Bernoulli — Vol 28 Issue 4 · 2026-07-14¶

共 35 篇 · Bernoulli
目录核对 ✅ 35 篇全部抓到（对照 OpenAlex 35 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4期共35篇论文，整体上可归纳为四条主线：高维随机矩阵与谱理论（约4篇，涉及模型选择、特征值极限、Wasserstein距离估计、矩阵均值收缩）、假设检验（约7篇，涵盖稀疏回归、超图检测、时间序列单位根、函数型动态比较、秩统计量、变点分析、删失数据检验）、非参数与半参数方法（约7篇，包括局部多项式置信区间、Wasserstein关联度量、单指标模型、全局敏感性分析、密度估计、面板计数数据、时空可分离性、跳跃过程波动率），以及统计计算（约4篇，涉及重要性采样、序贯蒙特卡洛、核方法、似然信息子空间、自适应MCMC）。此外，还有少量论文涉及生存分析、泛函不等式、Gibbs测度、地统计、随机过程轨道性质等方向，与上述主线关联较弱。

在高维随机矩阵主线中，Asymptotics of AIC, BIC and Cp 利用Marchenko-Pastur律和扰动理论，刻画了p/n收敛于常数时模型选择准则的渐近行为，发现BIC仍具一致性而AIC/Cp趋于过拟合；Tracy-Widom limit 将最大特征值的Tracy-Widom极限从正态分布推广到椭圆分布族，仅需弱四阶矩条件，工具是Green函数比较；Matrix means 在spiked模型下发现调和均值在算子范数上优于算术均值，但无法改善特征向量恢复，展示了不同损失函数下估计量的权衡。假设检验主线中，ℓ2-norm estimation and testing 在方差未知的稀疏线性回归中建立了ℓ2范数估计与稀疏检验的minimax最优率，工具包括阈值化残差和U统计量；Sharp detection boundaries 将稠密子图检测推广到超图，在边概率已知/未知下给出尖锐边界；Pivotal tests for functional time series 利用谱密度算子和自归一化构造渐近枢轴统计量，避免协方差结构直接估计；Galton rank-order statistic 完整刻画了秩统计量在接触集下的渐近行为，包括非高斯极限。非参数主线中，Coverage error optimal confidence intervals 为局部多项式回归建立了有效Edgeworth展开，支持均匀核和任意阶导数；Measuring association with Wasserstein distances 提出基于Wasserstein距离的关联度量，在Polish空间上建立强相合估计；Conditional regression for single-index models 证明所有条件方法均具√n相合性，结合多项式划分可达一维最优速率；Global sensitivity analysis 基于秩统计构造无需调参的Sobol指标估计量，并证明渐近正态性。

与因果推断最直接相关的论文是Graphical modeling of stochastic processes driven by correlated noise，它研究相关噪声驱动下的局部独立图模型，刻画了等价类特征并证明马尔可夫等价性判定为coNP-complete，适用于纵向数据中噪声相关结构的识别。半参数效率方向可关注Conditional regression for single-index models（条件方法的√n相合性）和Nonparametric inference for reversed mean models（带烦扰参数的M-估计量弱收敛理论）。高维方向优先看Asymptotics of AIC, BIC and Cp、Tracy-Widom limit、Matrix means 和ℓ2-norm estimation and testing。

因果推断 (causal_inference, 1 篇)¶

1. 10.3150/21-bej1446 — Graphical modeling of stochastic processes driven by correlated noise¶

作者: Søren Wengel Mogensen, Niels Richard Hansen
期刊/来源: Bernoulli
机构: University of Copenhagen · Lund University · Technical University of Denmark
分类: vol 28 · issue 4
相关性 4/10 · novelty: new_theory
摘要: 本文研究随机过程中由相关噪声驱动的局部独立结构，提出用图模型表示此类独立性，并允许误差过程之间存在相关性。核心贡献在于刻画了多个图可能编码相同局部独立性的等价类，并给出了等价类的特征描述。在最坏情况下，特征条件数量随节点数超多项式增长，且证明了判定马尔可夫等价性是 coNP-complete 问题，表明该特征描述难以被本质改进。针对多元 Ornstein-Uhlenbeck 过程，在驱动布朗运动相关的情形下，证明了全局马尔可夫性质。该工作为因果推断中时间序列数据的图模型选择提供了理论基础，尤其适用于纵向数据中噪声相关结构的识别。对您而言，本文的局部独立性图与等价类分析可直接用于纵向因果推断中的敏感性分析或结构学习，且 coNP-complete 的复杂度结果对理解算法可行性有重要参考价值。
关键技术: local independence graphs, Markov equivalence, coNP-completeness, multivariate Ornstein-Uhlenbeck process, correlated error processes
为什么对您有用: 本文直接关联您 primary interest 中的因果推断（纵向数据）和数学统计（假设检验）。局部独立性图是时间序列因果结构学习的基础工具，而等价类与 coNP-complete 结果对您 moderately_familiar 的识别理论有直接补充：您可用 very_familiar 的高维渐近工具分析该图模型在有限样本下的选择一致性，或结合 HOIF 理论设计针对相关噪声的检验。中期可做：需先在 moderately_familiar 的识别理论上深入理解局部独立性假设的检验问题，但立即可用 very_familiar 的非参统计和 minimax 界分析该图模型在稀疏场景下的可识别性。

高维统计 / 随机矩阵 (high_dim_rmt, 4 篇)¶

1. 10.3150/21-bej1422 — Asymptotics of AIC, BIC and Cp model selection rules in high-dimensional regression¶

作者: Zhidong Bai, Kwok Pui Choi, Yasunori Fujikoshi, Jiang Hu
期刊/来源: Bernoulli
机构: Northeast Normal University · National University of Singapore · Hiroshima University
分类: vol 28 · issue 4
相关性 9/10 · novelty: sharper_rate
摘要: 在高维线性回归 p/n → c ∈ (0,1) 的经典设定下，研究 AIC、BIC 和 Cp 三类模型选择准则的渐近行为。假设误差正态、设计矩阵随机且满足 Marcinkiewicz 型条件，推导出各准则选择正确模型（真模型包含于候选集）的概率极限表达式。核心工具是随机矩阵理论（RMT）中样本协方差矩阵特征值的 Marchenko-Pastur 律及其极值渐近，结合扰动理论刻画最小二乘残差平方和在过拟合与欠拟合下的分布。主要发现：当信号强度足够强时，BIC 仍具有模型选择一致性（概率趋于 1），而 AIC 和 Cp 趋于选择过拟合模型，其选择正确模型的概率收敛于一个小于 1 的常数。该结果将经典低维渐近推广到高维比例情形，为实际中 p 与 n 可比时的准则选择提供了理论依据。对您而言，本文是 RMT 在经典统计推断问题（模型选择）中的直接应用，可连接您对高维统计与假设检验的兴趣，且其使用的特征值极限工具与您熟悉的 Marchenko-Pastur 律高度一致。
关键技术: Marchenko-Pastur law, random matrix theory, model selection consistency, AIC/BIC/Cp asymptotics, perturbation theory for eigenvalues
为什么对您有用: 直接连接您 primary interest 中的高维统计与 RMT：本文用 Marchenko-Pastur 律和特征值极值渐近推导了高维 p/n → c 下 AIC/BIC/Cp 的选择概率极限，是 RMT 在经典推断问题中的标准应用。您 very_familiar 的高维渐近工具可直接复现其核心推导（特征值极限 + 扰动分析），属于立即可做的阅读与验证工作——您可以用自己的 minimax 直觉检验其信号强度条件是否紧。

2. 10.3150/21-bej1443 · arXiv — Tracy-Widom limit for the largest eigenvalue of high-dimensional covariance matrices in elliptical distributions¶

作者: Wen Jun, Xie Jiahui, Yu Long, Zhou Wang
期刊/来源: Bernoulli
机构: National University of Singapore
分类: vol 28 · issue 4
相关性 8/10 · novelty: sharper_rate
摘要: 本文研究高维协方差矩阵最大特征值的极限分布。设定为 M×N 随机矩阵 X，其列向量独立同分布于 M 维椭圆分布，总体协方差矩阵为 Σ。在 M,N 同阶增长（M/N→ϕ0>0）且半径弱四阶矩存在的条件下，证明缩放后的最大特征值弱收敛到与分布无关的同一极限。核心方法是通过 Green 函数比较技术，将椭圆分布样本协方差矩阵的 Green 函数与正态分布情形进行对比，从而将极限分布归结为经典的 Tracy-Widom 律。这一结果将 Tracy-Widom 普适性从正态分布推广到更广泛的椭圆分布族，仅需弱四阶矩条件。对您而言，该工作直接关联高维统计与随机矩阵理论（primary interest），其 Green 函数比较技术可迁移至您熟悉的非参数统计与高维渐近分析框架中，属于中期可做方向——需先在 moderately_familiar 的随机矩阵工具上加强（如 Green 函数与 Stieltjes 变换的精细估计）。
关键技术: Tracy-Widom law, Green function comparison, elliptical distribution, sample covariance matrix, largest eigenvalue, universality
为什么对您有用: 直接命中 primary interest 中的高维统计与随机矩阵理论，具体为样本协方差矩阵最大特征值的极限分布。您武器库中 very_familiar 的高维渐近分析可直接用于理解其 Green 函数比较框架，但需补充随机矩阵中 Stieltjes 变换与局部 Marchenko-Pastur 律的精细估计（moderately_familiar 级别），因此属于中期可做方向。

3. 10.3150/21-bej1433 · arXiv — Estimation of Wasserstein distances in the Spiked Transport Model¶

作者: Jonathan Niles-Weed, Philippe Rigollet
期刊/来源: Bernoulli
分类: vol 28 · issue 4
相关性 8/10 · novelty: new_method
摘要: 本文提出“尖峰传输模型”（Spiked Transport Model），假设两个概率分布仅在一个低维子空间上存在差异，其余维度相同。在此模型下，研究Wasserstein距离的估计问题，目标是避免高维中的维数灾难。作者推导了Wasserstein距离估计的极小极大最优速率，证明利用低维结构可将收敛速率从高维的n^{-1/(2d)}提升至n^{-1/(2k)}，其中k为有效低维维度。作为副产品，建立了无结构假设下的下界，表明plug-in估计量在高维情形下几乎达到最优速率。文章还给出了统计-计算权衡的证据，推测任何计算高效的估计量都无法避免维数灾难。该工作连接了高维统计与计算复杂性理论，对您的高维统计和统计-计算权衡兴趣有直接参考价值。
关键技术: minimax lower bound, plug-in estimator, Wasserstein distance, spiked transport model, statistical-computational gap, curse of dimensionality
为什么对您有用: 本文直接关联您的高维统计和统计-计算权衡兴趣：它提出了一个新颖的低维结构模型（尖峰传输），并严格刻画了极小极大速率与计算可行性之间的张力。从武器库看，您可以用very_familiar的minimax bound工具验证其下界是否紧，并尝试用moderately_familiar的HOIF理论分析该模型下Wasserstein距离的估计效率。中期可做：需先在moderately_familiar的semiparametric theory上提升，以处理该模型中的半参数推断问题。

4. 10.3150/21-bej1430 · arXiv — Matrix means and a novel high-dimensional shrinkage phenomenon¶

作者: Asad Lodhia, Keith Levin, Elizaveta Levina
期刊/来源: Bernoulli
分类: vol 28 · issue 4
相关性 7/10 · novelty: new_method
摘要: 本文研究高维矩阵均值估计问题，提出用矩阵调和均值作为算术均值的替代。在 spiked covariance 模型下，当维度 p 与样本量 n 同阶时，调和均值在算子范数意义下比算术均值有更小的估计误差，这是一个反直觉的高维收缩现象。作者利用随机矩阵理论（Marchenko-Pastur 律）刻画了两种均值的渐近行为，并证明调和均值的 Rao-Blackwell 化版本等价于线性收缩估计量（Ledoit-Wolf 型）。然而，尽管调和均值在算子范数上更优，它并不能改善对主导特征向量的恢复。模拟实验验证了理论结果。对您而言，本文展示了随机矩阵理论在高维统计估计中的经典应用，且其“不同损失函数下估计量排序不一致”的发现对您在高维假设检验和 minimax 理论中的工作有直接启发。
关键技术: spiked covariance model, Marchenko-Pastur law, operator norm error, linear shrinkage estimator, Rao-Blackwellization
为什么对您有用: 直接连接 primary interest 中的高维统计和随机矩阵理论：本文在 spiked covariance 设定下用 Marchenko-Pastur 律推导了矩阵调和均值的渐近算子范数误差，这是您 very_familiar 的武器。中期可做：您可以用 minimax 界验证本文声称的 sharper rate 是否紧，并进一步研究调和均值在特征向量估计上的 minimax 下界——这需要您 moderately_familiar 的 minimax bounds 工具。

非参数 / 半参数 (nonparam_semipara, 8 篇)¶

1. 10.3150/21-bej1445 · arXiv — Coverage error optimal confidence intervals for local polynomial regression¶

作者: Sebastian Calonico, Matias D. Cattaneo, Max H. Farrell
期刊/来源: Bernoulli
分类: vol 28 · issue 4
相关性 8/10 · novelty: new_method
摘要: 本文针对局部多项式回归（local polynomial regression）中的置信区间构造问题，提出了在渐近意义下最小化最坏情况覆盖误差和区间长度的新方法。核心贡献在于建立了基于局部多项式方法的 t 统计量的有效 Edgeworth 展开（valid Edgeworth expansions），且该展开在数据生成过程和区间估计量的相关类上一致成立。这些高阶展开允许使用均匀核（uniform kernel）和任意阶导数，显著改进了现有文献中的技术结果。在此基础上，作者讨论了原则性的、推断最优的带宽选择（bandwidth selection）和核函数选择。主要方法结果已在 R 和 Stata 软件包中实现。对于您而言，本文的高阶 Edgeworth 展开技术直接关联到您的非参数统计和假设检验兴趣，其一致展开方法可能为处理更复杂的非参数推断问题（如局部工具变量或因果推断中的非参数估计）提供理论工具。
关键技术: Edgeworth expansion, local polynomial regression, coverage error optimal confidence intervals, bandwidth selection, uniform kernel
为什么对您有用: 本文直接关联到您的非参数统计和假设检验兴趣，其核心是局部多项式回归的推断理论。您非常熟悉的非参数统计和 minimax 界工具可用于理解其最优性声明，而 Edgeworth 展开技术则属于 moderately_familiar 的 M 估计理论范畴，值得深入学习。中期可做：若想将类似的高阶展开方法推广到因果推断中的非参数估计（如局部 IV），需先在 M 估计理论（moderately_familiar）上加强。

2. 10.3150/21-bej1438 · arXiv — Measuring association with Wasserstein distances¶

作者: Johannes C.W. Wiesel
期刊/来源: Bernoulli
分类: vol 28 · issue 4
相关性 7/10 · novelty: new_method
摘要: 本文在 Polish 空间上提出了一类基于 Wasserstein 距离的非参数关联度量——Wasserstein 相关系数。该系数通过耦合 π 关于第一坐标的分解 π_{x₁} 与 ν 之间的 Wasserstein 距离来定义，本质上是度量条件分布随协变量变化的程度。作者建立了强相合估计量的统计理论，并在 μ 和 ν 具有紧支撑的条件下给出了收敛速率。技术核心是 adapted/bicausal Wasserstein 距离及其已有结果，这为估计量的分析提供了概率工具。该工作将关联度量从传统的 Pearson/Spearman 框架推广到分布层面的几何视角，适用于一般 Polish 空间上的概率律。对您而言，该文连接了非参数统计与最优传输理论，其估计量的收敛速率分析可借助您熟悉的 minimax bound 工具进行紧性验证，属于中期可做方向。
关键技术: Wasserstein distance, adapted/bicausal Wasserstein distance, coupling disintegration, strongly consistent estimation, convergence rate on compactly supported measures
为什么对您有用: 该文直接关联您的非参数统计兴趣，特别是分布层面的关联度量新框架。您武器库中的 minimax bound 工具可用于检验其声称的收敛速率是否最优，而 higher-order U-statistics 的树宽/张量收缩视角可能为估计量的计算复杂度提供新洞见。中期可做：需先在 moderately_familiar 的 M-estimation 理论上提升，以处理 Wasserstein 距离估计的渐近性质。

3. 10.3150/22-bej1482 · arXiv — Conditional regression for single-index models¶

作者: Alessandro Lanteri, Mauro Maggioni, Stefano Vigogna
期刊/来源: Bernoulli
分类: vol 28 · issue 4
相关性 7/10 · novelty: new_method
摘要: 本文研究单指标模型（single-index model）的回归问题，其中响应变量 Y 通过未知的指标向量 v 和链接函数 f 依赖于预测变量 X。现有估计量虽能达到一维 minimax 最优收敛速度，但实现复杂度随环境维度指数增长；近期多项式时间算法则无法达到最优速率。作者对多种条件方法（conditional methods）进行了全面的非渐近分析，证明了所有条件方法均具有 √n 相合性。进一步，结合任意 √n 相合的指标估计量，多项式划分估计（polynomial partitioning estimates）可达到 Hölder 函数回归的一维 minimax 最优速率。该组合估计器同时实现了统计最优性和计算可行性，从而闭合了该问题的统计-计算间隙。对您而言，本文直接关联到统计-计算权衡这一主要兴趣方向，且其非渐近分析技术（如多项式划分）与您熟悉的非参数统计和 minimax 界工具高度契合。
关键技术: single-index model, conditional methods, polynomial partitioning, minimax optimal rate, statistical-computational gap, √n-consistency
为什么对您有用: 本文直接回应了统计-计算权衡这一主要兴趣方向，明确刻画了单指标模型回归中统计最优率与多项式时间可达性之间的间隙，并提出了闭合该间隙的估计器。您武器库中的非参数统计和 minimax 界工具可直接用于验证其声称的最优速率是否紧，而多项式划分估计的构造与您熟悉的计算复杂度分析（如树宽/张量收缩）有潜在联系。中期可做：需先在 moderately_familiar 的 semiparametric theory 上进一步熟悉单指标模型的半参数效率界，以评估该估计器是否达到效率下界。

4. 10.3150/21-bej1421 · arXiv — Global sensitivity analysis: A novel generation of mighty estimators based on rank statistics¶

作者: Fabrice Gamboa, Pierre Gremaud, Thierry Klein, Agnès Lagnoux
期刊/来源: Bernoulli
分类: vol 28 · issue 4
相关性 6/10 · novelty: new_method
摘要: 本文针对全局敏感性分析（GSA）中的一大类指标，提出了一种基于秩统计的新估计框架。核心思想是利用 Chatterjee (2019) 提出的经验相关系数，该系数本身是秩统计量，无需平滑或调参。作者展示了如何将该框架应用于 Cramér-von-Mises 指标、一阶 Sobol 指标、一般度量空间指标以及高阶矩指标。对于一阶 Sobol 指标，证明了估计量的相合性和中心极限定理，给出了渐近正态性。数值实验表明，该方法在小样本下具有显著的计算效率和稳健性，优于传统的基于核或蒙特卡洛的方法。该工作将非参数秩统计与敏感性分析结合，为高维或模型复杂场景下的变量重要性评估提供了理论保证和实用工具。对您而言，该文的秩统计框架与您熟悉的非参数统计和高维渐近理论直接相关，其理论分析（相合性、CLT）可迁移至您关注的因果推断中的变量重要性度量问题。
关键技术: Chatterjee's rank correlation, rank statistics, Sobol indices, Cramér-von-Mises indices, central limit theorem, global sensitivity analysis
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：它利用秩统计构造了敏感性指标的估计量，并给出了严格的渐近理论。您的技术武器库中的非参数统计和 minimax 界可直接用于分析该估计量的最优性（例如，检验其收敛速率是否达到非参数下界）。中期可做：若想将此类秩统计方法推广至因果推断中的条件独立性检验或 heterogeneous treatment effect 的变量筛选，需先在 moderately_familiar 的 M-estimation 理论上加强（具体为：处理秩统计的 U-统计量结构及其在 nuisance 函数估计下的渐近行为）。

5. 10.3150/21-bej1426 · arXiv — Smoothing and adaptation of shifted Pólya tree ensembles¶

作者: Thibault Randrianarisoa
期刊/来源: Bernoulli
分类: vol 28 · issue 4
相关性 6/10 · novelty: sharper_rate
摘要: 本文研究密度估计问题，目标是在[0,1)上对任意Hölder光滑度α>0的概率密度函数进行最优估计。作者从经典的截断Pólya树先验出发，引入了一种集成估计器（Bayesian forest estimator），即对多个移位Pólya树进行平均。核心机制是：通过随机移位和平均，打破了单棵树估计器的分段常数限制，从而获得更光滑的估计；技术工具包括后验收缩率分析和Hellinger距离与L1距离的收敛性。主要理论结果是：该Bayesian森林估计器在Hellinger和L1距离下达到最优后验收缩率（至多对数因子），且适用于任意α>0，这改进了此前仅对α≤1成立的结果。此外，作者还提出了自适应版本，无需知道α即可达到最优率。对您而言，本文展示了集成方法（如随机森林）在非参数Bayesian框架下如何提升光滑性并扩展最优性范围，与您的非参数统计和minimax界兴趣直接相关，且其自适应策略可能对您在高维或因果推断中的调参问题有启发。
关键技术: Pólya tree prior, posterior contraction rate, ensemble estimator, Hölder smoothness, adaptive estimation, Hellinger distance
为什么对您有用: 本文直接连接到您的非参数统计和minimax界兴趣：它解决了Bayesian树方法在光滑函数类上的最优性缺口，并给出了自适应版本。从武器库看，您可以用very_familiar的minimax界工具验证其收缩率是否紧，或用moderately_familiar的M-estimation理论对比其与频率派集成方法的效率。中期可做：若想将类似集成策略迁移到因果推断中的非参数估计（如CATE），需先在moderately_familiar的semiparametric theory上加强。

6. 10.3150/21-bej1444 — Nonparametric inference for reversed mean models with panel count data¶

作者: Li Liu, Wen Su, Guosheng Yin, Xingqiu Zhao, Ying Zhang
期刊/来源: Bernoulli
机构: Wuhan University · University of Hong Kong · Hong Kong Polytechnic University · University of Nebraska Medical Center
分类: vol 28 · issue 4
相关性 5/10 · novelty: new_method
摘要: 本文研究面板计数数据中，在信息性终止事件截断下，复发事件过程在终止事件附近的行为。提出反向均值模型来估计复发事件过程的均值函数，并开发了两阶段筛似然方法进行估计，克服了似然中涉及烦扰泛函参数的计算困难。建立了估计量的相合性和收敛速度，允许收敛速度慢于标准 n^{-1/2} 率。发展了带烦扰泛函参数的 M-估计量的弱收敛理论，并应用于所提估计量以推导渐近正态性。进一步构造了两样本检验类。通过中国老年健康长寿纵向调查的面板计数数据进行了实证分析。对您可能有用：本文的两阶段筛似然方法和带烦扰参数的 M-估计量弱收敛理论，可直接应用于您熟悉的非参数统计和 M-估计理论，且面板计数数据在流行病学纵向研究中常见。
关键技术: sieve likelihood, two-stage estimation, M-estimation with nuisance parameter, weak convergence, panel count data
为什么对您有用: 本文属于非参数/半参数理论方向，直接连接您的 primary interest 中的非参数统计和 M-估计理论。您非常熟悉的非参数统计和 M-估计理论工具可直接用于理解其两阶段筛似然方法和带烦扰参数的弱收敛理论。中期可做：若想将此类方法推广至因果推断中的纵向设定（如时变处理下的复发事件），需先在 moderately_familiar 的 semiparametric theory 上加强，特别是 influence function 的推导。

7. 10.3150/21-bej1442 · arXiv — Quantifying deviations from separability in space-time functional processes¶

作者: Holger Dette, Gauthier Dierickx, Tim Kutta
期刊/来源: Bernoulli
分类: vol 28 · issue 4
相关性 5/10 · novelty: new_method
摘要: 本文针对时空函数型数据中协方差算子可分离性假设的检验问题，提出了一种量化偏离程度的替代方法。传统检验仅回答“是否可分离”，但在气候数据等实际系统中完全可分离几乎不成立，因此检验结果意义有限。作者引入可分离性度量（separability measures），通过构造置信区间来量化协方差算子与可分离近似之间的偏差，并提供统计保证。方法基于部分迹（partial traces）和部分积（partial products）两种可分离近似，建立了相应估计量的弱收敛理论。特别地，首次对最优可分离近似（optimal separable approximation）进行了统计推断，而此前仅限于估计。所有方法无需重抽样或估计 nuisance 参数，计算高效。模拟研究和德国年温度数据应用展示了方法的实用性。对您而言，该工作涉及非参数协方差估计和弱收敛理论，与您的非参数统计和假设检验兴趣直接相关。
关键技术: weak convergence of covariance operators, partial trace, partial product, optimal separable approximation, confidence intervals for separability measures
为什么对您有用: 本文直接关联您的非参数统计和假设检验兴趣，具体涉及函数型数据协方差算子的推断问题。您武器库中的非参数统计和 minimax 界工具可用于分析其估计量的收敛速率，而弱收敛理论可进一步验证其置信区间覆盖率的精确性。中期可做：需先在 moderately_familiar 的 M-估计理论中加强，以处理最优可分离近似的推断。

8. 10.3150/21-bej1413 · arXiv — Nonparametric Bayesian volatility estimation for gamma-driven stochastic differential equations¶

作者: Denis Belomestny, Shota Gugushvili, Moritz Schauer, Peter Spreij
期刊/来源: Bernoulli
分类: vol 28 · issue 4
相关性 5/10 · novelty: new_method
摘要: 本文研究由 gamma 过程驱动的随机微分方程中波动率函数的非参数贝叶斯估计问题。模型将波动率函数先验设定为分段常数，并在其取值上指定 gamma 先验，从而通过 MCMC 实现后验推断。理论方面，作者给出了后验收缩率，该率依赖于未知波动率函数的正则性（如 Hölder 光滑性）。方法在合成数据和真实数据上进行了验证。该工作连接了非参数贝叶斯与跳跃过程波动率估计，对您而言，其收缩率分析可借助 minimax 界工具进行对比，且 MCMC 实现涉及统计计算中的数值方法。
关键技术: nonparametric Bayesian, posterior contraction rate, gamma process, MCMC, piecewise constant prior
为什么对您有用: 本文属于非参数统计与贝叶斯方法的交叉，直接对应 primary interest 中的非参数理论。您可以用 very_familiar 的 minimax 界工具来评估其收缩率是否最优，并对比频率学派方法。中期可做：若想深入后验计算效率，需在 moderately_familiar 的 M-estimation 理论上补强，以理解后验与惩罚似然的联系。

数理统计 / 假设检验 (hypothesis_testing, 7 篇)¶

1. 10.3150/21-bej1436 · arXiv — Estimation of the ℓ2-norm and testing in sparse linear regression with unknown variance¶

作者: Alexandra Carpentier, Olivier Collier, Laetitia Comminges, Alexandre B. Tsybakov, Yuhao Wang
期刊/来源: Bernoulli
机构: Université Paris Nanterre · Modélisation aléatoire de Paris Nanterre · Centre de Recherche en Mathématiques de la Décision · Centre de Recherche en Économie et Statistique
分类: vol 28 · issue 4
相关性 8/10 · novelty: sharper_rate
摘要: 本文研究稀疏线性回归中，在方差未知条件下ℓ2范数及其平方的估计问题，以及基于ℓ2分离度的稀疏备择假设检验问题。设定为高维稀疏线性模型，回归系数稀疏但稀疏度未知，误差方差nuisance。核心贡献是建立了这三个问题（ℓ2范数估计、ℓ2平方估计、稀疏检验）的minimax最优率。方法上，估计量基于阈值化后的残差平方和构造，检验统计量则利用U统计量思想处理方差未知带来的nuisance。理论工具包括minimax下界（通过Le Cam's method和Fano's inequality）和上界（通过自适应阈值选择）。关键结果是：ℓ2范数估计的最优率与稀疏度和信噪比有关，且方差未知仅导致对数因子损失；检验的分离率与估计率匹配。对您而言，本文直接连接您对hypothesis testing和high-dimensional statistics的兴趣，其minimax下界技术（Le Cam、Fano）是您very_familiar的武器，可立即用于分析类似稀疏问题的信息论极限。
关键技术: minimax optimal rates, sparse linear regression, ℓ2-norm estimation, hypothesis testing with ℓ2 separation, Le Cam's method, Fano's inequality
为什么对您有用: 本文直接连接您对hypothesis testing和high-dimensional statistics的兴趣，具体在稀疏线性模型的ℓ2范数估计和检验问题。您very_familiar的minimax下界技术（Le Cam、Fano）可直接用于验证本文声称的最优率是否紧，或推广到其他稀疏设定（如group sparsity）。中期可做：若想将结果扩展到更复杂的nuisance参数（如异方差），需先在moderately_familiar的M-estimation理论上长肌肉。

2. 10.3150/21-bej1425 · arXiv — Sharp detection boundaries on testing dense subhypergraph¶

作者: Mingao Yuan, Zuofeng Shang
期刊/来源: Bernoulli
分类: vol 28 · issue 4
相关性 7/10 · novelty: new_theory
摘要: 本文研究在均匀随机超图中检测是否存在稠密子超图的问题。原假设为 Erdős–Rényi 均匀随机超图，备择假设为包含一个稠密子超图的均匀随机超图。作者在两种场景下建立了尖锐的检测边界：(1) 边概率已知；(2) 边概率未知。检测边界由模型参数（如超图大小、稠密子超图规模、边概率）精确刻画。当参数落入可检测区域时，构造了渐近最优的检验统计量。结果表明，一般超图模型的可检测区域与图（2-超图）情形有本质差异。该工作将经典图上的子图检测问题推广到超图，为高维假设检验提供了新的理论基准。
关键技术: Erdos–Renyi random hypergraph, sharp detection boundary, likelihood ratio test, phase transition, subhypergraph detection
为什么对您有用: 该论文直接对应您 primary interest 中的 hypothesis testing 和高维统计。超图检测边界的刻画涉及相变现象，与您熟悉的 minimax 界技术高度契合。中期可做：可尝试将本文的检测边界结果与 higher-order U-statistics 结合——超图密度统计量本质上是高阶 U-统计量，您 moderately_familiar 的 U-统计量理论可直接用于构造更高效的检验或分析其 power。

3. 10.3150/21-bej1432 — Deviation inequalities and Cramér-type moderate deviations for the explosive autoregressive process¶

作者: Hui Jiang, Yilong Wan, Guangyu Yang
期刊/来源: Bernoulli
机构: Nanjing University of Aeronautics and Astronautics · Zhengzhou University
分类: vol 28 · issue 4
相关性 6/10 · novelty: new_method
摘要: 本文研究爆炸性一阶高斯自回归过程中二次泛函和OLS估计量的渐近性质。在爆炸性和温和爆炸性框架下，利用多重Wiener-Itô积分的偏差不等式和渐近分析技术，推导出Cramér型中偏差。作为应用，证明了单位根检验的全局和局部功效以指数速率趋近于1。模拟实验验证了理论结果。该工作为时间序列的单位根检验提供了精确的偏差界和功效分析工具，对您在高维统计和假设检验中的研究有参考价值。
关键技术: Cramér-type moderate deviations, multiple Wiener-Itô integrals, deviation inequalities, explosive autoregressive process, unit root test
为什么对您有用: 本文属于假设检验方向，具体涉及时间序列的单位根检验和Cramér型中偏差。您对数学统计和假设检验有浓厚兴趣，本文的偏差不等式技术可迁移到您熟悉的高维渐近分析中。中期可做：需先在moderately_familiar的M估计理论中加强，以处理更一般的检验问题。

4. 10.3150/21-bej1418 · arXiv — Pivotal tests for relevant differences in the second order dynamics of functional time series¶

作者: Anne van Delft, Holger Dette
期刊/来源: Bernoulli
分类: vol 28 · issue 4
相关性 4/10 · novelty: new_method
摘要: 本文针对两个函数型时间序列的二阶动态（即谱密度算子和主成分特征元素）是否存在实际相关差异（而非零假设下的精确相等）提出检验方法。采用频域视角，利用谱密度算子刻画函数型时间序列的组内动态结构。检验统计量基于谱密度算子和对应特征元素的估计量，在温和矩条件下证明其弱收敛到布朗运动，并通过自归一化（self-normalization）构造渐近枢轴统计量，避免了对复杂协方差结构的直接估计。该方法对任意频率带均稳健，且能比较单个频率的能量含量。模拟验证了有限样本性能，并应用于fMRI数据。对您而言，该工作将函数型时间序列的假设检验与频域分析结合，其自归一化技巧可迁移至您熟悉的高维统计和因果推断中的敏感性分析问题。
关键技术: self-normalization, spectral density operator, functional time series, Brownian motion approximation, pivotal test
为什么对您有用: 该文直接对应您 primary interest 中的 hypothesis testing 和 functional data 设定，其自归一化方法避免了复杂协方差估计，可启发您在高维或因果推断中构造稳健检验统计量。您对 nonparametric statistics 和 high-dimensional asymptotics 的熟悉程度足以理解其核心收敛论证，属于立即可做的阅读——可重点关注自归一化如何绕过 nuisance parameter 估计，并思考是否可移植到您关注的 proximal CI 或 IV 的敏感性检验中。

5. 10.3150/21-bej1406 · arXiv — The complex behaviour of Galton rank-order statistic¶

作者: Eustasio del Barrio, Juan A. Cuesta-Albertos, Carlos Matran
期刊/来源: Bernoulli
分类: vol 28 · issue 4
相关性 4/10 · novelty: new_theory
摘要: 本文系统研究了 Galton 秩统计量的渐近行为，该统计量是用于两样本比较的经典工具，也是衡量偏离随机占优的自然指标。此前其渐近性质仅在限制性假设下被部分研究。作者通过分析所谓的接触集（分位数函数重合集的修正版本）给出了完整刻画：几乎处处收敛到总体对应值当且仅当接触集的 Lebesgue 测度为零。当接触集有限时，渐近行为由接触点附近分位数函数局部重参数化的行为决定。正则交叉导致标准速率和高斯极限分布，但高阶接触（本文引入的概念）或支撑端点处的接触可能导致不同速率和非高斯极限。该工作填补了秩统计量渐近理论的一个重要空白，对非参数两样本检验的理论基础有直接贡献。
关键技术: Galton rank-order statistic, stochastic dominance, contact set, quantile functions, non-Gaussian limits
为什么对您有用: 本文直接关联您的假设检验兴趣，特别是非参数两样本检验的渐近理论。您武器库中的非参数统计和 minimax 界工具可用于分析其接触集假设的紧性，或探索高阶接触下非高斯极限的 minimax 最优检验。中期可做：需先熟悉 moderately_familiar 中的 M-估计理论以处理接触点局部行为。

6. 10.3150/21-bej1416 · arXiv — Rank-based change-point analysis for long-range dependent time series¶

作者: Annika Betken, Martin Wendler
期刊/来源: Bernoulli
分类: vol 28 · issue 4
相关性 3/10 · novelty: new_method
摘要: 本文研究长程相依时间序列中的结构变点问题。第一，针对变点位置估计，在次高斯过程假设下证明了估计量的相合性、最优收敛速率及渐近分布。第二，提出用子抽样（subsampling）逼近一般统计量的分布函数，并在长程相依次高斯过程下证明了该方法的相合性。第三，针对长记忆随机波动率（Long Memory Stochastic Volatility）模型，推导了序贯经验过程的极限定理，为结构变点检验提供了理论基础。核心技术工具包括长程相依过程的极限理论、子抽样方法、经验过程理论。对您而言，本文属于假设检验与时间序列交叉方向，但长程相依设定与您熟悉的独立同分布或短程相依框架差异较大，且武器库中缺乏长记忆过程的具体工具（如分数布朗运动、谱域方法），属于暂不可做方向。
关键技术: change-point estimation, subsampling, long-range dependence, subordinated Gaussian processes, sequential empirical process
为什么对您有用: 本文属于假设检验方向，但聚焦于长程相依时间序列这一特殊设定，与您熟悉的独立同分布或短程相依框架差异较大。武器库中 very_familiar 和 moderately_familiar 均未覆盖长记忆过程的核心工具（如分数布朗运动、谱域方法），因此暂不可做。不过，子抽样方法作为重抽样技术，与您熟悉的 bootstrap 有相通之处，可作为入门长程相依文献的起点，但整体投入产出比不高。

7. 10.3150/21-bej1417 · arXiv — Splitting the sample at the largest uncensored observation¶

作者: Ross Maller, Sidney Resnick, Soudabeh Shemehsavar
期刊/来源: Bernoulli
分类: vol 28 · issue 4
相关性 2/10 · novelty: new_method
摘要: 本文在独立同分布删失模型下，研究最大未删失生存时间及其相关统计量的有限样本与渐近分布。核心结构结果是：在给定最大未删失生存时间及超过该时间的删失观测数条件下，样本分裂为两个独立的子样本，每个子样本服从截断随机变量的独立同分布删失生存数据分布。这一结果提供了构造删失生存数据的深刻见解，并便于计算显式有限样本公式。作者利用该分裂性质推导了用于检验样本中是否存在足够随访（即免疫或治愈个体）的统计量的分布，并应用极值方法推导了部分统计量的渐近分布。对您而言，该论文展示了在删失数据中利用条件独立性进行样本分裂的技术，这与您在高维统计和假设检验中的兴趣相关，尤其是其条件分布方法可迁移至因果推断中的敏感性分析或工具变量设定。
关键技术: conditional independence splitting, iid censoring model, extreme value theory, finite sample distribution, truncated random variables
为什么对您有用: 本文属于假设检验方向，直接连接到您对数学统计与假设检验的兴趣。其核心条件分裂技术可视为一种特殊的样本分割策略，与您武器库中'非参数统计'和'高维渐近'中的条件论证方法有潜在联系，但该论文主要聚焦于删失生存数据的特定结构，而非您熟悉的因果推断或高维设定。中期可做：若想将此类条件分裂思想应用于因果推断中的删失问题，需先在'moderately_familiar'的'因果推断中的识别理论'上加强，以理解删失机制与因果效应的识别条件。

统计计算 / 算法 (stat_computing, 5 篇)¶

1. 10.3150/21-bej1440 · arXiv — Robust importance sampling with adaptive winsorization¶

作者: Paulo Orenstein
期刊/来源: Bernoulli
分类: vol 28 · issue 4
相关性 6/10 · novelty: new_method
摘要: 本文研究重要性采样（IS）中方差过大甚至无穷的问题，提出通过自适应 winsorization（截断）在偏差与方差之间进行权衡。核心方法基于 Balancing Principle（Lepskii 方法），自适应地选择截断阈值，无需交叉验证或调参。理论贡献是给出了有限样本下的 oracle 不等式，保证所提估计量的均方误差（MSE）和平均绝对偏差（MAD）优于传统 IS 估计量以及基于交叉验证的 winsorization 方法。数值实验涵盖重尾分布、高维积分等场景，验证了方法的稳健性。对您而言，该工作属于统计计算中的方差缩减技术，与您对数值方法和算法的兴趣直接相关，且 Lepskii 方法在因果推断中也有潜在应用（如敏感度分析中的自适应正则化）。
关键技术: importance sampling, winsorization, Balancing Principle (Lepskii's method), oracle inequality, adaptive threshold selection
为什么对您有用: 本文属于统计计算中的方差缩减方法，直接对应您 primary interest 中的 'statistical computing (numerical methods, algorithm)'。Lepskii 方法在您的武器库中属于 'moderately_familiar' 的 M-estimation 理论范畴，可尝试将其推广到因果推断中的逆概率加权（IPW）估计量，实现自适应截断以控制方差。中期可做：需先熟悉 Lepskii 方法在非参数回归中的 oracle 不等式证明技巧，然后迁移到 IPW 设定。

2. 10.3150/21-bej1431 · arXiv — A pseudo-marginal sequential Monte Carlo online smoothing algorithm¶

作者: Pierre Gloaguen, Sylvain Le Corff, Jimmy Olsson
期刊/来源: Bernoulli
机构: Citigroup · KTH Royal Institute of Technology
分类: vol 28 · issue 4
相关性 5/10 · novelty: new_method
摘要: 本文针对状态空间模型中的在线平滑问题，提出了一种伪边际序贯蒙特卡洛算法。核心设定是：目标为计算加性状态泛函的期望，其路径概率测度正比于未归一化转移密度的乘积，且这些转移密度难以直接计算但可通过（有偏或无偏）估计获得。方法上，作者将伪边际化技术融入PaRIS算法框架，构造了一个线性粒子数复杂度、恒定内存需求的在线平滑器。理论贡献包括：建立了算法的中心极限定理以证明收敛性与数值稳定性；在强混合假设下，推导了关于路径长度n和密度估计偏差ε的O(nε)渐近偏差界。该算法适用于部分观测扩散过程、似然不可处理模型等挑战性路径空间蒙特卡洛问题。对您而言，本文展示了如何将伪边际化这一计算技巧与序贯蒙特卡洛结合，其理论分析框架（CLT、偏差界）对您熟悉的统计计算方向有直接参考价值。
关键技术: pseudo-marginal Monte Carlo, sequential Monte Carlo, PaRIS algorithm, online smoothing, central limit theorem, strong mixing
为什么对您有用: 本文属于统计计算方向，直接对应您的primary interest中的'statistical computing (numerical methods, algorithm)'。您武器库中'nonparametric statistics'和'high-dimensional asymptotics'的熟悉度可用于理解其CLT和偏差界证明；而'软件发展'经验可帮助您评估该算法的实际实现复杂度。本文是gateway reading，清晰阐述了算法动机、设定和理论结果，适合作为进入序贯蒙特卡洛领域的入门读物，值得花时间读全文。

3. 10.3150/21-bej1415 · arXiv — A Riemann–Stein kernel method¶

作者: Alessandro Barp, Chris. J. Oates, Emilio Porcu, Mark Girolami
期刊/来源: Bernoulli
分类: vol 28 · issue 4
相关性 5/10 · novelty: new_method
摘要: 本文提出并研究了一种基于 Stein 再生核插值的后验期望数值逼近方法，目标是在紧致 Riemann 流形上高效计算后验积分。方法核心是利用 Stein 算子构造再生核 Hilbert 空间，将后验期望的逼近转化为核插值问题，并建立了有限样本误差界。作者进一步证明，在该设定下核 Stein 散度 (KSD) 与 Sobolev 散度等价，从而完整刻画了 KSD 的收敛判定性质。理论工具融合了 Stein 方法、再生核理论以及 Riemann 流形上 PDE 的存在性与正则性结果。对您而言，本文展示了统计计算中核方法与几何分析的深度结合，其有限样本误差界和散度等价性结果可直接用于评估您在高维或流形数据上开发的统计计算算法的精度。
关键技术: Stein reproducing kernel, kernel Stein discrepancy (KSD), Sobolev discrepancy, finite-sample error bounds, Riemannian manifold
为什么对您有用: 本文属于统计计算方向，直接连接您的 primary interest 中的 statistical computing。其核心方法——利用 Stein 再生核进行后验期望的数值逼近——与您非常熟悉的非参数统计和逆问题工具高度相关，您可以用 minimax 界和 U-statistic 投影技术来分析该方法的收敛速率是否最优。立即可做：用您熟悉的非参数统计和 minimax 界工具，即可检验本文有限样本误差界的紧性。

4. 10.3150/21-bej1437 · arXiv — A unified performance analysis of likelihood-informed subspace methods¶

作者: Tiangang Cui, Xin T. Tong
期刊/来源: Bernoulli
分类: vol 28 · issue 4
相关性 4/10 · novelty: new_theory
摘要: 本文针对贝叶斯推断中高维后验分布的似然信息子空间（LIS）方法，建立了统一的误差分析框架。LIS方法通过梯度Gram矩阵的前导特征向量识别一个低维线性子空间，在该子空间上目标分布与参考分布差异最大，从而将似然函数近似投影到该子空间上，实现降维。作者系统分析了影响近似精度的三个因素：子空间截断误差、Gram矩阵估计的蒙特卡洛误差、以及边缘化构造的蒙特卡洛误差，并给出了它们之间的相互作用关系。在温和假设下，推导了多种基于LIS的降维技术的误差界，这些界揭示了方法的精度与问题维数、样本量等参数的具体依赖关系。进一步，将LIS与MCMC和SMC等采样方法结合，分析了集成算法的收敛性。在线性反问题（高斯先验）中，证明了若先验协方差为迹类算子，所有估计可达到维数无关的误差。本文为高维贝叶斯计算中的降维策略提供了理论保障，对您而言，其误差分解框架可直接迁移到统计计算中算法复杂度与精度的权衡分析，尤其适合您关注的统计-计算权衡方向。
关键技术: likelihood-informed subspace, Gram matrix of log-likelihood gradient, dimension truncation error, Monte Carlo error analysis, MCMC/SMC integration, trace-class prior covariance
为什么对您有用: 本文直接关联您的统计-计算权衡（statistical-computational tradeoff）兴趣：它精确刻画了降维算法中计算成本（子空间维数、蒙特卡洛样本量）与统计精度（误差界）之间的量化关系，这正是信息-计算间隙的核心问题。您的武器库中'非参数统计'和'高维渐近理论'可以直接用于验证其误差界是否紧，而'逆问题'经验可帮助理解线性反问题案例。中期可做：若想将LIS框架推广到非高斯或非光滑似然，需先在'半参数理论'上提升，以处理更一般的模型结构。

5. 10.3150/21-bej1423 · arXiv — Adaptive schemes for piecewise deterministic Monte Carlo algorithms¶

作者: Andrea Bertazzi, Joris Bierkens
期刊/来源: Bernoulli
分类: vol 28 · issue 4
相关性 2/10 · novelty: new_method
摘要: 本文针对 Bouncy Particle Sampler (BPS) 和 Zig-Zag Sampler (ZZS) 这两类基于分段确定性马尔可夫过程的非可逆蒙特卡洛方法，提出自适应方案以加速收敛。核心问题是：当目标分布具有各向异性（如不同维度尺度差异大）时，BPS/ZZS 的收敛速度会显著下降。方法上，作者在算法运行中迭代学习目标分布的协方差矩阵（全部或部分），并利用该信息调整过程参数（如速度向量或反射方向），从而改善混合效率。同时，还提出自动调节 BPS/ZZS 刷新率（refreshment rate）的自适应机制。理论贡献包括证明所有自适应算法的遍历性和大数定律。数值实验展示了自适应采样器在多种各向异性目标上的加速效果。对您而言，本文属于统计计算中的 MCMC 方法改进，虽不直接对应您的主要兴趣方向，但其自适应调参思路和遍历性证明技术（如使用 Poisson 方程和 Foster-Lyapunov 条件）可作为统计计算工具箱的补充参考。
关键技术: piecewise deterministic Markov process, adaptive MCMC, Bouncy Particle Sampler, Zig-Zag Sampler, ergodicity proof, Foster-Lyapunov drift condition
为什么对您有用: 本文属于统计计算（MCMC 方法）方向，与您的 primary interest 中的 'statistical computing (numerical methods, algorithm)' 直接相关。您的武器库中 'software development' 和 'high-dimensional asymptotics' 可辅助理解其数值实现和收敛性分析，但核心的 PDMP 理论（如 Poisson 方程、Foster-Lyapunov 漂移条件）属于您 moderately_familiar 之外的领域。暂不可做：要深入攻破此方向，需先补充连续时间马尔可夫过程和非可逆 MCMC 的理论基础。

其他 (other, 10 篇)¶

1. 10.3150/21-bej1434 — A presmoothing approach for estimation in the semiparametric Cox mixture cure model¶

作者: Eni Musta, Valentin Patilea, Ingrid Van Keilegom
期刊/来源: Bernoulli
机构: Statistics Belgium · Vrije Universiteit Amsterdam · University of Amsterdam · KU Leuven · Centre de Recherche en Économie et Statistique
分类: vol 28 · issue 4
相关性 6/10 · novelty: new_method
摘要: 本文针对生存分析中的混合治愈模型（mixture cure model），提出一种新的估计方法。该模型同时估计治愈概率（incidence）和易感人群的生存时间（latency），传统方法通常对治愈概率采用参数化逻辑模型。作者提出一种预平滑（presmoothing）方法，先通过非参数平滑估计治愈概率，再在第二阶段对潜伏期采用半参数Cox模型。理论部分证明了在逻辑/Cox模型设定下估计量的渐近性质。模拟表明预平滑方法比最大似然估计更准确。最后用黑色素瘤生存数据展示了实际应用。
关键技术: presmoothing, Cox mixture cure model, semiparametric estimation, kernel smoothing
为什么对您有用: 本文属于生存分析中的半参数方法，与您的主要兴趣（半参数理论、因果推断中的纵向数据）有间接关联，但核心问题（治愈模型）并非您的直接研究方向。武器库中的非参数统计和M估计理论可用于理解其预平滑步骤的渐近性质，但整体上属于方法学应用，而非理论突破。暂不可做：核心机器不在武器库里（治愈模型的具体设定和生存分析的特殊性）。

2. 10.3150/21-bej1419 · arXiv — Functional inequalities for perturbed measures with applications to log-concave measures and to some Bayesian problems¶

作者: Patrick Cattiaux, Arnaud Guillin
期刊/来源: Bernoulli
机构: Institut de Mathématiques de Toulouse · Laboratoire de Mathématiques Blaise Pascal
分类: vol 28 · issue 4
相关性 3/10 · novelty: new_theory
摘要: 本文研究概率测度在扰动下泛函不等式（Poincaré、Cheeger、log-Sobolev）常数的显式界。主要设定为一般测度和对数凹分布，通过扰动分析给出常数随扰动参数变化的显式上界。技术工具包括对数Sobolev不等式与传输不等式的耦合、以及扰动测度的谱隙估计。这些界直接服务于统计计算中的Langevin Monte Carlo方法，用于保证贝叶斯后验采样的收敛速度。对您而言，本文属于统计计算中MCMC收敛性分析的理论基础，与您的统计计算兴趣（数值方法、算法）有间接关联，但核心工具（泛函不等式、对数凹测度）不在您的武器库中，且不涉及因果推断或高维统计。
关键技术: Poincaré inequality, log-Sobolev inequality, Cheeger inequality, Langevin Monte Carlo, perturbation bounds, log-concave measures
为什么对您有用: 本文属于统计计算中MCMC收敛性分析的理论基础，与您的统计计算兴趣（数值方法、算法）有间接关联。但核心工具（泛函不等式、对数凹测度）不在您的武器库中，且不涉及因果推断或高维统计。暂不可做——缺乏泛函不等式与对数凹测度的技术基础。

3. 10.3150/21-bej1424 · arXiv — Convergence rates of Gibbs measures with degenerate minimum¶

作者: Pierre Bras
期刊/来源: Bernoulli
分类: vol 28 · issue 4
相关性 3/10 · novelty: new_theory
摘要: 本文研究 Gibbs 测度在温度 t→0 时收敛到退化最小值点的速率。设定中目标函数 f 在全局最小值点 x 处的 Hessian 不正定，而是满足严格多项式最小值条件。核心方法是对 f 在 x 附近进行高阶嵌套展开，该展开依赖于每个坐标方向，并给出一个算法（在多项式阶数 ≤8 时）构造该展开，该算法与 Hilbert 第 17 问题相关。作者证明当阶数 ≥10 时情况本质不同，需要额外假设。基于该展开，推导出 Gibbs 测度收敛到退化最小值的精确速率，并将结果推广到多阱情形。该工作属于概率论与优化理论的交叉，对您而言，其高阶展开与退化最小值的分析技术可能对高维统计中的非光滑目标函数或非正则 M-估计的渐近理论有间接启发，但核心问题与您的 primary interests 无直接交集。
关键技术: Gibbs measure, degenerate minimum, polynomial minimum, higher-order nested expansion, Hilbert's 17th problem
为什么对您有用: 本文主题（Gibbs 测度在退化最小值处的收敛速率）与您的 primary interests（因果推断、高维统计、U-统计量等）无直接重叠。它属于概率论与优化理论的纯理论工作，不涉及因果识别、半参效率或高维随机矩阵等您关心的核心问题。因此，本文对您而言暂不可做，核心机器（退化最小值的多项式展开与 Hilbert 问题）不在您的武器库中，且缺乏与您研究方向的直接连接点。

4. 10.3150/21-bej1427 · arXiv — Asymptotically equivalent prediction in multivariate geostatistics¶

作者: François Bachoc, Emilio Porcu, Moreno Bevilacqua, Reinhard Furrer, Tarik Faouzi
期刊/来源: Bernoulli
分类: vol 28 · issue 4
相关性 3/10 · novelty: new_theory
摘要: 本文研究多元地统计中协同克里金法（cokriging）在固定域渐近框架下的模型误设定问题。目标是识别哪些协方差参数对渐近等价预测至关重要，即当协方差模型被误设时，预测误差是否仍能趋于零。核心方法是利用高斯测度等价性条件：若真实与误设模型对应的高斯测度等价，则最优线性无偏预测渐近等价。作者给出了d维欧氏空间紧集上多元高斯随机场测度等价的充分条件，填补了该领域约50年的空白。具体针对多元Matern和广义Wendland协方差类，证明了测度等价性依赖于控制过程均方可微性的参数（如平滑参数和尺度参数）。模拟实验验证了理论结果。本文对您可能有用：虽然主题是空间统计而非您的主要兴趣方向，但测度等价性工具在非参数回归和半参数效率理论中也有应用，可作为方法学参考。
关键技术: Gaussian measure equivalence, fixed-domain asymptotics, cokriging, multivariate Matern covariance, generalized Wendland covariance
为什么对您有用: 本文属于空间统计领域，与您的主要兴趣（因果推断、高维统计等）无直接重叠。但测度等价性理论是半参数和非参数理论中的基础工具，可用于理解模型误设定下的渐近性质。您的武器库中'非参数统计'和'高维渐近'可支撑理解本文的渐近论证，但核心问题（多元协方差结构）与您的方向距离较远，属于暂不可做——缺乏空间统计领域的领域知识和具体协方差模型背景。

5. 10.3150/21-bej1435 · arXiv — Asymptotic behavior of a low-temperature non-cascading 2-GREM dynamics at extreme time scales¶

作者: Luiz Renato Fontes, Susana Frómeta, Leonel Zuaznábar
期刊/来源: Bernoulli
分类: vol 28 · issue 4
相关性 2/10 · novelty: new_theory
摘要: 本文研究非级联2-GREM（广义随机能量模型）在低温下的层次随机跳跃动力学在极端时间尺度上的渐近行为。模型设定为层次结构，能量由两个层次组成，且第一和第二层能量对的波动随系统体积缩放。核心方法是推导动力学的标度极限，发现由于非级联结构，能量景观的波动导致动力学在接近平衡时呈现三个不同的动态区间，这与级联情况形成对比。技术工具包括随机过程极限理论和精细调谐现象分析。主要理论结果是刻画了动力学仅遍历部分低温能量景观的时间尺度族。本文属于统计物理中自旋玻璃动力学的理论工作，与您的主要兴趣方向（因果推断、高维统计等）无直接方法学关联。
关键技术: Random Hopping dynamics, Generalized Random Energy Model (GREM), scaling limit, fine tuning phenomenon
为什么对您有用: 本文主题为统计物理中自旋玻璃模型的动力学标度极限，与您的主要兴趣方向（因果推断、高维统计、半参理论等）无直接方法学连接。武器库中的非参统计、极小极大界等工具无法直接应用于此问题，且该领域依赖的复本对称破缺、随机过程极限等核心机器不在您的技术武器库中。因此，本文暂不可做，不推荐深入阅读。

6. 10.3150/21-bej1428 · arXiv — Phase transitions in non-linear urns with interacting types¶

作者: Marcelo Costa, Jonathan Jordan
期刊/来源: Bernoulli
分类: vol 28 · issue 4
相关性 2/10 · novelty: new_theory
摘要: 本文研究非线性强化瓮模型（non-linear reinforced urn）中类型间相互作用导致的相变现象。当类型数从2增加到3时，系统展现出全新的动力学行为。在对称相互作用的三类型模型中，除了已知的对称极限相（三种颜色等比例）和非对称极限相（收敛到非对称分布）外，还出现了一个中间相，其中对称和非对称极限均可能实现，即存在双重相变。在反对称相互作用模型中，存在一个相中三种颜色的比例循环而不收敛到极限，以及另一个相中比例收敛到等比例极限。这些结果通过分析非线性更新过程的鞅和随机逼近方法证明。该工作属于概率论与随机过程的理论研究，与您的统计推断核心兴趣（因果推断、高维统计、半参数理论等）无直接方法学关联。
关键技术: reinforced urn process, nonlinear Polya urn, phase transition, martingale convergence, stochastic approximation
为什么对您有用: 本文属于概率论基础研究，与您的primary interests（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'nonparametric statistics'或'high-dimensional asymptotics'在此处不适用，因为问题设定是离散类型瓮模型而非连续参数或函数估计。暂不可做——核心机器（随机过程相变分析、鞅方法）不在您的武器库中，且该方向与您的统计推断主线距离较远。

7. 10.3150/21-bej1439 · arXiv — Local scaling limits of Lévy driven fractional random fields¶

作者: Vytaut˙e Pilipauskait˙e, Donatas Surgailis
期刊/来源: Bernoulli
机构: Vilnius University
分类: vol 28 · issue 4
相关性 2/10 · novelty: new_theory
摘要: 本文研究一类由无穷可分随机测度驱动的分数阶随机场X在R²上的局部各向异性标度极限。标度过程涉及X在水平和垂直方向上的增量，其距离分别以O(λ)和O(λ^γ)收缩（λ↓0, γ>0）。考虑两种增量类型（通常增量和矩形增量），分别定义γ-切线和γ-矩形切线随机场。证明了对任意γ>0，两种局部标度极限均存在，并在γ>γ₀和γ<γ₀时发生相变，其中γ₀>0；非平衡标度极限（γ≠γ₀）是(H₁,H₂)-多重自相似的，且其中一个Hurst指数为0或1。该工作扩展了Pilipauskaitė和Surgailis (2017)及Surgailis (2020)关于Z²上随机场大尺度各向异性标度的结果，以及Benassi等人(2004)关于各向同性分数阶Lévy随机场的1-切线极限。本文属于纯概率论与随机过程理论，与您的主要研究兴趣（因果推断、高维统计、半参理论等）无直接方法学关联。
关键技术: Lévy-driven random fields, anisotropic scaling limits, multi-self-similarity, infinitely divisible random measure, tangent fields
为什么对您有用: 本文属于纯概率论与随机过程理论，与您的主要研究兴趣（因果推断、高维统计、半参理论等）无直接方法学关联。它不涉及因果识别、假设检验、高维推断或计算复杂性，也不属于您列出的任何次级兴趣领域（天体统计、经济理论、流行病学）。因此，本文对您当前的研究路线帮助有限，不值得投入时间精读。

8. 10.3150/21-bej1429 · arXiv — Continuous-time digital search tree and a border aggregation model¶

作者: Svante Janson, Debleena Thacker
期刊/来源: Bernoulli
分类: vol 28 · issue 4
相关性 1/10 · novelty: minor
摘要: 本文研究连续时间随机数字搜索树（digital search tree）与边界聚集模型（border aggregation model）之间的耦合关系。作者构造了一个概率耦合，将树的高度与聚集所需时间联系起来，并证明这种关系可以推广到对应的离散时间模型。利用Drmota等人（2020）关于数字搜索树的近期结果，推导出聚集时间的精确渐近分布。核心工具是随机树的概率耦合与极限理论，不涉及因果推断、高维统计或半参效率等方向。对您而言，本文属于纯概率论与随机结构领域，与您的主要研究兴趣（因果推断、高维统计、U-统计量等）无直接交集，且不涉及统计计算或应用数据。
关键技术: random digital search tree, border aggregation model, probabilistic coupling, asymptotic analysis
为什么对您有用: 本文与您的主要兴趣方向（因果推断、高维统计、半参理论、U-统计量）均无直接关联，属于纯概率论与随机结构领域。武器库中无对应工具可攻，且不涉及统计计算或应用数据，因此暂不可做。不推荐阅读全文。

9. 10.3150/21-bej1441 · arXiv — Upper functions for sample paths of Lévy(-type) processes¶

作者: Franziska Kühn
期刊/来源: Bernoulli
分类: vol 28 · issue 4
相关性 1/10 · novelty: new_theory
摘要: 本文研究 Lévy 过程及 Lévy 型过程样本轨道的微小时间渐近行为，具体刻画了极限 lim sup_{t→0} |X_t - X_0| / f(t) 以概率 1 有限或无穷的条件。通过过程的无穷小特征和符号建立了积分判别准则，结果适用于 Lévy 驱动的随机微分方程解和稳定型过程等广泛类别。对于 Lévy 过程，本文恢复并推广了文献中的已有结果。此外，还给出了一个对 Lévy 型过程新的极大不等式，具有独立意义。该工作属于随机过程轨道性质的理论研究，与您的统计推断兴趣无直接方法学关联。
关键技术: Lévy process, Lévy-type process, integral test, maximal inequality, small-time asymptotics
为什么对您有用: 本文属于概率论中随机过程轨道性质的理论研究，与您的因果推断、高维统计、半参数理论等主要兴趣无直接方法学连接。武器库中无对应工具（如 Lévy 过程精细分析），暂不可做。

10. 10.3150/21-bej1420 — On the characterization of Brownian bridge measure on the pinned path space over a compact Riemannian manifold¶

作者: Fuzhou Gong, Xiaoxia Sun
期刊/来源: Bernoulli
机构: Chinese Academy of Sciences · Academy of Mathematics and Systems Science · University of Chinese Academy of Sciences · Dongbei University of Finance and Economics
分类: vol 28 · issue 4
相关性 0/10 · novelty: new_theory
摘要: 本文研究紧致黎曼流形上固定端点路径空间中布朗桥测度的刻画问题。在流形单连通的情形下，证明了分部积分公式可以唯一刻画布朗桥测度；否则，通过构造反例说明该刻画不成立。该工作属于随机分析与几何测度论领域，核心工具是流形上的随机微分方程与测度变换技巧。
关键技术: Brownian bridge measure, integration by parts formula, pinned path space, compact Riemannian manifold
为什么对您有用: 本文属于纯概率论与几何分析，与您的主要研究兴趣（因果推断、高维统计、U-统计量等）无直接关联。作为统计研究者，该文不涉及您武器库中的任何工具，也不属于gateway-reading范畴。建议跳过。

Maintained by 陈星宇 · Homepage · Source on GitHub