。在每粒子繁殖数随机、位移分布固定的设定下，建立了Z_n经适当标准化后的Berry-Esseen界（正态逼近的误差阶）和Cramér型中偏差展开。主要方法涉及分支过程的鞅结构、特征函数估计和精细的指数不等式。理论结果给出了Z_n收敛到正态分布的速度以及中偏差区域的大偏差概率的精确刻画。该论文的纯概率论结果与您的主要兴趣（因果推断、高维统计）没有直接技术关联，但其收敛率工具（如Berry-Esseen界）可能对非参数统计中的分布逼近问题有间接启发。
关键技术: Berry-Esseen bound, Cramér moderate deviation, branching random walk, martingale convergence
为什么对您有用: 1. 该论文属于纯概率论，未直接涉及您列出的任何主要或次级兴趣子方向（因果推断/高维RM/U统计/半参/统计计算等）。2. 您的武器库中非常熟悉的高维渐近工具虽涉及收敛率，但分支过程的鞅方法不在当前武器库范围内。3. 暂不可做——核心机器（分支过程鞅、指数不等式）不在您的技术栈中，且概率论的topic距离统计应用较远，不建议花费时间深入。

4. 10.3150/23-bej1645 · arXiv — Spine for interacting populations and sampling¶

作者: Vincent Bansaye
期刊/来源: Bernoulli
分类: vol 30 · issue 2
相关性 3/10 · novelty: new_theory
摘要: 本文研究具有密度依赖相互作用的马尔可夫跳过程，用于描述结构化种群及其抽样。作者提出一种带区分个体的脊柱构造（spine construction），通过扩展个体类型空间以包含种群状态，并修改脊柱外的跳速率，实现对随机树和给定时间随机样本的概率描述。该方法引入概率测度变换，使得可以通过一个代表性个体追踪种群历史。应用方面，对于单类型种群，推导了带有竞争的生长碎片模型的相图，以及多出生灭过程的尺寸演化。对于多类型种群，刻画了均匀样本的祖先谱系。本文提供了一种分析有相互作用种群演化的概率框架，但其内容纯属随机过程理论，与您的主要统计兴趣无直接交集。
关键技术: spine construction, density-dependent Markov jump processes, random tree representation, change of probability measure, branching processes with interactions
为什么对您有用: 本文属于概率论基础工作，与您的流行病学或演化生物学中的种群动态建模有间接关联（如多类型种群抽样），但方法高度理论化，需要深厚的随机过程背景。您的兵器库（nonparametric stats, high-dim asymptotics, U-statistics）暂无直接攻破此文的工具，因此目前暂不可做；若未来想进入随机过程驱动的群体遗传学方向，需先补充 Markov jump process 和 spine 技术。不建议列为急读。

5. 10.3150/23-bej1647 · arXiv — Gaussian Whittle–Matérn fields on metric graphs¶

作者: David Bolin, Alexandre B. Simas, Jonas Wallin
期刊/来源: Bernoulli
分类: vol 30 · issue 2
相关性 3/10 · novelty: new_method
摘要: 本文在紧度量图（如街道网络、河流网络）上定义了一类新型高斯过程——Whittle–Matérn 场，通过分数阶随机偏微分方程构造，是欧几里得域上 Matérn 协方差函数到非欧几里得度量图情形的自然推广。论文证明了过程的存在性及样本路径正则性，包括首次在一般紧度量图上构造可微高斯过程。进一步证明了这些过程在添加或移除二度顶点时保持不变的内在性质，并得到了过程的 Karhunen–Loève 展开。数值实验比较了所提过程与各向同性协方差函数的差异。该工作为度量图上的空间统计建模提供了理论框架，但属于方法学层面的纯理论构造，与应用场景（如流行病学中的网络数据）有潜在连接。
关键技术: Whittle–Matérn fields, fractional stochastic differential equation, compact metric graphs, Karhunen–Loève expansion, sample path regularity
为什么对您有用: 该论文属于非参数空间统计建模，与 primary interest 中的半参数/非参数理论有概念交集（高斯过程、正则性），但核心方向是度量图上的随机场构造，而非因果推断或高维统计。技术上主要涉及 SPDE 方法和函数空间理论，与您的 very_familiar 非参数统计工具箱有部分重叠（样本路径正则性分析），但不直接对接到您的核心武器（U 统计量、einsum、效率理论等）。暂不可做：缺乏明确可迁移的统计计算问题或因果推断应用场景，作为 gateway reading 也偏理论，不太适合作为入门读物。评分 4。

6. 10.3150/23-bej1646 · arXiv — Strong and weak convergence for the averaging principle of DDSDE with singular drift¶

作者: Mengyu Cheng, Zimo Hao, Michael Röckner
期刊/来源: Bernoulli
分类: vol 30 · issue 2
相关性 3/10 · novelty: new_theory
摘要: 本文研究分布依赖随机微分方程（DDSDE）在漂移项属于局部 L^p 空间这一奇异性设定下的平均化原理。核心目标是证明当时间尺度参数 ε→0 时，原系统的解强收敛和弱收敛到平均化系统的解。技术路线采用 Zvonkin 变换将奇异漂移问题转化为正则问题，并结合 Kolmogorov 方程解的精细估计来控制收敛行为。主要结果给出了依赖于可积性指标 p 的强收敛率和弱收敛率，刻画了奇异性强度对收敛速度的影响。该工作属于概率论与随机分析的范畴，与您关注的因果推断、高维统计、半参数效率理论等方向无直接交集。
关键技术: Zvonkin transformation, Kolmogorov equations, averaging principle, DDSDE (distribution dependent SDE), strong and weak convergence rates
为什么对您有用: 本文属于随机分析领域，与您 primary_interests 中的因果推断、高维统计、半参数理论、效率理论等方向均无直接关联。核心工具（Zvonkin 变换、Kolmogorov 方程估计）不在您的 technical_arsenal 中，且难以迁移到您当前的研究问题。暂不可做：核心机器（随机分析 / SDE 正则性理论）完全不在武器库里，且与您的研究议程缺乏交叉点。

7. 10.3150/23-bej1626 · arXiv — A new shape of extremal clusters for certain stationary semi-exponential processes with moderate long range dependence¶

作者: Zao-Li Chen, Gennady Samrodnitsky
期刊/来源: Bernoulli
分类: vol 30 · issue 2
相关性 2/10 · novelty: new_theory
摘要: 本文研究具有中等长记忆的平稳半指数过程极值簇的形状问题。传统上，对于次指数尾巴（如幂律尾巴、对数正态尾巴）的过程，极值簇呈现稳定再生集的形状。本文发现，对于更轻的半指数尾巴，极值簇出现新形态：每个稳定再生集上支撑着一组变化多样的极端值。技术工具包括稳定再生集、极值指标、长记忆参数等。主要理论结果是刻画了这一新形状的极限分布。虽然与您的主要兴趣方向不直接相关，但极值理论在风险评估和天文统计（如伽马射线暴）中有潜在应用。
关键技术: extreme value theory, stable regenerative sets, semi-exponential tails, long-range dependence, extremal clusters
为什么对您有用: 本文属于极值理论领域，与您主要关注的因果推断、高维统计等方向无直接重叠。不过，您对长记忆时间序列的极限行为若感兴趣，本文可提供概率视角。从技术角度看，您熟悉的 nonparametric statistics 和 high-dimensional asymptotics 在此处用场有限，因为本文依赖稳定再生集等概率构造，属于您武器库之外的极值理论，因此该工作目前暂不可直接切入。

8. 10.3150/23-bej1623 · arXiv — A recursive distributional equation for the stable tree¶

作者: Nicholas Chee, Franz Rembart, Matthias Winkel
期刊/来源: Bernoulli
分类: vol 30 · issue 2
相关性 2/10 · novelty: new_theory
摘要: 本文提出了 Duquesne 和 Le Gall 的 α-稳定树（α∈(1,2]）的一个新刻画，将其表示为满足递归分布方程（RDE）的解。该 RDE 形式为 T =d g(ξ, T_i, i≥0)，其中 g 是连接算子，ξ 是伸缩因子序列，T_i 与 T 独立同分布。这推广了 Albenque 和 Goldschmidt 对布朗连续随机树（CRT）的刻画，源于 Aldous 的自相似性。通过将结果与一类性质不同的 RDE 相联系，作者证明该 RDE 的解在乘常数下唯一且具有吸引性。文中给出了递推构造和分布固定点的理论分析。对于以统计推断为主要兴趣的研究者，本文属于概率论中极限树结构的纯理论工作，与因果推断、高维统计等方向无直接方法学交集。
关键技术: recursive distributional equation, stable tree, Brownian continuum random tree, self-similarity, concatenation operator
为什么对您有用: 本文属于随机树与概率论的基础理论，与研究者主要兴趣（因果推断、高维统计、效率理论等）无直接接口。但递归分布方程的分析手法（固定点唯一性、自相似结构）可视为一种非标准概率工具，对于拓宽对随机对象刻画的理解有参考价值。目前无法直接转化为研究者武器库中的具体方法（如高维U-统计、半参数效率界），暂不推荐深度阅读。

9. 10.3150/23-bej1642 · arXiv — On Z-mean reflected BSDEs¶

作者: Joffrey Derchu, Thibaut Mastrolia
期刊/来源: Bernoulli
分类: vol 30 · issue 2
相关性 1/10 · novelty: new_theory
摘要: 本文研究带均值反射的倒向随机微分方程（BSDE）在 Z 分量上的超解存在性问题。设定是 BSDE 框架下，目标是在均值约束条件下找到满足特定正则性的超解。与 Y 分量均值反射的 BSDE 不同，作者证明在此设定下无法期望具有确定性递增过程 K 的超解。主要结果是给出了随机 K 分量下超解存在的充分条件，并讨论了多种约束情形。作者还形式化了此类问题的时间不一致性论证，证明了最小超解必然是解。该工作属于随机分析与金融数学领域，方法学上与您 primary interests 的因果推断、高维统计、半参数理论等方向无直接交集。
关键技术: backward stochastic differential equations, mean-reflection, super-solution, time-inconsistency, stochastic constraint
为什么对您有用: 本文属于随机分析/金融数学方向，与您 primary interests（因果推断、高维统计、半参数效率、U-statistics 等）无直接方法学重叠。技术工具（BSDE、随机分析）不在您 technical_arsenal 的 very_familiar 或 moderately_familiar 列表中。暂不可做：核心机器（BSDE 理论、随机分析）不在武器库里，且与当前研究议程无明显连接点。

10. 10.3150/23-bej1619 · arXiv — Reproduction of initial distributions from the first hitting time distribution for birth-and-death processes¶

作者: Kosuke Yamato, Kouji Yano
期刊/来源: Bernoulli
分类: vol 30 · issue 2
相关性 1/10 · novelty: new_theory
摘要: 本文研究生灭过程的一个重要逆问题：从首次击中时间分布恢复初始分布。作者证明，对于任意初始分布，可以通过一个由生成元的特征函数定义的微分算子作用于首次击中时间分布函数来唯一地恢复。证明依赖于广义二阶微分算子的谱理论，并应用于非对称随机游走的具体例子。这是一项纯概率论的理论结果，不涉及统计推断或数据分析。
关键技术: spectral theory of second-order differential operators, eigenfunction expansion, first hitting time distribution, birth-and-death processes
为什么对您有用: 该文属于随机过程理论，与您的主要兴趣（因果推断、高维统计、半参理论等）无直接关联。但其中使用的谱方法和逆问题视角与您熟悉的逆问题（如非参数反卷积）有微弱的方法论共同点，可作为业余阅读了解概率论中的逆问题结构。目前武器库中缺乏随机过程谱理论的工具（如广义微分算子分析），短期内难以直接迁移；若未来想进入随机过程逆问题方向则需要补充相应知识。

11. 10.3150/23-bej1620 · arXiv — Maximal displacement of spectrally negative branching Lévy processes¶

作者: Christophe Profeta
期刊/来源: Bernoulli
机构: LAM Foundation
分类: vol 30 · issue 2
相关性 0/10 · novelty: minor
摘要: 本文研究连续时间分支马尔可夫过程的最大位移，其中粒子独立演化，服从谱负Lévy过程。在分支机制为临界或亚临界时，过程几乎必然灭绝，此时可定义全局最大值（即任意粒子曾达到的最大位置）。论文给出了该最大值的生存函数渐近估计：在临界情形下，若底层Lévy过程震荡或正向漂移，生存函数呈多项式衰减；若负向漂移，则呈指数衰减。分析工具为分支过程与Lévy过程的概率论理论，未涉及统计推断、因果识别或高维统计等方向。对统计研究者而言，该论文纯属概率论理论结果，无直接方法学迁移价值。
关键技术: branching Markov process, spectrally negative Lévy process, extreme value asymptotics, survival function asymptotics
为什么对您有用: 本文完全属于概率论理论范畴，与研究者主要兴趣（因果推断、高维U统计、半参数效率、统计-计算权衡）或次要兴趣（天文统计、经济理论、流行病学）均无直接关联。研究者技术武器库中的非参数统计、minimax界、U统计计算等工具在此无应用入口。因此本文不构成值得深入阅读的候选。

12. 10.3150/23-bej1622 · arXiv — On the separation cut-off phenomenon for Brownian motions on high dimensional spheres¶

作者: Marc Arnaudon, Koléhè Coulibaly-Pasquier, Laurent Miclo
期刊/来源: Bernoulli
分类: vol 30 · issue 2
相关性 0/10 · novelty: minor
摘要: 本文研究高维球面上（加速2倍）布朗运动的分离截止现象。证明分离测度收敛到均匀分布的时间大约在 ln(n)/n 时刻突然发生。方法基于一种新的微扰方法，用于估计小噪声环境下的首达时间。作者将定量估计应用于之前构造的强平稳时间，从而推导出截止现象。该结果属于随机过程/测度论领域，与统计推断核心问题无直接关联。本文展示了高维几何中测度收敛的精细行为，但对统计方法论贡献有限。
关键技术: separation cut-off, strong stationary times, perturbative approach for hitting times, small noise asymptotics
为什么对您有用: 本文与研究者主要兴趣（因果推断、高维统计、高阶U统计等）无直接连接。高维球面上的收敛速率虽涉及高维结构，但并非统计估计或推断问题，而是纯概率论结果。研究者武器库中的非参数统计、高维渐近等工具无法直接用于分析此类截止现象，因为核心机制（强平稳时间、首达时间微扰）不在熟悉范围内。因此暂不可做，需补充马尔可夫链混合时间和截止理论的概率论基础。

Maintained by 陈星宇 · Homepage · Source on GitHub