Bernoulli — Vol 29 Issue 1 · 2026-07-14¶

共 33 篇 · Bernoulli
目录核对 ✅ 33 篇全部抓到（对照 OpenAlex 33 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29卷第1期共收录33篇论文，整体上可归纳为四条主线：假设检验与模型选择（约10篇）、高维统计与随机矩阵（4篇）、非参数/半参数方法与贝叶斯推断（2篇）、以及随机过程与概率论基础（约15篇）。此外，统计计算方向有2篇（粒子滤波与MCMC混合时间）。假设检验主线覆盖了从非参数回归曲率检验、半参数VAR模型秩检验、共形预测综述、约束最小二乘的次优性、目标交叉验证、到可交换对的中偏差定理、模板匹配的秩估计、Stein算子代数构造、均值向量可容许估计、以及超球面均匀性检验。高维主线包括协方差矩阵算子范数的bootstrap逼近、时间序列依赖数据的高维GLM、函数型时间序列的稀疏性与一致性、以及c-最优实验设计。非参数/半参数主线有经验过程的Donsker结果与网格当前状态数据的自适应贝叶斯推断。其余大量论文属于随机过程理论（如McKean-Vlasov扩散、分支Lévy过程、各向异性高斯场等），与统计推断的直接关联较弱。

在假设检验主线中，最值得关注的是两篇方法学贡献：Stratified incomplete local simplex tests 针对高维非参数回归的联合凹性检验，通过分层随机稀疏权重将计算复杂度与维度解耦，并发展了带随机权重的非完全U-过程渐近理论，直接连接了高维统计与U-统计量；Rank-based testing for semiparametric VAR models 利用度量传输构造多变量秩检验，在创新密度未指定下达到局部渐近最优，并建立了中心向外秩序列统计量的Hájek表示定理，对时间序列的稳健推断有直接意义。Conformal prediction 的综述虽非新方法，但系统梳理了理论变体与开放挑战（条件覆盖、计算效率），可作为该领域的快速入口。Targeted cross-validation 则从模型选择角度切入，允许研究者关注预测的局部区域，放宽了传统CV的静态排名假设，适用于高维和复杂模型场景。Cramér-type moderate deviation 将中偏差理论从独立同分布推广到依赖结构（可交换对），为U-统计量、图统计量的尾部概率提供了更精确的控制，对高维假设检验的误差分析有工具价值。

高维主线中，Bootstrapping the operator norm 研究了协方差矩阵算子范数误差的bootstrap逼近精度，在特征值多项式衰减下给出了维度无关的收敛速率，并推广到sketching算法，对高维协方差推断和随机数值线性代数均有意义。High dimensional generalized linear models for temporal dependent data 结合物理依赖度量与耦合技术，处理时间序列的弱依赖和重尾误差，给出了Lasso的oracle不等式和支持恢复保证，是时间序列高维推断的实用进展。Design of c-optimal experiments 将经典实验设计（c-最优性）与de-biased lasso的渐近方差结合，为高维主动学习提供了理论最优采样策略，对因果推断中的实验设计有潜在启发。非参数主线中，Donsker results for the empirical process 将经验过程的Donsker收敛性推广到局部有界变差函数类，并首次证明平滑经验过程在相依数据下的收敛性，带宽达到MISE最优，对非参数推断的工具箱有补充价值。

对于因果推断方向的研究者，Design of c-optimal experiments 直接涉及实验设计的最优性，High dimensional generalized linear models 中的稳健M-估计量可用于处理因果推断中的重尾协变量或结果，Stratified incomplete local simplex tests 的U-过程理论可迁移至因果效应的非参数检验。对于半参数效率方向，Rank-based testing 的度量传输秩检验与Le Cam渐近理论直接相关，Targeted cross-validation 的局部加权损失框架可类比于半参数效率中的定位思想。对于高维方向，Bootstrapping the operator norm 和High dimensional generalized linear models 是核心参考，Cramér-type moderate deviation 的尾部概率结果对高维多重检验的误差控制有工具价值。

高维统计 / 随机矩阵 (high_dim_rmt, 4 篇)¶

1. 10.3150/22-bej1463 · arXiv — Bootstrapping the operator norm in high dimensions: Error estimation for covariance matrices and sketching¶

作者: Miles E. Lopes, N. Benjamin Erichson, Michael W. Mahoney
期刊/来源: Bernoulli
分类: vol 29 · issue 1
相关性 8/10 · novelty: new_theory
摘要: 本文研究高维协方差矩阵估计中算子范数误差的波动性，具体关注统计量 T_n = √n ‖Σ̂ - Σ‖_op 的分布逼近。在总体协方差矩阵 Σ 的特征值具有多项式衰减 λ_j(Σ) ≍ j^{-2β} 的设定下，分析了 bootstrap 对 T_n 分布逼近的精度。主要结果表明，在 Kolmogorov 度量下，bootstrap 能以 n^{-(β-1/2)/(6β+4)} 的维度无关速率（忽略对数因子）逼近 T_n 的分布。这一结果即使在 p < n 的经典设定下也是新的。文章进一步将 bootstrap 方法推广到随机数值线性代数（RandNLA）中 sketching 算法的误差估计，并用气候数据实例进行了说明。该工作为高维统计推断中算子范数误差的 bootstrap 逼近提供了首个非平凡的理论保证，对您在高维统计和随机矩阵理论方向的研究具有直接参考价值。
关键技术: bootstrap approximation, operator norm, covariance estimation, eigenvalue decay, Kolmogorov metric, randomized numerical linear algebra
为什么对您有用: 直接连接到您的高维统计与随机矩阵理论兴趣：本文在特征值多项式衰减的设定下，给出了 bootstrap 逼近算子范数误差分布的维度无关收敛速率，这是该方向的新理论结果。从技术武器库看，您对高维渐近理论非常熟悉，可以立即用 minimax 下界技术验证该速率是否紧，或尝试将结果推广到更一般的特征值衰减模式（如指数衰减）。中期可做：若想将 bootstrap 方法扩展到其他矩阵范数（如 Frobenius 范数）或更复杂的统计量（如 spiked 协方差模型），需先在 moderately_familiar 的更高阶 U-统计量理论上加强。

2. 10.3150/21-bej1451 — High dimensional generalized linear models for temporal dependent data¶

作者: Yuefeng Han, Ruey S. Tsay, Wei Biao Wu
期刊/来源: Bernoulli
机构: Rutgers, The State University of New Jersey · University of Chicago
分类: vol 29 · issue 1
相关性 7/10 · novelty: new_method
摘要: 本文在高维广义线性模型（GLM）框架下，研究时间序列依赖数据（temporal dependent data）的统计推断问题。目标是建立 ℓ1 正则化估计量（Lasso）在序列相关和重尾误差下的统计误差界和支持恢复保证。核心方法包括：利用相依性度量（physical dependence measure）和耦合技术（coupling technique）处理时间序列的弱依赖结构，推导非渐近的 oracle 不等式；提出一种新的稳健 M-估计量（robust M-estimator），通过截断（truncation）或 Huber 损失函数对抗重尾性。理论结果表明，该稳健估计量在序列相关和重尾协变量/误差下，能达到与独立同分布次高斯数据几乎相同的最优收敛速率。数值实验显示，该方法显著优于经典 Lasso，尤其在高频金融数据等重尾时间序列场景中表现突出。对您而言，本文在高维时间序列的 ℓ1 正则化理论方面提供了扎实的误差界和恢复保证，直接连接您的高维统计和假设检验兴趣，且其依赖性和重尾处理技术可迁移至您熟悉的非参数统计和逆问题分析中。
关键技术: ℓ1 regularization, physical dependence measure, robust M-estimation, Huber loss, oracle inequality, high-dimensional time series
为什么对您有用: 本文直接连接您的高维统计（高维 GLM 在时间序列下的 ℓ1 正则化理论）和假设检验（支持恢复的误差界）兴趣。您的技术武器库中“高维渐近理论”和“逆问题”可直接用于验证其 oracle 不等式的紧性，或将其稳健估计量推广至更一般的相依结构。中期可做：需先在 moderately_familiar 的“M-估计理论”上进一步熟悉时间序列的耦合技术，但核心工具（非参数统计、minimax 界）已就绪。

3. 10.3150/22-bej1464 · arXiv — On consistency and sparsity for high-dimensional functional time series with application to autoregressions¶

作者: Shaojun Guo, Xinghao Qiao
期刊/来源: Bernoulli
分类: vol 29 · issue 1
相关性 6/10 · novelty: new_method
摘要: 本文研究高维函数型时间序列的估计与稀疏性问题，其中函数变量个数可随样本量发散甚至更大，且每个函数本身是无穷维对象。作者提出一个标准三步流程：先通过函数主成分分析降维，再对多元平稳过程的谱性质定义一种新的函数稳定性度量，最后基于该度量推导样本（自）协方差函数的浓度界。这些浓度界为高维正则化估计的收敛速度分析提供了基础工具。作为重要应用，文章考虑向量函数自回归模型，在稀疏性约束下用正则化方法估计自回归系数函数，并利用推导的收敛结果刻画高维尺度下的理论性质。数值实验和金融数据集验证了有限样本表现。对您而言，本文的浓度界和稳定性度量思路可迁移至高维因果推断中的弱工具变量或敏感度分析场景，但核心机器（函数型主成分分析、谱域稳定性）不在您当前武器库中，属于暂不可做方向。
关键技术: functional stability measure, concentration bounds for sample autocovariance, functional principal component analysis, high-dimensional functional time series, regularized estimation under sparsity
为什么对您有用: 本文属于高维统计与函数型数据分析的交叉，与您的高维统计兴趣有重叠，但核心方法（谱域稳定性度量、函数型主成分分析）不在您的技术武器库中，且未涉及因果推断或U-统计量。作为gateway阅读，本文对函数型时间序列的浓度界推导有清晰展示，但您需要先补充函数型数据分析的基础知识才能跟进。暂不可做。

4. 10.3150/22-bej1472 · arXiv — Design of c-optimal experiments for high-dimensional linear models¶

作者: Hamid Eftekhari, Moulinath Banerjee, Ya’acov Ritov
期刊/来源: Bernoulli
分类: vol 29 · issue 1
相关性 6/10 · novelty: new_method
摘要: 本文在高维线性模型设定下研究c-最优实验设计问题，目标是最小化de-biased lasso估计量的渐近方差。假设研究者可以访问大量未标记数据（特征已知但响应未观测），但测量响应有成本，因此需要选择最优的采样分布。最优采样分布被证明是某个半正定规划（SDP）的解，该SDP基于de-biased lasso的渐近协方差矩阵的逆。文章给出了该SDP的显式形式，并讨论了其可解性与计算可行性。模拟实验展示了最优设计相对于均匀随机采样在效率上的显著提升。该工作将经典实验设计理论（c-optimality）与高维统计推断（de-biased lasso）结合，为高维场景下的主动学习提供了理论依据。对您而言，该文直接关联高维统计与因果推断中的de-biased方法，且其SDP求解思路可迁移至您熟悉的minimax bound框架下的设计问题。
关键技术: de-biased lasso, c-optimal design, semidefinite programming, asymptotic variance minimization, high-dimensional linear models
为什么对您有用: 该文直接连接您的高维统计（de-biased lasso的渐近理论）与实验设计兴趣，其核心工具SDP求解最优采样分布是您武器库中'minimax bounds for estimation problems'和'high-dimensional asymptotics'可以攻克的——您可以用minimax下界验证其设计的最优性是否紧。中期可做：需先在'moderately_familiar'的semiparametric theory上长肌肉，以理解de-biased lasso的influence function视角。

非参数 / 半参数 (nonparam_semipara, 2 篇)¶

1. 10.3150/21-bej1455 — Donsker results for the empirical process indexed by functions of locally bounded variation and applications to the smoothed empirical process¶

作者: Eric Beutner, Henryk Zähle
期刊/来源: Bernoulli
机构: Vrije Universiteit Amsterdam · Saarland University
分类: vol 29 · issue 1
相关性 5/10 · novelty: new_theory
摘要: 本文研究经验过程在局部有界变差函数类上的Donsker收敛性。首先将Radulovic和Wegkamp的技术从有界变差函数推广到局部有界变差函数，使得索引函数类更灵活。更重要的是，利用该技术证明了基于核密度估计的平滑经验过程的收敛性，这是首个针对相依数据的平滑经验过程收敛性结果。结果覆盖弱相依和强相依数据，以及局部有界变差函数索引集。带宽选择达到MISE最优，体现了Bickel-Ritov意义上的plug-in性质。在i.i.d.情形下，结果推广了Giné和Nickl的经典工作。该技术不依赖传统经验过程的收敛性，而是直接处理平滑过程，为相依数据下的非参数推断提供了新工具。
关键技术: empirical process theory, Donsker theorem, functions of locally bounded variation, kernel density estimation, smoothed empirical process, dependent data
为什么对您有用: 本文直接关联非参数统计和半参数理论中的经验过程工具，这是您武器库中'very_familiar'的非参数统计项。其关于相依数据平滑经验过程的Donsker结果，可应用于您感兴趣的因果推断中纵向数据或时间序列的估计问题。中期可做：若需将结果用于具体因果推断设定，需先在'moderately_familiar'的M估计理论或半参数理论上加强。

2. 10.3150/22-bej1462 — Adaptive Bayesian inference for current status data on a grid¶

作者: Minwoo Chae
期刊/来源: Bernoulli
机构: Pohang University of Science and Technology
分类: vol 29 · issue 1
相关性 4/10 · novelty: new_theory
摘要: 本文研究网格观测时间下的当前状态数据（current status data）中事件时间分布的非参数贝叶斯推断。模型假设观测时间位于一个稀疏性未知的网格上，多个受试者共享同一观测时间，这导致似然函数形式简单但推断困难，因为事件时间未被直接观测。作者采用 Dirichlet 先验对事件时间分布建模，并通过 Gibbs 采样器轻松计算贝叶斯估计量和可信集。主要理论贡献是证明了后验收敛速度自适应于网格的未知稀疏性：当网格足够稀疏时，进一步建立了 Bernstein–von Mises 定理，保证了贝叶斯可信集的频率有效性。数值实验验证了理论结果。该工作对您可能有用：它展示了非参数贝叶斯方法在复杂观测数据（如区间删失）中的自适应性质，与您的非参数统计和 M-估计理论兴趣直接相关。
关键技术: Dirichlet prior, Gibbs sampler, posterior convergence rate, Bernstein–von Mises theorem, adaptive estimation, current status data
为什么对您有用: 本文连接您的非参数统计和 M-估计理论兴趣，具体展示了 Dirichlet 先验在网格稀疏性未知时的自适应后验收敛率。您的武器库中“非参数统计”和“M-估计理论”可直接用于分析其收敛率是否最优或能否推广到更一般的区间删失设定。中期可做：若想将 Bernstein–von Mises 结果扩展到高维或半参数模型，需先在“半参数理论”上加强。

数理统计 / 假设检验 (hypothesis_testing, 10 篇)¶

1. 10.3150/22-bej1459 · arXiv — Stratified incomplete local simplex tests for curvature of nonparametric multiple regression¶

作者: Yanglei Song, Xiaohui Chen, Kengo Kato
期刊/来源: Bernoulli
分类: vol 29 · issue 1
相关性 8/10 · novelty: new_method
摘要: 本文针对非参数多元回归的联合凹性检验提出 SILS 检验，克服了高维回归曲率检验的计算与统计挑战。该方法基于局部单纯形构造检验统计量，并通过分层随机稀疏权重实现计算复杂度与维度无关。采用 bootstrap 校准控制有限样本误差，理论证明其均匀误差大小呈多项式衰减，且对全局与局部备择假设均具有检验一致性。核心理论贡献在于发展了带分层随机稀疏权重的非完全 U-过程的渐近理论，并建立了多个非完全 U-过程上确界的极大值不等式。该工作将高维非参数假设检验与 U-统计量的计算效率相结合，对您在高维统计与 U-统计量交叉领域的研究具有直接参考价值。
关键技术: incomplete U-processes, stratified random sparse weights, bootstrap calibration, maximal inequalities, local simplex
为什么对您有用: 本文直接连接您对 hypothesis testing 与 higher-order U-statistics 的兴趣，其非完全 U-过程理论为降低 U-统计量计算复杂度提供了新框架。您非常熟悉的 treewidth / tensor contraction 视角可用于分析其分层稀疏权重的计算成本，中期可做的是将 SILS 思想推广到更高阶的 U-统计量检验问题（需先在 moderately_familiar 的 HOIF 理论上长肌肉）。

2. 10.3150/21-bej1456 · arXiv — Rank-based testing for semiparametric VAR models: A measure transportation approach¶

作者: Marc Hallin, Davide La Vecchia, Hang Liu
期刊/来源: Bernoulli
分类: vol 29 · issue 1
相关性 7/10 · novelty: new_method
摘要: 本文针对半参数向量自回归（VAR）模型，在创新密度未指定的情况下，基于最近发展的度量传输（measure transportation）多变量中心向外秩和符号概念，构建了一类新的检验方法。结合Le Cam渐近实验理论，证明了所提检验在广泛的创新密度类（包括非椭圆、偏斜、无限矩）下有效，在选定密度下达到局部渐近最大最小或最严格最优性，并对加性异常值具有稳健性。核心理论贡献是建立了中心向外秩序列统计量的Hájek渐近表示定理，这本身具有独立兴趣。作为应用，考虑了多输出非线性回归中序列相关缺失的检验（经典Durbin-Watson问题的推广）以及VAR(p)模型阶数的序贯识别。蒙特卡洛模拟显示，在非对称和尖峰厚尾创新密度下，该方法在尺寸、功效和稳健性上显著优于常规高斯检验。对您而言，该工作将非参数秩检验与半参数时间序列模型结合，其度量传输工具和渐近最优性论证对您在高维假设检验和半参数理论方面的兴趣有直接参考价值。
关键技术: center-outward ranks and signs, measure transportation, Le Cam's asymptotic theory, Hájek representation, semiparametric VAR, local asymptotic maximin test
为什么对您有用: 该论文直接连接您对假设检验和半参数理论的兴趣，具体在时间序列设定下发展非参数秩检验。您武器库中的非参数统计和M估计理论可以用于分析其Hájek表示定理的推广，或检验其在更高维VAR模型下的有限样本表现。中期可做：若先熟悉度量传输的几何概念（moderately_familiar），可探索将中心向外秩方法用于您熟悉的因果推断中的敏感性分析或工具变量检验。

3. 10.3150/21-bej1447 · arXiv — Conformal prediction: A unified review of theory and new challenges¶

作者: Matteo Fontana, Gianluca Zeni, Simone Vantini
期刊/来源: Bernoulli
分类: vol 29 · issue 1
相关性 7/10 · novelty: survey
摘要: 本文对 conformal prediction（共形预测）进行了统一综述，覆盖其理论基础与最新发展。共形预测是一种无分布假设、非参数的预测方法，能在有限样本下构造具有统计有效性的预测集，仅依赖数据可交换性假设。核心机制是通过非一致性得分（nonconformity score）衡量新样本与训练集的匹配程度，再利用分位数构造预测区间。综述详细讨论了 inductive conformal prediction、cross-conformal prediction、jackknife+ 等变体，以及它们在回归、分类、异常检测等场景中的应用。文章还指出了开放挑战，如条件覆盖、计算效率、与深度学习的结合等。对您而言，本文是理解无分布预测推断的入门综述，其理论框架（可交换性、有限样本保证）与您在高维统计和假设检验方面的兴趣直接相关，尤其适合作为 gateway reading 进入预测推断领域。
关键技术: conformal prediction, nonconformity score, exchangeability, finite-sample validity, jackknife+, inductive conformal prediction
为什么对您有用: 本文连接您对假设检验和数学统计的兴趣，具体在无分布预测推断这一子方向。您的武器库中'非参数统计'和'高维渐近理论'可以直接用于理解其有限样本保证与渐近效率之间的 tradeoff，属于立即可做的阅读。

4. 10.3150/22-bej1465 · arXiv — Suboptimality of constrained least squares and improvements via non-linear predictors¶

作者: Tomas Vaškevičius, Nikita Zhivotovskiy
期刊/来源: Bernoulli
分类: vol 29 · issue 1
相关性 7/10 · novelty: sharper_rate
摘要: 本文研究 bounded Euclidean ball 上预测与最优线性预测器（BLP）匹配的 excess risk 问题。在仅假设数据生成分布有界时，作者证明约束最小二乘估计（constrained LS）无法达到经典的 O(d/n) 率，并构造了一个有界分布使得其 excess risk 为 Ω(d^{3/2}/n)，反驳了 Ohad Shamir 2015 年的猜想。相比之下，非线性预测器（如随机特征映射或核方法）可以在无协变量分布假设下达到 O(d/n) 最优率。作者进一步讨论了保证约束 LS 达到 O(d/n) 率的额外分布假设，包括稳健统计中常用的矩等价条件（如 L4-L2 等价）。这些假设通常用于无界重尾设定，但本文表明它们也能排除某些不利的有界分布。该结果对高维统计中的 minimax 下界和算法设计有直接启示。
关键技术: constrained least squares, excess risk lower bound, moment equivalence assumptions, non-linear predictors, bounded distribution construction
为什么对您有用: 本文直接关联 primary interest 中的 hypothesis testing 和高维统计：它给出了一个精确的 minimax 下界（Ω(d^{3/2}/n)），并讨论了矩等价条件对率的影响。您可以用 very_familiar 的 minimax bounds 工具验证其下界是否紧，或用 moderately_familiar 的 M-estimation 理论分析非线性预测器的更一般性质。中期可做：将矩等价条件与您的 higher-order U-statistics 工作结合，研究其在 tensor 设定下的推广。

5. 10.3150/22-bej1461 · arXiv — Targeted cross-validation¶

作者: Jiawei Zhang, Jie Ding, Yuhong Yang
期刊/来源: Bernoulli
机构: University of Minnesota System
分类: vol 29 · issue 1
相关性 6/10 · novelty: new_method
摘要: 本文提出目标交叉验证（TCV），用于在预测变量特定区域上选择最优模型或方法。标准CV基于全局L2损失，但实际中不同方法在不同区域表现各异，TCV通过加权L2损失反映区域特定兴趣。作者证明了TCV在选择一致性上的性质，并放宽了传统CV一致性所需的静态排名假设，允许最佳候选方法随样本量变化而切换。理论结果适用于高维和复杂机器学习场景，其中方法相对性能是动态的。实验研究展示了TCV相比全局CV或仅使用局部数据的优势。该工作为模型选择提供了更灵活的框架，尤其当研究者关注预测的局部区域时。
关键技术: cross-validation, weighted L2 loss, selection consistency, dynamic ranking
为什么对您有用: 本文直接关联到您的非参数统计和模型选择兴趣，TCV为局部预测优化提供了理论保证。您熟悉的非参数统计和minimax界工具可用于分析其加权损失下的收敛速率。中期可做：将TCV与您的HOIF工作结合，研究局部区域上高阶影响函数的交叉验证变体。

6. 10.3150/21-bej1457 · arXiv — Cramér-type moderate deviation of normal approximation for unbounded exchangeable pairs¶

作者: Zhuo-Song Zhang
期刊/来源: Bernoulli
分类: vol 29 · issue 1
相关性 6/10 · novelty: new_theory
摘要: 本文在Stein方法的可交换对框架下，建立了无界可交换对的Cramér型正态逼近中偏差定理。该定理给出了正态逼近的相对误差在中等偏差区域（即偏离均值但未进入大偏差区域）的精确收敛速率，这是对传统Berry-Esseen界（仅控制绝对误差）的实质性改进。技术核心在于利用Stein方程和可交换对的耦合结构，通过精细的指数矩估计和截断技巧处理无界性。作为应用，得到了局部统计量之和（如U-统计量、图统计量）以及一般Curie-Weiss模型的中偏差结果。该工作将经典的中偏差理论从独立同分布情形推广到依赖结构，为高维统计和网络数据分析中的正态逼近提供了更精确的尾部概率控制。对您而言，该结果可直接用于您熟悉的higher-order U-statistics的尾部概率精确刻画，尤其是当U-统计量的核函数无界时，现有Berry-Esseen界可能不够紧，而本文的中偏差定理能给出更优的收敛速率。
关键技术: Stein's method, exchangeable pairs, Cramér-type moderate deviation, normal approximation, local statistics, Curie-Weiss model
为什么对您有用: 本文直接关联您primary interest中的hypothesis testing和higher-order U-statistics。您非常熟悉的higher-order U-statistics计算（treewidth/tensor contraction）可以用于构造本文中局部统计量的具体例子，而本文的中偏差结果则能为这些统计量的检验提供精确的p值近似。中期可做：您需要先在moderately_familiar的theory of higher-order U-statistics上深入，特别是理解U-统计量的投影分解和指数型不等式，才能将本文的框架推广到退化U-统计量或高阶U-统计量的情形。

7. 10.3150/21-bej1449 · arXiv — Template matching with ranks¶

作者: Ery Arias-Castro, Lin Zheng
期刊/来源: Bernoulli
分类: vol 29 · issue 1
相关性 4/10 · novelty: new_method
摘要: 研究问题为在噪声信号中匹配模板（template matching）的移位参数估计。设定为观测信号是模板函数在未知移位下的加噪版本，目标是在连续参数空间上估计移位。方法核心是基于秩（rank）的估计量，利用经验过程理论和Hájek投影法建立渐近性质。该估计量达到参数收敛速率（n^{-1/2}）且渐近正态，无需对噪声分布作强参数假设。数值模拟验证了理论结果。对您而言，该文展示了秩方法在非参数信号匹配中的有效性，其技术工具（经验过程、Hájek投影）与您熟悉的U-统计量投影和半参理论有直接联系，可作为假设检验或高维信号检测问题的参考。
关键技术: Hájek projection, empirical process theory, rank-based estimation, parametric rate of convergence, asymptotic normality
为什么对您有用: 本文直接关联您的primary interest中的数学统计与假设检验，特别是秩方法在非参数设定下的渐近理论。技术武器库中'higher-order U-statistics的投影理论'和'非参数统计'可直接用于分析其估计量的效率或推广到更高阶设定。中期可做：将秩匹配扩展到高维或结构化模板，需先在moderately_familiar的HOIF上长肌肉。

8. 10.3150/22-bej1460 · arXiv — On algebraic Stein operators for Gaussian polynomials¶

作者: Ehsan Azmoodeh, Dario Gasbarra, Robert E. Gaunt
期刊/来源: Bernoulli
分类: vol 29 · issue 1
相关性 4/10 · novelty: new_method
摘要: 本文研究 Stein 方法中连续目标分布的 Stein 算子构造问题，核心是寻找形如 Y = h(X) 的随机变量（其中 X 为 i.i.d. 标准高斯分量，h 为多项式）的代数 Stein 算子。作者引入“代数 Stein 算子”概念，将算子存在性转化为线性离散系统的零可控性（null controllability）问题，并给出一个 MATLAB 代码用于在给定微分算子阶数和多项式次数上限下枚举所有可能的算子。该方法首次将计算代数与 Stein 方法结合，能够处理高复杂度分布（如 H_20(X_1)），并在附录中给出了 H_p(X_1) 对 p=3 至 12 的 Stein 算子实例。此外，作者提出一种广泛适用的方法证明这些算子确实刻画了目标分布，并验证了最小多项式次数下 H_p(X_1)（p=3 至 8）的算子刻画性质。对您而言，本文的核心价值在于：Stein 方法为高维统计推断和假设检验提供了一种非渐近的分布逼近工具，而本文的代数构造方法可能为处理高维 U-统计量或复杂多项式统计量的分布逼近提供新思路，尤其与您熟悉的 higher-order U-statistics 中多项式结构有潜在联系。
关键技术: Stein's method, algebraic Stein operator, null controllability, linear discrete system, Hermite polynomials, computational algebra
为什么对您有用: 本文直接关联您 primary interest 中的 hypothesis testing 和 mathematical statistics，Stein 方法是分布逼近和检验统计量零分布计算的核心工具。您的 technical arsenal 中 very_familiar 的 higher-order U-statistics 计算（treewidth / tensor contraction / einsum）可用来分析本文构造的 Stein 算子的计算复杂度，因为算子系数多项式可能对应高维张量收缩结构。中期可做：需先在 moderately_familiar 的 HOIF 理论上长肌肉，以理解 Stein 算子与 influence function 的深层联系，从而将代数构造方法推广到更一般的半参数设定。

9. 10.3150/21-bej1453 · arXiv — On admissible estimation of a mean vector when the scale is unknown¶

作者: Yuzo Maruyama, William E. Strawderman
期刊/来源: Bernoulli
分类: vol 29 · issue 1
相关性 4/10 · novelty: sharper_rate
摘要: 本文研究 p 维正态分布均值向量在尺度参数未知时的广义 Bayes 估计的可容许性，损失函数为二次型。先验分布采用尺度参数上的不变先验，并在给定尺度下对均值施加分层正态先验，由超参数 a 索引。已有工作表明，当条件先验为正常先验 (a > -1) 时估计可容许，为反常先验 (a < -2) 时不可容许。本文填补了边界情形 -2 ≤ a ≤ -1 的空白，证明此时估计仍可容许，从而完整刻画了该类先验的可容许性特征。这一边界 a = -2 恰好与 Brown (1971) 中尺度已知情形的结果一致。作为应用，本文给出了 p ≥ 3 时可容许且 minimax 的估计量，而此前同类结果需要 p ≥ 5。特别地，联合 Stein 先验在尺度未知情形下导出了 p ≥ 3 时的 minimax 可容许估计。该结果对高维统计中 minimax 估计与可容许性理论有直接参考价值，尤其与您在高维统计和假设检验方面的兴趣相关。
关键技术: generalized Bayes estimation, admissibility, minimax estimation, Stein prior, hierarchical normal prior
为什么对您有用: 本文直接关联您对假设检验和高维统计的兴趣，特别是 minimax 估计与可容许性的经典理论。您武器库中的 minimax bounds 技术可用于验证本文估计量的最优性是否紧，而高维渐近工具可帮助将结果推广到 p 随 n 增长的情形。中期可做：需先在 moderately_familiar 的 M-estimation 理论上加强，以处理非正态或非二次损失下的推广。

10. 10.3150/21-bej1454 · arXiv — On a projection-based class of uniformity tests on the hypersphere¶

作者: Eduardo García-Portugués, Paula Navarro-Esteban, Juan A. Cuesta-Albertos
期刊/来源: Bernoulli
分类: vol 29 · issue 1
相关性 3/10 · novelty: new_method
摘要: 本文提出了一类基于投影的超球面上均匀性检验方法。核心思想是沿所有可能方向，积分投影数据的经验累积分布函数与均匀分布投影之间的加权二次偏差。对于圆和球面，得到了若干检验统计量的简洁表达式；对于更高维空间，表达式也相对可处理。尽管出发点不同，该检验类被证明与经典的Sobolev均匀性检验类相关。新类别的优势在于能够自然地推广圆上的Watson、Ajne和Rothman检验到超球面，并首次引入了超球面上的Anderson-Darling型检验。文章推导了渐近分布和对某些备择假设的局部最优性。模拟研究显示，在某些场景下新检验具有竞争力。最后，将新检验应用于三个天文学实例。对您而言，本文提供了高维球形数据假设检验的新工具，其投影思想与您在高维统计和假设检验方面的兴趣直接相关。
关键技术: projection-based uniformity tests, Sobolev class of tests, Anderson-Darling test on hypersphere, asymptotic distribution under null, local optimality
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'mathematical statistics (hypothesis testing)'。其投影方法在高维球形数据上构造检验统计量，与您熟悉的高维渐近理论有技术交集。从武器库看，您可以用'非参数统计'和'高维渐近'的功底理解其渐近分布推导，属于立即可做的阅读。此外，天文学应用实例可作为gateway reading进入astrostatistics领域，但本文核心贡献在方法学。

统计计算 / 算法 (stat_computing, 2 篇)¶

1. 10.3150/22-bej1468 · arXiv — Multilevel bootstrap particle filter¶

作者: Kari Heine, Daniel Burrows
期刊/来源: Bernoulli
分类: vol 29 · issue 1
相关性 4/10 · novelty: new_method
摘要: 本文针对序贯蒙特卡洛粒子滤波中粒子权重计算昂贵的问题，提出了一种基于多层方法的新粒子滤波算法——多层自举粒子滤波（MLBPF）。该方法通过在不同分辨率层级上运行粒子滤波，并利用多层蒙特卡洛的思想，将计算资源集中在低分辨率层级，同时通过层级间的耦合修正偏差。理论部分证明了MLBPF在温和条件下仍满足强大数定律和中心极限定理，保证了估计的渐近性质。数值实验表明，在某些设定下，MLBPF相比经典自举粒子滤波可节省高达85%的计算时间，但作者也指出这种提升高度依赖于具体应用场景。该工作为计算受限的统计推断问题提供了一种实用的加速策略，尤其适用于似然评估成本高的状态空间模型。对于您关注的统计计算方向，本文的多层加速思路可启发在复杂因果推断或高维统计中设计类似的计算效率提升方案。
关键技术: multilevel Monte Carlo, bootstrap particle filter, sequential Monte Carlo, computational cost reduction, central limit theorem
为什么对您有用: 本文直接对应您primary interest中的'statistical computing (numerical methods, algorithm)'，属于计算加速方法。您武器库中的'high-dimensional asymptotics'和'minimax bounds'可用于分析MLBPF的方差-计算量权衡，而'computation of higher-order U-statistics (treewidth / tensor contraction / einsum)'的经验可迁移至理解多层蒙特卡洛的耦合结构。中期可做：需先在'moderately_familiar'的'M-estimation theory'上熟悉多层方法的理论框架，才能将类似思路推广至您熟悉的因果推断或高维统计问题。

2. 10.3150/21-bej1450 · arXiv — Mixing time guarantees for unadjusted Hamiltonian Monte Carlo¶

作者: Nawaf Bou-Rabee, Andreas Eberle
期刊/来源: Bernoulli
分类: vol 29 · issue 1
相关性 3/10 · novelty: new_theory
摘要: 本文研究未调整哈密顿蒙特卡洛（uHMC）算法的混合时间上界。在固定时间离散步长 h 下，对于两类一般模型，uHMC 链的全变差混合时间仅对数依赖于维度。进一步，给出了 uHMC 链不变测度与真实目标测度之间全变差距离的定量上界。结果表明，对于一大类模型，达到 ε 精度（全变差距离）需要 O(d^{3/4} ε^{-1/2} log(d/ε)) 次梯度评估；对于弱相互作用的平均场模型，仅需 O(d^{1/2} ε^{-1/2} log(d/ε)) 次。证明基于成功耦合的构造。该结果对高维贝叶斯计算和 MCMC 方法有直接指导意义，与您的统计计算兴趣（数值方法、算法）高度相关。
关键技术: unadjusted Hamiltonian Monte Carlo, total variation mixing time, coupling construction, dimension dependence, gradient evaluation complexity
为什么对您有用: 本文属于统计计算（MCMC 算法理论），直接对应您的 primary interest 中的 'statistical computing (numerical methods, algorithm)'。您对高维渐近和 minimax 界非常熟悉，可以立即用这些工具验证本文的维度依赖上界是否紧（立即可做）。此外，耦合构造技术可迁移至其他 MCMC 算法的收敛性分析，是一个中期可探索的方向。

其他 (other, 15 篇)¶

1. 10.3150/22-bej1474 · arXiv — Multivariate time series models for mixed data¶

作者: Zinsou-Max Debaly, Lionel Truquet
期刊/来源: Bernoulli
分类: vol 29 · issue 1
相关性 5/10 · novelty: application
摘要: 本文提出了一类混合型多元时间序列建模框架，允许每个分量在给定过去信息后服从不同的单变量时间序列模型（如GARCH、ARMA、INGARCH或logistic模型），同时通过copula刻画分量间的同期相依性，并允许加入外生协变量。在稳定性方面，作者给出了模型平稳遍历的充分条件。估计策略上，先对每个分量方程进行伪极大似然估计（PMLE），实现方程级一致估计，即使序列数较大时计算仍可行；随后对copula参数（尤其是高斯copula的相关矩阵）进行极大似然估计，并证明了强相合性。两个典型例子（GARCH/INGARCH混合模型与logistic/log-linear INGARCH模型）被用于验证假设条件。数值实验和两个真实数据集展示了方法的实用性。该文主要贡献在于将混合型数据（二元/计数/连续）统一纳入多元时间序列框架，但方法本身以经典似然和copula工具为主，未涉及因果推断或高维统计的新理论。
关键技术: pseudo-maximum likelihood estimation, copula modeling, GARCH/INGARCH models, logistic/log-linear INGARCH models, equation-by-equation estimation
为什么对您有用: 该文属于时间序列建模的应用方法，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。武器库中非参数统计和M估计理论可帮助理解其PMLE的渐近性质，但核心问题（混合型数据多元时间序列的copula建模）并非您当前关注的方向。暂不可做——缺少与因果识别或高维推断的直接连接，且时间序列因果推断（如Granger因果）在该文中未被讨论。

2. 10.3150/21-bej1458 · arXiv — Variational formulas for asymptotic variance of general discrete-time Markov chains¶

作者: Lu-Jing Huang, Yong-Hua Mao
期刊/来源: Bernoulli
分类: vol 29 · issue 1
相关性 5/10 · novelty: new_theory
摘要: 本文研究一般状态空间上离散时间（不可逆）马尔可夫链渐近方差的变分公式。目标是为不可逆链的渐近方差提供统一的变分刻画，从而推广经典Peskun比较定理。核心方法是通过引入适当的Dirichlet型与协方差结构，建立渐近方差的上、下界变分表示。技术工具包括谱理论、对偶链构造以及函数空间上的变分分析。主要理论结果给出了渐近方差作为某个二次型泛函的变分表达式，并由此推导出多个比较定理，涵盖不同扰动下的链间方差比较。实证部分通过若干示例（如随机游走与Metropolis链）验证了变分公式的紧性。对您而言，本文属于随机过程与MCMC理论方向，与您的主要兴趣（因果推断、高维统计）无直接交集，但变分方法在统计计算中可能有间接参考价值。
关键技术: variational formula, asymptotic variance, Peskun's comparison theorem, non-reversible Markov chain, Dirichlet form, spectral gap
为什么对您有用: 本文属于随机过程与MCMC理论，与您的主要兴趣（因果推断、高维统计）无直接交集。作为gateway阅读，它不涉及您武器库中的具体工具（如U-statistics、minimax bound），且变分方法在统计计算中的间接应用尚不明确。暂不可做——核心机器（谱理论、对偶链）不在武器库中。

3. 10.3150/22-bej1480 · arXiv — Non-homogeneous Poisson process intensity modeling and estimation using measure transport¶

作者: Tin Lok James Ng, Andrew Zammit-Mangion
期刊/来源: Bernoulli
分类: vol 29 · issue 1
相关性 4/10 · novelty: new_method
摘要: 本文提出一种基于测度传输（measure transport）的非齐次泊松过程强度函数建模与估计方法。核心思想是构造一个可逆映射，将目标强度函数映射到一个简单的参考强度函数（如均匀分布），该映射由多个简单双射映射复合而成，并证明了该模型具有重要的逼近性质。估计通过优化框架实现，利用深度学习技术和GPU加速计算。虽然强度函数估计精度未必优于传统方法，但该表示方法便于点过程模拟、不确定性量化以及高维扩展。在斐济附近地震数据上的应用展示了其实用性。对您而言，本文的测度传输框架与您熟悉的非参数统计和逆问题方法有潜在联系，但整体偏向计算统计与空间统计应用，与您的主要兴趣方向（因果推断、高维统计、U统计量）距离较远。
关键技术: measure transport, normalizing flows, non-homogeneous Poisson process, bijective mapping, GPU-accelerated optimization
为什么对您有用: 本文属于统计计算与空间统计的交叉，与您的主要兴趣（因果推断、高维统计、U统计量）关联较弱。但测度传输作为生成式建模工具，在您 moderately_familiar 的 semiparametric theory 中有潜在应用（如密度估计、似然比检验）。作为 gateway reading，本文对 outsider 友好，清晰解释了模型和算法，但核心问题（强度函数估计）并非您武器库的强项。暂不可做——缺少空间点过程与测度传输的专门知识。

4. 10.3150/21-bej1452 · arXiv — Infinite-color randomly reinforced urns with dominant colors¶

作者: Hristo Sariev, Sandra Fortini, Sonia Petrone
期刊/来源: Bernoulli
分类: vol 29 · issue 1
相关性 3/10 · novelty: new_theory
摘要: 本文研究一类无限颜色随机强化罐（dominant Polya sequences），其中每个颜色有随机权重，且颜色种类无界。在期望强化最大值的温和假设下，证明了预测分布和经验分布几乎必然在全变差下收敛到同一个随机概率测度，且该测度几乎必然支撑在主导颜色集上。对于非主导颜色，虽然它们持续出现，但其到主导颜色集的距离依概率收敛到零。进一步给出了收敛速率和中心极限定理。潜在应用包括随机临床试验和物种抽样。对您而言，该文属于贝叶斯非参数和随机过程的交叉，与您的主要兴趣（因果推断、高维统计）无直接关联，但其中的收敛性分析技术（如鞅方法、全变差收敛）可能对您处理纵向数据中的自适应设计问题有间接启发。
关键技术: randomly reinforced urn, dominant Polya sequences, total variation convergence, martingale methods, central limit theorem
为什么对您有用: 本文属于贝叶斯非参数与随机过程方向，与您的主要兴趣（因果推断、高维统计、U-统计量）无直接重叠。但其中的鞅收敛和全变差收敛技术，对您处理纵向因果推断中的自适应设计（如序贯随机化）可能有间接参考价值。目前暂不可做：核心机器（随机罐过程、鞅极限理论）不在您的武器库中，且与您当前研究路线关联较弱。

5. 10.3150/21-bej1448 · arXiv — Statistics of the two star ERGM¶

作者: Sumit Mukherjee, Yuanzhe Xu
期刊/来源: Bernoulli
分类: vol 29 · issue 1
相关性 3/10 · novelty: new_theory
摘要: 本文研究两星指数随机图模型（two star ERGM），这是一个定义在简单标号图空间上的双参数指数族。作者引入辅助变量，将两星模型表示为β模型在网络上混合的形式。利用这一表示，研究了边数的渐近分布和度的抽样方差，发现边数的极限分布与统计物理中Curie-Weiss Ising模型的磁化强度具有相似的相变行为。基于此，证明了两个参数均存在一致估计。最后，证明了在所有参数域中，度的中心化部分和作为过程收敛到布朗桥，且该收敛与相变无关。
关键技术: Exponential Random Graph Model (ERGM), β model, Curie-Weiss Ising model, phase transition, Brownian bridge
为什么对您有用: 本文属于网络统计模型的理论分析，与您的主要兴趣（数学统计、假设检验）有间接关联，但核心方法（ERGM、相变）不在您的技术武器库中，且未涉及因果推断、高维统计或U-统计量等方向。作为入门读物，它提供了网络模型相变行为的清晰理论，但您需要额外学习ERGM和统计物理工具才能跟进。暂不可做。

6. 10.3150/22-bej1475 · arXiv — Bootstrap percolation on the stochastic block model¶

作者: Giovanni Luca Torrisi, Michele Garetto, Emilio Leonardi
期刊/来源: Bernoulli
分类: vol 29 · issue 1
相关性 2/10 · novelty: new_theory
摘要: 本文研究随机块模型（SBM）上的 bootstrap percolation 过程，该过程是一种在图上传播激活的动力学模型。SBM 是 Erdős–Rényi 随机图的推广，通过引入社区结构来模拟真实系统中的聚类现象。在温和的参数假设下，作者证明了最终激活节点数量存在尖锐的相变，并根据每个社区中随机选取的初始激活节点数量，刻画了次临界和超临界区域。该工作主要贡献在于将 percolation 理论从均匀随机图推广到具有社区结构的图上，并给出了精确的阈值条件。对您而言，本文属于概率论与统计物理的交叉领域，与您的主要研究方向（因果推断、高维统计等）无直接关联，但可作为了解随机图动力学模型的入门阅读。
关键技术: bootstrap percolation, stochastic block model, sharp phase transition, subcritical/supercritical regimes
为什么对您有用: 本文属于概率论与统计物理的交叉领域，与您的主要研究方向（因果推断、高维统计、U-统计量等）无直接关联。作为 gateway reading，本文对随机图动力学模型的介绍较为清晰，但缺乏与统计推断或计算复杂度的直接联系。武器库中的工具（如高维渐近理论）无法直接应用于本文问题，因此暂不可做。

7. 10.3150/22-bej1481 — General construction and classes of explicit L1-optimal couplings¶

作者: Giovanni Puccetti, Ludger Rüschendorf
期刊/来源: Bernoulli
机构: University of Milan · University of Freiburg
分类: vol 29 · issue 1
相关性 2/10 · novelty: new_method
摘要: 本文研究 L1-最优耦合（即 Kantorovich ℓ1 度量下的最优运输）的显式构造问题。在绝对连续测度情形下，已知最优运输发生在由对偶势诱导的射线分解上，但显式求解对偶问题通常极为困难。作者提出了一套自包含的构造原理，包括约化原理和分解方法，利用约化测度的对称性和最优运输的非交叉性质来选取运输射线，并通过最优耦合的表征定理验证最优性。作为应用，首次给出了两个二元高斯分布之间 L1-最优耦合的显式构造，并讨论了平移和缩放等特殊构造的最优性。此外，还扩展了一类对偶泛函，使得在多种例子中能够闭式计算 ℓ1 度量或其准确下界。本文属于最优运输理论中的构造性工作，对您的主兴趣（因果推断、半参理论）无直接方法学连接，但若您关注统计计算中的运输问题或分布鲁棒性，可作背景参考。
关键技术: optimal transport, Kantorovich metric, Wasserstein distance, decomposition method, elliptical distributions
为什么对您有用: 本文属于纯数学最优运输理论，与您的主兴趣（因果推断、高维统计、U-统计量）无直接方法学连接，武器库中 very_familiar 的非参统计和 minimax 界无法直接攻入。暂不可做——核心机器（最优运输的对偶理论和射线分解）不在武器库中。

8. 10.3150/22-bej1476 · arXiv — A trajectorial approach to relative entropy dissipation of McKean–Vlasov diffusions: Gradient flows and HWBI inequalities¶

作者: Bertram Tschiderer, Lane Chun Yeung
期刊/来源: Bernoulli
机构: University of Vienna · Columbia University
分类: vol 29 · issue 1
相关性 2/10 · novelty: new_theory
摘要: 本文研究 McKean–Vlasov 扩散的相对熵耗散轨迹版本，将 [FJ16, KST20a] 中非相互作用扩散的结果推广到相互作用粒子系统。方法基于扩散的时间反转和 Lions 的 Wasserstein 空间微分学，通过相对熵过程的半鞅分解显式计算每条轨迹上的相对熵耗散率。作为应用，首先给出了颗粒介质方程梯度流结构的新解释，推广了线性 Fokker–Planck 方程的表述；其次，利用轨迹方法导出了 HWBI 不等式（连接相对熵 H、Wasserstein 距离 W、重心 B 和 Fisher 信息 I）的新推导。该工作属于随机分析与 Wasserstein 几何的交叉，与您的主要兴趣（因果推断、高维统计等）无直接方法学关联。
关键技术: time-reversal of diffusions, Lions' differential calculus over Wasserstein space, semimartingale decomposition, gradient flow, HWBI inequality
为什么对您有用: 本文属于随机分析/信息几何领域，与您的主要兴趣（因果推断、高维统计、U-统计量等）无直接方法学连接。武器库中 very_familiar 的非参统计和 minimax 界在此不适用；moderately_familiar 的 HOIF 和半参理论也无直接对口。暂不可做——核心机器（Wasserstein 梯度流、时间反转扩散、Lions 微分学）不在武器库中，且该方向与您的统计计算-计算权衡兴趣也无交集。

9. 10.3150/22-bej1466 · arXiv — Quadratic variation and quadratic roughness¶

作者: Rama Cont, Purba Das
期刊/来源: Bernoulli
机构: Laboratoire de Physique Théorique et Modèles Statistiques · Mathematical Institute of the Slovak Academy of Sciences · Laboratoire de Probabilités, Statistique et Modélisation
分类: vol 29 · issue 1
相关性 2/10 · novelty: new_theory
摘要: 本文研究连续路径沿分区序列的二次变差概念及其对分区选择的依赖性。作者定义了路径沿分区序列的二次粗糙度，并证明对于满足该粗糙度条件的 Hölder 连续路径，沿平衡分区的二次变差关于分区序列的选择是不变的。进一步，布朗运动的路径几乎必然满足该二次粗糙度性质。利用这些结果，作者推导了 Föllmer 路径积分沿有限二次变差路径的一种与分区序列无关的表述。该工作属于随机分析/路径正则性理论，与您的统计兴趣无直接交集。
关键技术: quadratic variation, quadratic roughness, Hölder continuity, Föllmer pathwise integration, balanced partitions
为什么对您有用: 本文主题为随机分析中的路径正则性，与您的因果推断、高维统计或半参理论等主要兴趣无直接关联。武器库中无对应工具可攻该问题，属于暂不可做范畴。

10. 10.3150/22-bej1478 · arXiv — SDEs with critical time dependent drifts: Weak solutions¶

作者: Michael Röckner, Guohuan Zhao
期刊/来源: Bernoulli
分类: vol 29 · issue 1
相关性 2/10 · novelty: new_theory
摘要: 该论文研究时间非齐次随机微分方程（SDE）在加性噪声和临界Lebesgue空间漂移条件下的弱解存在唯一性问题。漂移属于L^q([0,T]; L^p(R^d))空间，满足d/p+2/q=1的临界指标，这是经典Krylov-Röckner理论的推广。核心方法是通过求解对应Kolmogorov后向方程在二阶Sobolev空间中的适定性来建立弱唯一性，这一分析结果本身具有独立价值。论文给出了弱解的存在性证明，并利用解析工具处理临界正则性下的唯一性。该工作属于随机分析基础理论，与您的因果推断、高维统计等主要兴趣方向无直接技术交集。
关键技术: Kolmogorov backward equation, Sobolev space theory, critical Lebesgue space drift, weak solution of SDE
为什么对您有用: 该论文属于随机分析基础理论，与您的primary interests（因果推断、高维统计、U统计量等）无直接技术连接。您的武器库中缺少随机分析核心工具（如Sobolev空间嵌入、Kolmogorov方程正则性理论），因此暂不可做。除非您有意拓展随机分析方向，否则不建议深入阅读。

11. 10.3150/22-bej1471 · arXiv — Almost-sure asymptotics for Riemannian random waves¶

作者: Louis Gass
期刊/来源: Bernoulli
分类: vol 29 · issue 1
相关性 2/10 · novelty: new_theory
摘要: 本文研究紧致黎曼流形上 Laplace 特征函数的随机线性组合（Riemannian random wave 模型）。主要结果是：在 Gaussian 系数几乎必然的意义下，当频率趋于无穷时，适当缩放后的随机波过程在流形上独立均匀随机点 X 处的分布收敛到通用 Gaussian 场。这推广了经典的 Salem-Zygmund 中心极限定理（从三角多项式级数到一般紧致黎曼流形）。基于该收敛性，进一步推导了随机波节点体积的几乎必然渐近性（此前仅知期望意义下的结果），回应了 Zelditch 关于节点线几乎必然等分布的问题。技术工具包括 Gaussian 过程的概率估计、谱渐近分析和流形上的微局部分析。该论文属于纯概率/谱几何方向，与您的统计研究兴趣无直接交集。
关键技术: Riemannian random wave model, Salem-Zygmund CLT, almost sure convergence, nodal volume asymptotics, Gaussian processes on manifolds
为什么对您有用: 该论文属于纯数学（谱几何与概率）范畴，与您的 primary interests（因果推断、高维统计、U-统计量、半参理论等）无直接连接。它既不是 gateway reading（astrostatistics / econ / epi），也不涉及统计计算或信息-计算权衡。因此不推荐阅读。

12. 10.3150/22-bej1470 · arXiv — A necessary and sufficient condition for the convergence of the derivative martingale in a branching Lévy process¶

作者: Bastien Mallein, Quan Shi
期刊/来源: Bernoulli
分类: vol 29 · issue 1
相关性 1/10 · novelty: new_theory
摘要: 本文研究分支 Lévy 过程（一类满足分支性质与指数可积性的实值连续时间粒子系统）的导数鞅收敛问题。该过程由三元组 (σ², a, Λ) 刻画，作者给出了导数鞅收敛到非平凡极限的充要条件，该条件完全由 (σ², a, Λ) 决定。这一结果将分支布朗运动与分支随机游走上的已知结论推广到了更一般的分支 Lévy 过程。证明的核心工具是脊柱分解（spinal decomposition）以及一个关于条件保持正性的中心化 Lévy 过程的永久积分的新颖零一律。该零一律本身可能具有独立的方法论意义。本文属于概率论与随机过程领域，与您的主要研究兴趣（因果推断、高维统计、半参理论等）无直接交集。
关键技术: spinal decomposition, zero-one law, perpetual integrals, branching Lévy process, derivative martingale
为什么对您有用: 本文属于纯概率论（分支过程与鞅理论），与您列出的任何 primary 或 secondary interest 均无直接关联。武器库中没有任何工具可以直接攻入该问题，且该方向（分支过程、Lévy 过程、鞅极限定理）不在您的技术栈内，属于暂不可做范畴。不建议花费时间阅读。

13. 10.3150/22-bej1479 · arXiv — Linear multifractional stable sheets in the broad sense: Existence and joint continuity of local times¶

作者: Yujia Ding, Qidi Peng, Yimin Xiao
期刊/来源: Bernoulli
分类: vol 29 · issue 1
相关性 1/10 · novelty: new_theory
摘要: 本文引入广义线性多分形稳定片（LMSS）的概念，涵盖α=2的线性多分形布朗片和α<2的线性多分形稳定片。研究目标是LMSS局部时的存在性、联合连续性以及集合变量上的局部Hölder条件。主要结果包括：定理2.4给出局部时存在的充要条件，定理3.1给出联合连续的充分条件，定理4.1证明集合变量上局部时的尖锐局部Hölder条件。这些定理显著改进了现有关于多分形布朗片和线性多分形稳定片局部时的结果。本文属于随机过程理论，与您的统计推断兴趣无直接关联。
关键技术: local times, multifractional stable sheets, joint continuity, Hölder condition
为什么对您有用: 本文属于纯随机过程理论，与您的主要兴趣（因果推断、高维统计、半参数理论等）无直接连接。武器库中的工具（如非参数统计、U-统计量）在此不适用。暂不可做，因为核心机器（随机过程局部时理论）不在武器库中。

14. 10.3150/22-bej1469 — Exponential and strong ergodicity for one-dimensional time-changed symmetric stable processes¶

作者: Tao Wang
期刊/来源: Bernoulli
机构: Beijing Normal University
分类: vol 29 · issue 1
相关性 1/10 · novelty: new_theory
摘要: 本文研究一维时间变换对称稳定过程的指数遍历性与强遍历性。设定X为对称α稳定过程，α∈(0,2)，其生成元为分数阶拉普拉斯算子。已知当α∈(1,2)时X是点常返的，但因其不变测度为无穷Lebesgue测度而不具遍历性。作者通过时间变换构造新的过程，并分析其遍历性质。主要技术工具包括随机微分方程理论、分数阶拉普拉斯算子的谱分析以及遍历理论中的经典方法。理论结果表明，在适当的时间变换下，该过程可以具有指数遍历性或强遍历性。本文属于纯概率论与随机过程领域，与您的主要研究兴趣（因果推断、高维统计、U统计量等）无直接关联。
关键技术: fractional Laplacian, time-change, ergodicity, stable processes, spectral analysis
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、半参数理论等）无直接交集。武器库中没有任何工具可以直接攻这篇论文的问题。暂不可做——核心机器（随机过程遍历理论、分数阶拉普拉斯算子谱分析）不在武器库中。

15. 10.3150/22-bej1467 · arXiv — Chung-type law of the iterated logarithm and exact moduli of continuity for a class of anisotropic Gaussian random fields¶

作者: Cheuk Yin Lee, Yimin Xiao
期刊/来源: Bernoulli
分类: vol 29 · issue 1
相关性 1/10 · novelty: new_theory
摘要: 本文研究一类各向异性高斯随机场的Chung型重对数律与精确模量连续性。该类随机场具有调和型积分表示和强局部非确定性性质。与现有文献相比，本文不要求平稳增量假设，并给出了更精确的极限常数上下界。主要工具包括各向异性高斯场的样本路径性质和概率不等式。结果适用于一类由分数有色高斯噪声驱动的线性随机偏微分方程的解，包括随机热方程。对您而言，本文属于概率论与随机过程的理论工作，与您的主要统计兴趣（因果推断、高维统计、U统计量等）无直接方法学连接。
关键技术: Chung-type law of the iterated logarithm, moduli of continuity, anisotropic Gaussian random fields, strong local nondeterminism, harmonizable-type integral representation
为什么对您有用: 本文属于概率论与随机过程的纯理论工作，与您的主要兴趣方向（因果推断、高维统计、U统计量、半参数理论等）无直接方法学连接。武器库中无对应工具可攻该问题。暂不可做。

Maintained by 陈星宇 · Homepage · Source on GitHub