Bernoulli — Vol 28 Issue 1 · 2026-07-14¶

共 26 篇 · Bernoulli
目录核对 ✅ 26 篇全部抓到（对照 OpenAlex 27 篇）

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。

这一期《Bernoulli》第28卷第1期的26篇论文覆盖了概率论、随机过程、统计推断与机器学习等多个方向，但可归纳为三条主线：高维随机矩阵与谱分析、假设检验与隐私/聚类、以及半参数/非参数方法与经验过程理论。此外，还有若干篇关于随机过程极限理论、分支过程、最优输运等纯概率论工作，与统计推断核心兴趣关联较弱。

高维随机矩阵与谱分析是本期最突出的主线之一，仅有一篇但分量十足。On eigenvalues of a high-dimensional spatial-sign covariance matrix 在高维同阶增长设定下，推导了空间符号协方差矩阵的经验谱分布收敛到广义Marchenko-Pastur分布，并建立了线性谱统计量的中心极限定理，为基于谱的稳健推断提供了理论基础。该文直接对应高维统计与随机矩阵理论的核心兴趣，适合优先阅读。

假设检验方向有三篇，分别涉及隐私、聚类和非参数检验。Minimax optimal goodness-of-fit testing for densities and multinomials under a local differential privacy constraint 在局部差分隐私约束下，针对密度和多项分布构造了极小化极大最优的拟合优度检验，量化了隐私代价，并实现了对光滑参数的自适应。Testing and estimation for clustered signals 针对信号呈聚类结构的多重检验问题，提出变点检测方法，允许聚类内信号强度可变，并处理了方差异质性。Empirical process theory for locally stationary processes 为局部平稳过程建立了经验过程框架，推导了最大不等式和Bernstein型不等式，可用于非平稳时间序列的核密度与核回归估计。这三篇分别从隐私、聚类和相依数据角度拓展了假设检验的适用场景。

半参数/非参数方法与经验过程理论是另一条主线，涉及残差分布、带宽选择和MMD估计。Adaptiveness of the empirical distribution of residuals in semi-parametric conditional location scale models 研究了半参数条件位置尺度模型中残差经验分布函数的渐近性质，发现其极限分布处于“估计自由”与“模型依赖”之间的中间状态，对条件VaR估计有直接应用。On bandwidth selection problems in nonparametric trend estimation under martingale difference errors 在鞅差误差设定下，证明了三种带宽选择准则的一阶等价性，并给出了渐近正态分布，适用于时间序列因果推断中的非参数趋势估计。Finite sample properties of parametric MMD estimation: Robustness to misspecification and dependence 基于MMD的极小距离估计器，在模型错误指定和数据相依性下推导了有限样本误差界，并分析了SGD算法的收敛性，为鲁棒参数估计提供了新工具。此外，Multiplier U-processes: Sharp bounds and applications 系统发展了乘子U-过程理论，建立了乘子不等式，并应用于bootstrap M-估计和复杂抽样设计，是经验过程理论的重要拓展。

与因果推断、半参数效率、高维统计最贴合的论文：On eigenvalues of a high-dimensional spatial-sign covariance matrix（高维随机矩阵与谱推断）、Minimax optimal goodness-of-fit testing for densities and multinomials under a local differential privacy constraint（隐私约束下的假设检验）、Adaptiveness of the empirical distribution of residuals in semi-parametric conditional location scale models（半参数残差分布）、On bandwidth selection problems in nonparametric trend estimation under martingale difference errors（非参数带宽选择与相依数据）、Multiplier U-processes: Sharp bounds and applications（经验过程理论拓展）。

因果推断 (causal_inference, 1 篇)¶

1. 10.3150/21-bej1354 · arXiv — Adaptive estimation in the linear random coefficients model when regressors have limited variation¶

作者: Christophe Gaillac, Eric Gautier
期刊/来源: Bernoulli
机构: Toulouse School of Economics · Centre de Recherche en Économie et Statistique · Université Toulouse-I-Capitole
分类: vol 28 · issue 1
相关性 6/10 · novelty: new_method
摘要: 本文研究线性随机系数模型（random coefficients model），其中系数（截距和斜率）为随机变量，且与协变量独立，协变量的支撑集为真子集。在密度函数具有有限加权 L2 范数的条件下，随机系数的联合密度可被识别。作者推导了该模型及相关白噪声模型的密度估计的极小极大下界，并构造了一个达到该下界（至多对数因子）的估计量，给出了收敛速率。进一步，提出了一种数据驱动的自适应选择规则，使得估计量无需知道光滑参数即可达到最优速率。方法的核心技术工具包括：基于傅里叶变换的逆问题求解、加权 L2 范数的正则化、以及自适应带宽选择。该文还提供了 R 包 RandomCoefficients 实现该估计量。对您而言，该文在非参数密度估计的极小极大理论、逆问题正则化方面与您的非参数统计和 minimax bounds 兴趣直接相关，且其识别策略（利用协变量支撑限制）可迁移至因果推断中 IV 或 proximal 设定下的密度识别问题。
关键技术: minimax lower bounds, Fourier inversion, weighted L2 norm regularization, adaptive bandwidth selection, white noise model
为什么对您有用: 该文直接连接您的 primary interest 中的非参数统计与 minimax bounds：它在一个结构化的逆问题（随机系数密度估计）中推导了精确的极小极大下界并构造了自适应估计量。您的 very_familiar 武器库中的非参数统计和逆问题技术可直接用于理解其证明框架，并可能将类似的自适应正则化策略迁移至因果推断中的密度识别问题（如 IV 或 proximal 设定下的 latent variable 密度估计）。中期可做：若想将本文的识别策略推广到更一般的因果模型，需先在 moderately_familiar 的 identification theory 上进一步熟悉。

高维统计 / 随机矩阵 (high_dim_rmt, 1 篇)¶

1. 10.3150/21-bej1360 · arXiv — On eigenvalues of a high-dimensional spatial-sign covariance matrix¶

作者: Weiming Li, Qinwen Wang, Jianfeng Yao, Wang Zhou
期刊/来源: Bernoulli
分类: vol 28 · issue 1
相关性 8/10 · novelty: new_theory
摘要: 本文研究高维空间符号协方差矩阵（spatial-sign covariance matrix）特征值的极限性质。在 p 和 n 同阶增长的设定下，假设总体来自独立成分模型或椭圆分布族，证明了样本空间符号协方差矩阵的经验谱分布收敛到广义 Marchenko-Pastur 分布族。进一步建立了线性谱统计量的中心极限定理，为基于谱的推断提供了理论基础。作为应用，提出了两个检验球性假设的统计量，以及一个利用样本空间符号协方差矩阵的谱校正估计量。模拟实验表明，在高维场景下该矩阵对异常值具有稳健性。本文的 RMT 结果（广义 MP 律、CLT for LSS）直接对应您 primary interest 中的高维统计与随机矩阵理论，且空间符号协方差矩阵的稳健性视角可迁移至您熟悉的因果推断中高维协变量存在异常值时的估计问题。
关键技术: Marchenko-Pastur law, linear spectral statistics, central limit theorem for LSS, spatial-sign covariance matrix, elliptical distribution, spectrum-corrected estimator
为什么对您有用: 本文直接对应 primary interest 中的高维统计与随机矩阵理论，给出了空间符号协方差矩阵的谱分布收敛到广义 MP 律的完整理论，并建立了 LSS 的 CLT。您武器库中 very_familiar 的 high-dimensional asymptotics 和 minimax bounds 可直接用于验证其收敛速度是否最优，以及能否将谱校正估计量的思想推广到高维因果推断中的稳健协方差估计。中期可做：若将空间符号协方差矩阵用于高维 IV 或 mediation 分析中的稳健估计，需先在 moderately_familiar 的 semiparametric theory 上长肌肉（具体为 influence function 的推导）。

非参数 / 半参数 (nonparam_semipara, 2 篇)¶

1. 10.3150/21-bej1338 · arXiv — Finite sample properties of parametric MMD estimation: Robustness to misspecification and dependence¶

作者: Badr-Eddine Chérief-Abdellatif, Pierre Alquier
期刊/来源: Bernoulli
分类: vol 28 · issue 1
相关性 5/10 · novelty: new_method
摘要: 本文研究基于最大均值差异（MMD）的极小距离估计器在参数模型下的有限样本性质。核心设定是：数据生成分布未知，目标是在一个参数模型中找到其最佳逼近，且不依赖对数据生成过程的任何假设（如独立同分布或轻尾）。方法上，该估计器通过最小化经验MMD距离来定义，其关键优势在于MMD作为概率度量之间的积分概率度量，具有无需密度估计、对分布光滑性要求低的特性。理论贡献包括：在模型可能错误指定（misspecification）且数据存在相依性（如β-混合）和异常值的情况下，推导了估计器的有限样本误差界，证明了其鲁棒性。此外，文章还分析了用于计算该估计器的随机梯度下降（SGD）算法的理论收敛性。数值模拟验证了理论结果。对您而言，本文的有限样本非渐近分析和鲁棒性理论（特别是对相依数据的处理）与您在高维统计和非参数理论方面的兴趣直接相关，其技术工具（如MMD的浓度不等式）可迁移至您熟悉的minimax界分析框架。
关键技术: Maximum Mean Discrepancy (MMD), Minimum distance estimation, Finite-sample bounds, Robustness to misspecification, Dependent data (β-mixing), Stochastic gradient descent (SGD)
为什么对您有用: 本文连接您对非参数/半参数理论（MMD作为分布度量）和高维统计（有限样本非渐近界）的兴趣。技术武器库中'minimax bounds for estimation problems'和'nonparametric statistics'可直接用于理解其有限样本误差界的推导，并评估其是否达到最优（sharpness）。中期可做：若想将MMD估计器推广至因果推断中的分布平衡（如协变量平衡），需先在'moderately_familiar'的semiparametric theory上加强，特别是影响函数与MMD梯度的联系。

2. 10.3150/21-bej1347 · arXiv — On bandwidth selection problems in nonparametric trend estimation under martingale difference errors¶

作者: Karim Benhenni, Didier A. Girard, Sana Louhichi
期刊/来源: Bernoulli
机构: Institute for the Psychological Sciences
分类: vol 28 · issue 1
相关性 5/10 · novelty: new_theory
摘要: 本文研究非参数趋势估计中核平滑带宽选择问题，设定误差为一般平稳鞅差序列，不要求线性性或有限矩条件。目标是通过最小化三种准则（平均平方误差、平均平方误差期望、依赖调整的Mallows型准则）得到最优带宽。主要理论贡献是证明这三个带宽最小化器在一阶意义下依概率等价，并给出平均平方误差最小化器与Mallows型准则最小化器之间差距的渐近正态分布。应用部分针对ARCH(1)过程进行蒙特卡洛模拟验证理论结果。对您而言，该工作直接关联非参数统计中的带宽选择核心问题，且鞅差误差设定比独立同分布更贴近时间序列因果推断中的误差结构，可启发您在高维或因果推断中处理依赖数据的非参数方法。
关键技术: kernel smoothing, bandwidth selection, Mallows-type criterion, martingale difference sequence, ARCH(1) process
为什么对您有用: 本文直接关联您的primary interest中的非参数统计与假设检验：带宽选择是非参数趋势估计的基础问题，鞅差误差设定比独立误差更贴近时间序列因果推断（如纵向数据）的误差结构。您可用very_familiar的非参数统计与高维渐近工具，检验其等价性结果在更复杂设定（如高维协变量或弱依赖误差）下是否成立，属于立即可做的follow-up。

数理统计 / 假设检验 (hypothesis_testing, 5 篇)¶

1. 10.3150/21-bej1358 · arXiv — Minimax optimal goodness-of-fit testing for densities and multinomials under a local differential privacy constraint¶

作者: Joseph Lam-Weil, Béatrice Laurent, Jean-Michel Loubes
期刊/来源: Bernoulli
机构: Institut de Mathématiques de Toulouse
分类: vol 28 · issue 1
相关性 7/10 · novelty: new_method
摘要: 本文研究局部差分隐私（LDP）约束下的拟合优度检验问题。目标是在观测数据被随机化机制扰动后，检验未观测样本是否来自已知密度 f0。作者基于二次距离估计构造检验统计量，在非交互式 LDP 下推导了分离距离的上界，并在均匀 f0 的离散和连续设定下证明了匹配的极小化极大下界。在连续情形下，该文首次在 Besov 球上给出了 LDP 约束下的极小化极大最优检验，量化了隐私保护带来的统计代价。此外，还提出了对光滑参数自适应的检验，其最优性仅损失对数因子。离散情形通过分段常数密度统一处理。该文将经典非参数假设检验与差分隐私结合，对您在高维统计和假设检验方向的研究有直接参考价值。
关键技术: minimax separation rate, local differential privacy, quadratic distance estimation, Besov balls, adaptive testing, non-interactive privacy
为什么对您有用: 本文直接连接您的 primary interest 中的 hypothesis testing 和 high-dimensional statistics。技术武器库中的 minimax bounds for estimation problems 和 nonparametric statistics 可直接用于验证其下界是否紧，或扩展至其他光滑类。中期可做：若想进一步研究更复杂隐私机制下的检验，需先在 moderately_familiar 的 M-estimation theory 上加强。

2. 10.3150/21-bej1355 · arXiv — Testing and estimation for clustered signals¶

作者: Hongyuan Cao, Wei Biao Wu
期刊/来源: Bernoulli
分类: vol 28 · issue 1
相关性 6/10 · novelty: new_method
摘要: 本文针对大规模多重检验中信号呈聚类结构的问题，提出了一种变点检测方法。与经典变点设定不同，该方法允许同一聚类内信号强度可变，从而更有效地刻画信号段与非信号段的边界。作者构造了适用于单次或多次观测的新检验统计量，并推导了其渐近分布。在多次观测情形下，允许方差存在异质性，显著扩展了方法的适用性。方差估计问题也一并得到处理。模拟研究表明该方法表现良好，并在aCGH数据集上进行了实证应用。
关键技术: change-point detection, large-scale multiple testing, clustered signals, heteroscedastic variance estimation, asymptotic distribution
为什么对您有用: 本文属于假设检验方向，直接对应您的primary interest中的hypothesis testing。其核心是处理信号聚类结构下的多重检验问题，与您熟悉的非参数统计和高维渐近理论有直接交集。从技术武器库看，您可以用minimax bounds工具分析其变点检测的统计最优性，或用高维渐近理论检验其渐近分布推导的紧性。这是一篇方法学论文，值得一读，但属于中期可做——需先在moderately_familiar的M-estimation理论上进一步熟悉，才能深入评估其估计量的效率。

3. 10.3150/21-bej1351 · arXiv — Empirical process theory for locally stationary processes¶

作者: Nathawut Phandoidaen, Stefan Richter
期刊/来源: Bernoulli
分类: vol 28 · issue 1
相关性 5/10 · novelty: new_theory
摘要: 该论文为局部平稳过程建立了经验过程理论框架，使用函数依赖度量（functional dependence measure）来刻画时间序列的相依性。主要贡献包括：推导了局部平稳过程的最大不等式（maximal inequalities），建立了函数极限定理和Bernstein型不等式。这些结果允许过程具有时变依赖结构，比传统平稳混合序列假设更灵活。应用方面，证明了经验分布函数的弱函数收敛性，以及核密度估计和核回归估计的一致收敛速度。对您而言，该工作提供了处理非平稳时间序列的泛函分析工具，可连接至高维统计中的经验过程方法和因果推断中的纵向数据敏感性分析。
关键技术: functional dependence measure, maximal inequalities, Bernstein-type inequalities, empirical process theory, locally stationary processes, kernel density estimation
为什么对您有用: 该论文直接关联您对假设检验和非参数理论的兴趣，特别是经验过程工具在非平稳时间序列中的扩展。您武器库中的非参数统计和minimax界技术可直接用于验证其收敛速度的紧性，属于立即可做的follow-up。此外，该框架可应用于纵向因果推断中的时变混杂控制，是中期可做的方向。

4. 10.3150/21-bej1357 — Adaptiveness of the empirical distribution of residuals in semi-parametric conditional location scale 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 · ENSAE Paris
分类: vol 28 · issue 1
相关性 4/10 · novelty: new_theory
摘要: 本文研究半参数条件位置尺度模型（如ARMA-GARCH）中残差经验分布函数F_n的渐近性质。目标是在误差分布F未知且模型参数需估计的设定下，推导√n{F_n(·)-F(·)}的极限分布。核心发现是：该极限分布受参数估计影响，但既不依赖于模型参数的具体值（不像纯线性模型那样“估计自由”），也不依赖于模型的具体形式（不像某些非线性模型那样“模型依赖”），而是处于中间状态。技术工具包括经验过程理论、随机等度连续性证明，以及针对时间序列依赖数据的弱收敛论证。应用部分展示了如何用该结果估计条件VaR（Value-at-Risk）。对您而言，该文涉及半参数推断中经验过程的渐近理论，与您对假设检验和半参数理论的兴趣直接相关，且其“估计影响但非模型依赖”的结论对理解残差诊断的稳健性有启发。
关键技术: empirical distribution function of residuals, stochastic equicontinuity, semiparametric conditional location-scale model, ARMA-GARCH, asymptotic distribution under estimation effect
为什么对您有用: 该文直接关联您对假设检验和半参数理论的兴趣，具体涉及残差经验分布函数的渐近推断——这是模型诊断和拟合优度检验的基础工具。您的技术武器库中“非参数统计”和“M估计理论”可直接用于理解其证明框架（如经验过程、随机等度连续性），而“高维渐近”背景有助于评估其向高维时间序列推广的可能性。中期可做：若想将结果推广到高维或非线性设定，需先在“半参数理论”上加强（如处理更复杂的估计方程）。

5. 10.3150/21-bej1344 · arXiv — Information geometry approach to parameter estimation in hidden Markov model¶

作者: Masahito Hayashi
期刊/来源: Bernoulli
分类: vol 28 · issue 1
相关性 3/10 · novelty: minor
摘要: 本文利用信息几何方法研究隐马尔可夫模型（HMM）的参数估计问题。设定中，观测数据来自一个部分观测的马尔可夫链，且仅使用 k-记忆数据的直方图进行推断。核心贡献在于：首先，对于部分观测模型，证明了渐近估计误差由转移矩阵的投影Fisher信息量的逆给出。其次，将该结果应用于HMM的估计，并仔细讨论了HMM在切空间上的等价性问题。最后，提出了一种估计HMM的新方法。技术工具包括信息几何、Fisher信息量、投影方法以及切空间分析。对您而言，本文展示了信息几何在时间序列参数估计中的理论应用，与您对数学统计和假设检验的兴趣相关，但方法学新颖性有限，属于将已有信息几何框架应用于HMM的具体案例。
关键技术: information geometry, projective Fisher information, tangent space analysis, hidden Markov model, k-memory histogram
为什么对您有用: 本文连接您对数学统计和假设检验的兴趣，具体展示了信息几何在参数估计中的应用。您的技术武器库中'非参数统计'和'高维渐近理论'可用于理解其渐近误差分析，但核心信息几何工具（如投影Fisher信息）您并不熟悉，属于'暂不可做'——需要先学习信息几何的基础框架才能跟进。

其他 (other, 17 篇)¶

1. 10.3150/21-bej1334 · arXiv — Multiplier U-processes: Sharp bounds and applications¶

作者: Qiyang Han
期刊/来源: Bernoulli
机构: Rutgers, The State University of New Jersey
分类: vol 28 · issue 1
相关性 9/10 · novelty: new_theory
摘要: 本文系统发展了乘子U-过程（multiplier U-processes）的理论与工具，这是经典乘子经验过程到高阶U-统计量的自然推广。核心贡献是建立了一个乘子不等式，将乘子U-过程的模连续性（modulus of continuity）控制为（解耦）对称化U-过程的模连续性，从而将经典经验过程理论中的关键工具推广到高阶设定。基于该不等式，作者推导了三类应用：(i) U-过程的乘子与bootstrap中心极限定理，(ii) 基于U-统计量的bootstrap M-估计的一般理论，(iii) 复杂抽样设计下基于U-统计量的M-估计理论。技术工具包括解耦不等式、对称化技巧和U-过程的经验过程理论。该工作为U-统计量的推断提供了sharp的收敛速率和分布理论，对您的高阶U-统计量理论兴趣（特别是树宽/张量收缩视角下的计算复杂性）有直接的方法论支撑——乘子U-过程的模连续性界可用于分析您关心的U-统计量估计量的收敛速度。
关键技术: multiplier inequality, decoupled symmetrized U-process, modulus of continuity, bootstrap central limit theorem, M-estimation with U-statistics, complex sampling designs
为什么对您有用: 直接命中您的高阶U-统计量（higher-order U-statistics）核心兴趣，且是理论性新方法（new_theory）。乘子U-过程是您熟悉的U-统计量理论的前沿推广，其sharp bound可用于分析您关心的U-统计量估计量的收敛速度与推断性质。从武器库看，您对U-统计量的树宽/张量收缩计算（very_familiar）和HOIF（moderately_familiar）已有基础，本文的模连续性界可与您的计算复杂性视角结合——例如，用树宽刻画乘子U-过程的计算成本，或验证其sharp rate是否紧。中期可做：需先在HOIF（moderately_familiar）上进一步熟悉，以将乘子U-过程与高阶影响函数结合。

2. 10.3150/21-bej1362 · arXiv — Mixing properties of non-stationary INGARCH(1,1) processes¶

作者: Paul Doukhan, Anne Leucht, Michael H. Neumann
期刊/来源: Bernoulli
分类: vol 28 · issue 1
相关性 3/10 · novelty: new_theory
摘要: 该论文研究非平稳 INGARCH(1,1) 过程（泊松计数时间序列）的混合性质。在满足特定压缩条件的模型类中，作者利用耦合技术证明了绝对正则性（β-混合）以几何速率成立，不仅覆盖了平稳 Poisson-GARCH 过程，还涵盖了具有爆炸性趋势的非平稳模型。给出了易于验证的充分条件，适用于经典线性与对数线性模型。最后，通过假设检验示例说明了混合性质的实际应用价值。该工作属于时间序列理论，与您的主要兴趣（因果推断、高维统计等）无直接交集，但混合性质是许多统计推断方法（如 bootstrap、经验过程）的基础工具。
关键技术: coupling techniques, absolute regularity (beta-mixing), geometric mixing rate, INGARCH(1,1) process, Poisson count time series
为什么对您有用: 本文属于时间序列理论，与您的主要兴趣方向（因果推断、高维统计、U-统计量等）无直接关联。混合性质虽是非参数统计和假设检验的基础工具，但本文聚焦于特定计数时间序列模型，而非您武器库中熟悉的非参数或高维框架。暂不可做：核心机器不在武器库里，缺乏时间序列混合性证明的耦合技术背景。

3. 10.3150/21-bej1341 · arXiv — Nonhomogeneous Euclidean first-passage percolation and distance learning¶

作者: Pablo Groisman, Matthieu Jonckheere, Facundo Sapienza
期刊/来源: Bernoulli
分类: vol 28 · issue 1
相关性 3/10 · novelty: new_method
摘要: 本文研究从高维欧氏空间中未知流形上的未知密度函数中抽取的独立同分布样本，目标是在点之间学习一种既能捕捉流形几何又能反映底层密度的距离度量。作者提出一种微观距离，并证明当样本量趋于无穷时，该微观距离收敛到一种宏观距离，称为Fermat距离，因其最小化路径泛函，类似于光学中的Fermat原理。证明归结为对非齐次泊松点过程的欧氏首次通过渗流中测地线的研究。该方法本质上是一种基于图的距离学习，利用最短路径来逼近流形上的测地线距离，同时密度信息通过点过程的强度影响路径选择。理论结果包括收敛速率和极限距离的刻画。对您而言，本文涉及高维几何与统计的交叉，但方法学核心是渗流理论和点过程，与您的主要兴趣（因果推断、高维统计、U统计量等）无直接技术关联。
关键技术: Euclidean first-passage percolation, Fermat distance, nonhomogeneous Poisson point process, geodesic distance learning, manifold learning
为什么对您有用: 本文属于高维流形学习与渗流理论的交叉，与您的主要兴趣方向（因果推断、高维随机矩阵、U统计量、半参效率理论）无直接技术重叠。武器库中'非参数统计'和'高维渐近'可提供背景理解，但核心工具（渗流、点过程测地线）不在您的熟悉或中等熟悉范围内，属于暂不可做的方向。作为gateway reading，本文对统计学家而言门槛较高，需要渗流理论背景，不适合作为入门读物。

4. 10.3150/21-bej1361 — Thinned completely random measures with applications in competing risks models¶

作者: John W. Lau, Edward Cripps
期刊/来源: Bernoulli
机构: The University of Western Australia
分类: vol 28 · issue 1
相关性 2/10 · novelty: application
摘要: 本文在竞争风险模型（competing risks models）的背景下，研究核混合的稀疏完全随机测度（thinned CRMs）的后验分析。稀疏CRM的构造源于一个共同的泊松随机测度，该测度将稀疏概率纳入其强度中，从而可迁移至已有的泊松划分微积分结果进行后验分析。作者推导了后验稀疏CRM，并给出了Blackwell-MacQueen Pólya urn公式和（加权）中国餐馆过程的推广，用于描述稀疏CRM生成的变量和划分。文章还概述了用于估计的蒙特卡洛模拟策略。主要理论贡献在于将CRM的后验分析框架扩展到多变量强度设定，并提供了可计算的组合表示。实证部分通过模拟和案例展示了方法在竞争风险数据中的应用。对您而言，本文属于贝叶斯非参数方法在生存分析中的应用，与您的主要兴趣（因果推断、高维统计）关联较弱，但其中的泊松划分组合结构可能对您熟悉的U-统计量计算（树宽/张量收缩）有间接启发。
关键技术: completely random measures, Poisson partition calculus, Chinese restaurant process, Pólya urn scheme, competing risks models, kernel mixtures
为什么对您有用: 本文属于贝叶斯非参数方法在生存分析中的应用，与您的主要兴趣（因果推断、高维统计、U-统计量）关联较弱。武器库中'非参数统计'和'高阶U-统计量的计算（树宽/张量收缩）'可能对理解其泊松划分组合结构有间接帮助，但核心机器（CRM后验分析、泊松划分微积分）不在武器库中，属于暂不可做方向。

5. 10.3150/21-bej1350 · arXiv — New approach to greedy vector quantization¶

作者: Rancy El Nmeir, Harald Luschgy, Gilles Pagès
期刊/来源: Bernoulli
分类: vol 28 · issue 1
相关性 2/10 · novelty: new_method
摘要: 本文研究贪婪向量量化的收敛速率问题。在满足特定控制条件的一般分布类上，证明了贪婪量化序列的量化误差具有 n^{-1/d} 的收敛速率，并满足失真失配性质。给出了非渐近的 Pierce 型估计。利用贪婪向量量化的递归特性，改进了序列的计算算法，并实现了基于量化的数值积分的递归公式。进一步建立了贪婪量化序列的次优性性质。
关键技术: greedy vector quantization, rate of convergence, Pierce type estimates, distortion mis-match, recursive quantization algorithm
为什么对您有用: 本文属于量化理论，与您的主要兴趣（因果推断、高维统计等）无直接关联。但其中递归计算和数值积分的思想，对统计计算（特别是数值方法）有一定参考价值。作为统计计算方向的入门阅读，本文技术性较强，但问题设定与您的武器库（非参数统计、高维渐近）有部分重叠，可考虑作为中期可读的拓展材料。

6. 10.3150/21-bej1345 · arXiv — Strong and weak convergence rates for slow–fast stochastic differential equations driven by α-stable process¶

作者: Xiaobin Sun, Longjie Xie, Yingchao Xie
期刊/来源: Bernoulli
分类: vol 28 · issue 1
相关性 2/10 · novelty: new_theory
摘要: 本文研究由α-稳定过程驱动的慢-快随机微分方程（SDE）的强、弱收敛速率。设定为多尺度模型，其中慢变量X和快变量Y的演化分别由不同时间尺度参数ε控制，噪声为α-稳定Lévy过程（非高斯、具有重尾）。核心目标是证明当ε→0时，慢变量X依分布收敛到某个平均化极限过程，并给出强收敛（路径wise）和弱收敛（分布意义）的精确速率。方法上，作者利用Poisson方程和Khasminskii的遍历平均化框架，结合α-稳定过程的跳跃性质和分数阶生成元分析，推导出收敛阶。主要结果：强收敛速率为ε^{1/α}（α∈(1,2)），弱收敛速率为ε（与高斯情形一致），揭示了跳跃过程与扩散过程在平均化速率上的本质差异。本文属于概率论与随机分析领域的理论工作，与您的主要兴趣（因果推断、高维统计、U-统计等）无直接方法学连接。
关键技术: averaging principle, α-stable Lévy process, Poisson equation, fractional generator, weak convergence rate
为什么对您有用: 本文是纯概率论理论工作，不涉及因果推断、高维统计或U-统计等您的主要兴趣方向。武器库中的工具（非参、minimax、因果推断）无法直接应用于此。暂不可做——核心机器（Lévy过程遍历理论、分数阶生成元）不在您的武器库中。

7. 10.3150/21-bej1342 · arXiv — The Hausdorff measure of the range and level sets of Gaussian random fields with sectorial local nondeterminism¶

作者: Cheuk Yin Lee
期刊/来源: Bernoulli
分类: vol 28 · issue 1
相关性 2/10 · novelty: new_theory
摘要: 该论文研究了一类满足扇形局部非确定性（sectorial local nondeterminism）的高斯随机场的像集和水平集的精确Hausdorff测度函数，并建立了Chung型重对数律。核心方法基于对随机场样本路径几何性质的精细分析，利用扇形局部非确定性条件控制增量协方差结构，从而推导出Hausdorff测度的上下界。主要结果适用于Brownian sheet、各向同性分数阶Brownian sheet以及一维空间线性随机波动方程的解。该工作属于随机过程样本路径性质的理论研究，与统计推断的方法论关联较弱。
关键技术: Hausdorff measure, sectorial local nondeterminism, Chung-type law of the iterated logarithm, Gaussian random fields
为什么对您有用: 该论文属于纯概率论与随机过程理论，与您的主要兴趣（因果推断、高维统计、半参数理论等）无直接方法学连接。武器库中无对应工具（如随机场样本路径几何分析），且不涉及统计推断或计算问题。暂不可做。

8. 10.3150/21-bej1339 · arXiv — Limit theorems for time-dependent averages of nonlinear stochastic heat equations¶

作者: Kunwoo Kim, Jaeyun Yi
期刊/来源: Bernoulli
机构: Pohang University of Science and Technology
分类: vol 28 · issue 1
相关性 2/10 · novelty: new_theory
摘要: 本文研究非线性随机热方程解的时空平均的极限定理。设定 u(t,x) 为 ℝ₊×ℝ 上由时空白噪声驱动的随机热方程的解，初始条件 u₀(x)=1，考虑时间依赖的空间平均 X_t = (1/(2L(t))) ∫_{-L(t)}^{L(t)} u(t,x) dx，其中 L(t)=e^{λt} 指数增长。核心问题是：随着 t→∞，X_t 是否收敛、收敛速度如何。作者证明了四个阈值 λ₁<λ₂<λ₃<λ₄：当 λ>λ₁ 时弱大数律成立；λ>λ₂ 时强大数律成立；λ>λ₃ 时中心极限定理成立；λ>λ₄ 时定量中心极限定理（含收敛速率）成立。这些阈值由 u(t,x) 的矩 Lyapunov 指数决定。技术工具包括随机热方程的矩估计、Lyapunov 指数分析以及时空平均的渐近方差计算。该论文属于概率论与随机偏微分方程领域，与您的主要兴趣方向（因果推断、高维统计、U-统计量等）无直接交集。
关键技术: stochastic heat equation, Lyapunov exponents, central limit theorem, law of large numbers, space-time white noise
为什么对您有用: 本文属于随机偏微分方程的极限定理研究，与您的 primary interests（因果推断、高维统计、U-统计量、半参理论）无直接关联。您的技术武器库（非参统计、minimax 界、高阶 U-统计量计算、因果推断估计理论）无法直接攻入该论文的核心问题。暂不可做——缺少随机偏微分方程和 Lyapunov 指数分析的核心工具。

9. 10.3150/20-bej1317 · arXiv — A general framework for SPDE-based stationary random fields¶

作者: Ricardo Carrizo Vergara, Denis Allard, Nicolas Desassis
期刊/来源: Bernoulli
分类: vol 28 · issue 1
相关性 2/10 · novelty: new_theory
摘要: 本文在广义随机场框架下，系统研究了基于线性随机偏微分方程（SPDE）的平稳随机场建模。核心贡献是给出了一个存在性与唯一性判据，用于判断一大类线性SPDE是否具有平稳解，并通过谱测度显式推导其协方差函数。关键结果包括：白噪声源项与一般源项协方差之间的卷积关系，以及从演化型SPDE（任意时间导数阶）构造新的时空模型，并可控制可分离性与对称性。经典结果如Matérn模型和Markov模型被作为特例恢复，同时建立了Stein模型与特定SPDE的新联系。物理启发模型（热方程、对流-扩散方程、Langevin方程、波动方程）的平稳解也被纳入统一框架。该工作为时空统计建模提供了更灵活的参数化工具，但方法本身是纯理论的空间统计发展，不涉及因果推断或高维统计。
关键技术: Generalized Random Fields, Spectral measure, Stochastic Partial Differential Equation (SPDE), Matérn covariance, Spatio-temporal modeling
为什么对您有用: 本文属于空间统计/地统计的理论发展，与您的主要兴趣（因果推断、高维统计、U-统计量）无直接交集。作为gateway reading，它清晰展示了SPDE方法如何统一多种协方差模型，但武器库中缺乏随机分析/谱测度工具，暂不可做。若未来涉足时空因果推断或空间流行病学，本文可作为背景参考。

10. 10.3150/21-bej1340 · arXiv — Geometrical smeariness – a new phenomenon of Fréchet means¶

作者: Benjamin Eltzner
期刊/来源: Bernoulli
分类: vol 28 · issue 1
相关性 2/10 · novelty: new_theory
摘要: 本文研究非欧数据空间中 Fréchet 均值的中心极限定理，发现一种新的几何现象——'几何滑腻性'（geometrical smeariness）。在圆环上，若均值对跖点概率密度为 1/(2π)，样本 Fréchet 均值以 n^{-τ}（τ<1/2）尺度波动且非正态；而在高维球面上，该现象仅依赖于曲率等几何性质，与对跖点密度无关，且 τ=1/6。作者通过构造流形（球面变形为平坦空间）证明滑腻性可出现在与欧氏空间微分同胚的流形上，并给出 2-滑腻均值（τ=1/6）的随机变量族，其支撑的洞大小随维度增加而增大，呈现维数灾难。模拟实验在 Kendall 预形状空间和地磁北极位置真实数据中验证了该现象。本文属于非参数统计中 Fréchet 均值的理论新发现，对您在高维统计和流形数据分析方向有参考价值。
关键技术: Fréchet mean, central limit theorem on manifolds, geometrical smeariness, cut locus, curse of dimensionality
为什么对您有用: 本文属于非参数统计中 Fréchet 均值的理论新发现，直接连接您的 primary interest 中的非参数统计理论。您可以用 very_familiar 的非参数统计和 minimax 界工具分析该现象的收敛速率是否最优，或探索滑腻性在高维流形上的统计推断影响。中期可做：需先在 moderately_familiar 的 M-估计理论上长肌肉，以推广到更一般的流形设定。

11. 10.3150/21-bej1346 · arXiv — Applications of weak transport theory¶

作者: J. Backhoff-Veraguas, G. Pammer
期刊/来源: Bernoulli
分类: vol 28 · issue 1
相关性 2/10 · novelty: survey
摘要: 本文系统性地展示了弱输运理论（weak transport theory）在多个看似不相关领域中的统一应用框架。弱输运由Gozlan等人为研究几何不等式而引入，它扩展了经典最优输运理论，允许代价泛函依赖于边际分布本身。作者将Schrödinger问题、Brenier-Strassen定理、最优机制设计、线性转移和半鞅输运等五个问题重新表述为弱输运框架下的特例。这种统一视角不仅揭示了这些问题的内在联系，而且往往能强化原始结论（例如得到更紧的界或更一般的条件）。文章以综述和概念统一为主，不提出新的统计方法或理论。对于您而言，本文属于数学统计学的交叉阅读材料，但未直接涉及您核心兴趣中的因果推断、高维统计或U-统计量等方向。
关键技术: weak transport theory, optimal transport, Schrödinger problem, Brenier-Strassen theorem, semimartingale transport
为什么对您有用: 本文属于数学统计学的交叉领域，与您的主要兴趣（因果推断、高维统计、U-统计量）无直接方法学连接。武器库中'非参数统计'和'逆问题'的直觉可能有助于理解输运框架，但本文不涉及您熟悉的minimax界或高阶U-统计量计算。暂不可做：核心机器（最优输运、弱输运的泛函分析工具）不在您的武器库中，且本文为综述性质，不提供可直接迁移的统计方法。

12. 10.3150/21-bej1332 · arXiv — Parameter estimation in branching processes with almost sure extinction¶

作者: Peter Braunsteins, Sophie Hautphenne, Carmen Minuesa
期刊/来源: Bernoulli
分类: vol 28 · issue 1
相关性 2/10 · novelty: new_method
摘要: 本文研究几乎必然灭绝的种群大小依赖分支过程（PSDBP）的参数估计问题。目标是估计当当前种群大小为z≥1时每个个体的平均后代数，采用最大似然估计方法。由于过程以概率1灭绝，经典的条件于非灭绝至第n代再令n→∞的渐近分析导致估计量不满足传统的一致性（C-consistency）。作者因此引入Q-consistency概念，证明所提MLE是Q-consistent且渐近正态的。作为对比，文中还给出了次临界Galton-Watson过程的两个C-consistent估计量。技术工具包括线性算子理论、耦合论证和鞅方法。本文是分支过程理论的方法论贡献，与您的主要兴趣（因果推断、高维统计等）无直接交集，但Q-consistency的概念对处理退化渐近问题（如工具变量弱识别）可能有启发。
关键技术: Maximum likelihood estimation, Q-consistency, Coupling arguments, Martingale methods, Linear operator theory
为什么对您有用: 本文属于分支过程理论，与您的主要兴趣方向（因果推断、高维统计、U-统计量等）无直接重叠。Q-consistency概念虽新颖，但您武器库中缺乏分支过程相关工具（如鞅极限定理、耦合论证），暂不可做。不推荐作为gateway reading。

13. 10.3150/21-bej1335 · arXiv — Mean field limits for interacting Hawkes processes in a diffusive regime¶

作者: Xavier Erny, Eva Löcherbach, Dasha Loukianova
期刊/来源: Bernoulli
分类: vol 28 · issue 1
相关性 1/10 · novelty: new_theory
摘要: 本文研究具有平均场相互作用的Hawkes过程序列在扩散机制下的极限行为。每个过程的随机强度由N个独立泊松随机测度驱动的随机微分方程给出。当相互作用组分数量N趋于无穷时，强度过程在Skorohod空间上分布收敛到CIR型扩散过程。同时，Hawkes过程本身也分布收敛到以极限扩散为强度的极限点过程。证明方法基于无穷小生成元和马尔可夫半群的收敛性分析。该工作属于概率论与随机过程领域，与您的统计推断核心兴趣无直接技术交集。
关键技术: mean field interaction, Hawkes processes, CIR-type diffusion, infinitesimal generator convergence, Markovian semigroups
为什么对您有用: 本文属于概率论与随机过程理论，与您的因果推断、高维统计或半参效率等主要兴趣无直接技术连接。武器库中无对应工具（如随机过程极限理论、生成元收敛分析），暂不可做。建议跳过。

14. 10.3150/21-bej1353 · arXiv — Crandall–Lions viscosity solutions for path-dependent PDEs: The case of heat equation¶

作者: Andrea Cosso, Francesco Russo
期刊/来源: Bernoulli
机构: University of Bologna · École Nationale Supérieure de Techniques Avancées · Practical Action · École Nationale Supérieure de Techniques Avancées Paris
分类: vol 28 · issue 1
相关性 1/10 · novelty: new_theory
摘要: 本文研究路径依赖偏微分方程（PPDE）的 Crandall–Lions 黏性解理论，具体以路径依赖热方程为例。PPDE 定义在连续路径空间 C([0,T]; R^d) 上，常见于带延迟的最优控制问题，其 HJB 方程通常无经典光滑解，因此需要弱解概念。作者将 Crandall–Lions 黏性解框架扩展到路径依赖设定，这是该领域长期未解决的问题。唯一性证明基于黏性解理论的早期思想与 Ekeland 变分原理的变体，后者通过构造水平/垂直意义下的光滑规范函数实现。存在性部分则给出泛函 Itô 公式的新证明，推广了已有结果。本文是纯数学理论工作，与统计推断无直接方法学关联。
关键技术: Crandall–Lions viscosity solutions, path-dependent PDEs, Ekeland variational principle, functional Itô formula, horizontal/vertical derivative
为什么对您有用: 本文属于纯数学（随机分析/偏微分方程）领域，与您的任何兴趣方向（因果推断、高维统计、U-统计量、计算-统计权衡等）均无直接连接。武器库中无对应工具可攻该问题，且该方向不属 gateway-reading 范畴。建议跳过。

15. 10.3150/21-bej1364 · arXiv — A Ray–Knight representation of up-down Chinese restaurants¶

作者: Dane Rogers, Matthias Winkel
期刊/来源: Bernoulli
分类: vol 28 · issue 1
相关性 1/10 · novelty: new_theory
摘要: 本文研究组合值连续时间马尔可夫链，该链自然出现在中国餐馆过程（CRP）框架中。随时间演化，新顾客以特定速率到达（上步），现有顾客离开（下步），这些速率源自 Pitman 和 Winkel (2009) 的有序 CRP。作者将这种上下 CRP 与 Lambert (2010) 的分裂树联系起来，分裂树诱导出谱正 Lévy 过程。反之，他们发展了 Ray-Knight 型定理，从带有整数值路径标记的 Lévy 过程高度中恢复更一般的上下 CRP。进一步，他们建立了 Lévy 过程和整数值路径的极限定理，以连接 Forman 等人 (2018+) 关于区间分割扩散的工作，从而涉及一些长期存在的猜想。本文是概率论与随机过程领域的纯理论工作，与您的统计研究兴趣无直接交集。
关键技术: Chinese Restaurant Process, Ray-Knight representation, spectrally positive Lévy process, splitting trees, interval partition diffusions
为什么对您有用: 本文属于概率论与随机过程的理论研究，与您的核心兴趣（因果推断、高维统计、半参数理论等）无直接关联。它不涉及统计推断、假设检验或计算复杂性，因此对您当前的研究方向帮助有限。不建议投入时间阅读全文。

16. 10.3150/21-bej1333 · arXiv — A note on eigenvalues estimates for one-dimensional diffusion operators¶

作者: Michel Bonnefont, Aldéric Joulin
期刊/来源: Bernoulli
分类: vol 28 · issue 1
相关性 1/10 · novelty: new_theory
摘要: 本文研究一维扩散算子的特征值估计问题。在 max-min 原理框架下，给出了特征值的上下变分公式，推广了 Chen 和 Wang 关于谱间隙的经典结果。当所考虑的特征值属于算子的离散谱时，上下界一致且涉及相应的特征函数，表明估计是精确的。方法基于扩散算子与带权梯度之间的 intertwining 关系，并利用该关系估计离散谱中谱间隙与第二正特征值之间的间隔。主要工具是变分法和算子理论，不涉及统计推断或高维渐近。本文是纯概率/泛函分析理论工作，与统计推断、因果推断或高维统计无直接关联。
关键技术: max-min principle, variational formulae, spectral gap, intertwining, one-dimensional diffusion operators
为什么对您有用: 本文属于纯数学（概率/泛函分析）领域，与您的主要兴趣（因果推断、高维统计、U-统计量等）无直接交集。武器库中无对应工具可攻此问题，暂不可做。不推荐作为入门阅读。

17. 10.3150/21-bej1337 · arXiv — Tree builder random walk: Recurrence, transience and ballisticity¶

作者: Giulio Iacobelli, Rodrigo Ribeiro, Glauco Valle, Leonel Zuaznábar
期刊/来源: Bernoulli
分类: vol 28 · issue 1
相关性 1/10 · novelty: new_theory
摘要: 本文研究一类特殊的随机游走——树构建随机游走（Tree Builder Random Walk），其状态空间是随时间随机增长的树，且增长依赖于游走者的当前位置。每经过固定步数 s，游走者所在位置会添加随机数量的新顶点，从而改变树的结构。该过程与马尔可夫及非马尔可夫随机游走类有相似性，表现出丰富的相变行为。主要理论结果是：对于一大类有代表性的树构建随机游走，过程要么是零常返的，要么是暂态的。当 s 为奇数时，游走者是弹道性的（ballistic），因此是暂态的；当 s 为偶数时，行为可由局部树生长性质决定，可能是零常返或被困在树的有限部分。证明方法依赖于对树生长过程的概率分析和随机游走的递归性质。该论文属于概率论与随机过程的理论研究，与您的统计推断兴趣方向无直接关联。
关键技术: random walk on growing trees, recurrence/transience classification, ballisticity, local tree growth properties
为什么对您有用: 该论文属于纯概率论（随机游走与随机树）的理论研究，与您的因果推断、高维统计、半参效率等主要兴趣方向无直接交集。您的技术武器库（非参统计、U-统计量、因果推断）无法直接应用于此问题，且该领域所需的随机过程与树结构分析工具不在您的熟悉范围内。因此，本文暂不可做，不建议投入时间阅读全文。

Maintained by 陈星宇 · Homepage · Source on GitHub